基于纸币退化能量函数的清分机纸币新旧和残缺检测方法

摘要

本发明提供一种基于纸币退化能量函数的清分机纸币新旧残缺检测方法。本发明的目的是这样实现的：首先建立参考图像模板，接着对纸币图像进行配准，在图像配准过程中，利用几何特征进行全局配准，利用颜色扩散模型进行局部配准，最后根据配准结果检测残缺及新旧特征，并依据BDE函数对纸币新旧和残缺作出评估。步骤包括：参考图像模板的设立；图像的全局配准；图像局部配准；根据BDE函数对纸币新旧和残缺作出评估。本发明一种基于纸币退化能量函数的清分机纸币新旧残缺检测方法，具有识别率高且稳定可靠的优点，能满足实际要求，并已应用到实际的纸币清分系统中。

主权项

1.一种基于纸币退化能量函数的清分机纸币新旧残缺检测方法，其特征在于：首先建立参考图像模板，接着对纸币图像进行配准，在图像配准过程中，利用几何特征进行全局配准，利用颜色扩散模型进行局部配准，最后根据配准结果检测残缺及新旧特征，并依据BDE函数对纸币新旧和残缺作出评估，步骤如下：步骤一：参考图像模板的设立针对不同类别的纸币，根据纸币磨损程度分为崭新、ATM适用、可流通、不可流通、严重磨损5个等级，在各个级别中挑选币面平整，没有明显扭曲变形的纸币作为样本，采用颜色扩散模型对样本进行配准，得到样本间各像素的对应关系，然后统计、插值得到纸币的退化序列，采用g＝0，1，2，3，4标志纸币从新到旧五个等级，在每等级挑选50个样本进行训练，将第g级第d个样本记为记上z处的颜色值为以样本为基准，设上z点与上的点相对应，统计各等级的标准图像为：$T(z,{\rho }_g)=\frac{1}{D}\underset{d=1}{\overset{D}{\Sigma }}{T}_d^g\left(z_d^g\right)$步骤二：图像的全局配准首先将待检测的纸币图像与已采样的纸币参考图像进行图像配准，然后采用Kirsch算子提取两图像的边缘信息，在此基础上提取纸币的新旧和残缺特征；步骤三：图像局部配准①根据待检测的纸币图像中各点的校正向量，采用等式D⁺_TI(x，y)＝max{0，D_TI(x，y)}来计算D⁺_TI(x，y)，作为新旧和残缺特征，来反映待检测的纸币图像I在(x+Δx，y+Δy)附近的新旧和残缺程度；②将待检测的纸币图像分为5×3的矩形区域Ω_i，统计每个区域的新旧和残缺比率：${\lambda }_{{\Omega }_i}^2=\frac{1}{N}\underset{(x,y)\in {\Omega }_i}{\Sigma }{\left[{D^{+}}_{\mathrm{TI}}(x,y)\right]}^2$③每4个相邻的5×3矩形Ω_i，i＝1，2，3，4构成一个10×6的矩形区域Ω_j，计算Ω_j的新旧和残缺比率：${\lambda }_{{\Omega }_i}=\sqrt{\frac{1}{4}\underset{i=1}{\overset{4}{\Sigma }}{\lambda }_{{\Omega }_i}^2}$如果将Ω_j标识为新旧区域；④统计被标识的污染区域面积；步骤四：根据BDE函数对纸币新旧和残缺作出评估利用BDE函数的均匀性差及平方色差对纸币的退化程度进行量化分析，其中SCS对于纸币退化十分敏感，但也容易受到噪声干扰，与之相反，SHD对纸币退化的敏感度相对较低，但会更加稳定可靠，所以将纸币退化能量函数(BDE)定义为SCS、SHD两者的加权和，可以构建更为稳健可靠的纸币退化指标，将从z到z′的BDE值记为：Q(z，z′)＝R(z，z′)+αZ(z，z′)其中α为加权系数，在一定程度上反映了灵敏度与稳定性的折衷，加权系数与具体的纸币图案种类无关，通常的取值范围为0.25到4，在以后的纸币图像配准及检测环节中，BDE可以用于评估配准的匹配度，反映纸币的磨损程度及新旧情况。