一種相似字符識別方法及紙幣冠字碼識別方法
【專利摘要】本發(fā)明公開了一種相似字符辨別方法及紙幣冠字碼識別方法，并具體公開了一種對第五套人民幣面值為100元紙幣的冠字識別方法，該方法分別針對容易混淆的相似字符B與8，O與Q，7、J與T，2與Z，6、G與E,C與G,E與F，O與D進行分析，并運用于紙幣冠字碼識別中解決算法精度問題，提高了冠字碼的識別率，使得冠字碼識別率達到99.9%或以上。
【專利說明】
-種相似字符識別方法及紙幣冠字碼識別方法
技術(shù)領域
[0001] 本發(fā)明設及相似字符識別方法領域，特別設及一種相似字符識別方法及將該方法 利用到紙幣冠字碼識別方法。
【背景技術(shù)】
[0002] 數(shù)字字符識別廣泛地應用于車牌號碼識別、人民幣冠字碼識別等領域，在對數(shù)字 與字符進行識別時，B與8，0與Q，7、J與T，2與Z，6、G與E，C與G，E與F，0與D字符被稱為相似字 符，容易引起混淆，但目前在進行字符識別時卻沒有引起足夠的重視，導致目前不論是車牌 號碼實時識別還是金融機構(gòu)對紙幣冠字碼進行自動識別時，精度不高。
[0003] 目前，紙幣上都有一個唯一的冠字號碼，它可W作為紙幣的"身份證"，用于區(qū)別于 其它紙幣。冠字號碼圖像具有舉證之用，對解決金融機構(gòu)與客戶之間因為假幣產(chǎn)生的糾紛 是非常有利的，冠字碼識別技術(shù)是一種科技含量很高的技術(shù)，冠字碼識別技術(shù)設及許多科 研領域，包括CIS圖像傳感器與圖像采集技術(shù)，DSP數(shù)據(jù)處理技術(shù)，數(shù)字圖像處理技術(shù)，模式 識別技術(shù)等。近年來國外如美國、日本、英國、德國已經(jīng)研制出各自的紙幣冠字碼識別模塊 且已經(jīng)在市場上應用，國內(nèi)也開始對紙幣冠字碼識別技術(shù)進行研究，并取得了不少研究成 果，冠字碼識別技術(shù)已經(jīng)在國內(nèi)研發(fā)的ATM機，點鈔機，驗鈔機，清分機等金融機具上應用。 對于紙幣冠字碼識別技術(shù)，科研機構(gòu)、企業(yè)關(guān)屯、的是算法的性能，性能主要包括兩方面，一 方面是算法的效率，即算法運行的總時間:速度，一方面是算法的精度，即算法的識別率。
[0004] 目前國內(nèi)外有些紙幣冠字碼識別方法在紙幣邊緣檢測，紙幣面值面向，冠字碼定 位切割及冠字碼識別算法的效率比較低，導致算法時間耗很長，而不得不采用性能更高的 硬件作為處理平臺，增加了硬件成本。算法精度方面，國內(nèi)的冠字碼識別算法一般采用神經(jīng) 網(wǎng)絡，但沒有對神經(jīng)網(wǎng)絡識別結(jié)果進一步處理，導致算法識別率偏低且難W穩(wěn)定。
[0005] 總之，國內(nèi)外一些冠字碼算法性能不高，有待于改進。
[0006] 目前，冠字碼識別主要包括W下步驟:首先需要獲取冠字碼中每個字符的圖像，然 后，形成每個字符的特征矢量，最后利用BP神經(jīng)網(wǎng)絡進行識別獲得各個冠字碼字符，組成字 符串完成冠字碼識別。
[0007] 但是運樣的冠識別方法的識別精度不高。

【發(fā)明內(nèi)容】

[000引本發(fā)明針對目前冠字碼識別方法中沒有考慮到相似字符的影響而識別精度不能 有效地提高的不足，提供一種相似字符識別方法及及采用該相似字符識別方法進行的紙幣 冠字碼識別的方法。
[0009] 本發(fā)明的技術(shù)方案是:一種相似字符分辨方法，該方法將待分辨的相似字符圖像 尺寸歸一化形成標準二值字符，
[0010] 相似字符B與8的分辨方法包括：
[0011] 計算出待分辨的歸一化標準二值字符左邊黑豎線長度len;
[0012] 計算待分辨的歸一化標準二值字符左上頂點4個單位45°Ξ角區(qū)域與左下頂點4個 單位135° Ξ角區(qū)域的白點個數(shù)count;
[0013] 如果len小于21或count大于等于12則該待分辨字符為8,否則為B;
[0014] 相似字符0、0與Q的分辨方法包括：
[0015] 檢測待分辨的歸一化標準二值字符的第12行至18行，先求每行閉環(huán)內(nèi)白色像素的 起點與白素像素第一結(jié)束點作為長度lem，其中j = 12、13、…18為行號；
[0016] 計算 Subj = Len 廣 Lenj+i
[0017] 判斷，Subi的最大值是否大于等于3,若Subi的最大值是大于等于3,則待分辨的字 符是Q，否則為0或0;
[001引相似字符7，J與T的分辨方法包括：
[0019] 從左至右掃描待分辨的歸一化標準二值字符的第3行至第7行，當掃描到黑色像素 時，記下所在的列col，求col的最大值colmax，記錄col取最大值時所在的行rowj,當colmax大 于等于7時，再掃描從右至左掃描，當掃描到黑色像素時停止，并記白色像素的長度 lenw,當lenw小于等于4時，識別成7;
[0020] 當colmax小于等于7時，掃描待識別字符的特征矢量所有像素，記下黑色像素最多 的一列coll,再從14行到24行掃描待識別字符的特征矢量，記下有黑色像素的第一列coh， 當coli減coh大于等于4時，識別成J，否則為T;
[0021 ]相似字符2與Z的分辨方法包括W下步驟：
[0022] 從第10行至第1行掃描待分辨的歸一化標準二值字符，每行從左至右掃描前5列， 累加黑色像素，如果累加黑色像素值大于等于兩個點就停止；并記錄所在的行rowj，如果 r 0 W j大于等于6時，識別成2，否則識別成Z;
[0023] 相似字符6，E，G的識別方法包括W下步驟：
[0024] 掃描待分辨的歸一化標準二值字符的第5列至第10列，從每一列的中間開始從上 往下記錄和從下往上記錄，記錄遇到黑點之前白點的個數(shù)之和counti,如果counti的最大值 大于等于11則為G，否則為E或6。然后識別E與6,識別方法如下：掃描第16行至20行，每1行從 16列從右至左累加白點個數(shù)ACCi，如果遇到黑點則停止累加，求ACCi的最大值ACCmax，如果 ACCmax小于等于7則識別成6，否則為E;
[0025] 相似字符E與F的分辨方法
[0026] 統(tǒng)計待分辨的歸一化標準二值字符第21行到24行，第7列到16列矩形區(qū)域內(nèi)黑色 像素點的個數(shù)之和，如果大于等于4則識別成E，否則識別成F。
[0027] 本發(fā)明從相似字符的具體情況出發(fā)，分別加 W辨別，識別率提高。
[00%]本發(fā)明還提供了一種紙幣冠字碼識別方法，包括W下步驟：
[0029] 步驟A、獲取冠字碼中每個字符的圖像；
[0030] 步驟B、獲取每個字符的全像素特征矢量形成歸一化標準二值字符;本步驟中，對 每個字符進行二值化、濾波、尺寸歸一化處理，形成歸一化標準二值字符，然后形成全像素 特征矢量。運個步驟與目前冠字碼識別或者車牌識別等字符識別沒有多少區(qū)別。
[0031] 步驟C、利用BP神經(jīng)網(wǎng)絡進行識別獲得各個冠字碼字符；
[0032] 步驟D、按順序組成冠字碼；
[0033] 其特征在于：
[0034] 如果步驟C中獲得的冠字碼字符是B或者別寸還包括：
[0035] 步驟C11、計算出待分辨的歸一化標準二值字符左邊黑豎線長度len;
[0036] 步驟C12、計算待分辨的歸一化標準二值字符左上頂點4個單位45°Ξ角區(qū)域與左 下頂點4個單位135° Ξ角區(qū)域的白點個數(shù)count;
[0037] 步驟C13、如果len小于21或count大于等于12則該待分辨字符為8,否則為B;
[0038] 如果步驟C中獲得的冠字碼字符是0、0與即寸還包括：
[0039] 步驟C21、檢測待分辨的歸一化標準二值字符的第12行至18行，先求每行閉環(huán)內(nèi)白 色像素的起點與白素像素第一結(jié)束點作為長度lem，其中j = 12、13、…18為行號；
[0040] 步驟 C22、計算 Subj = Lenj-Lenj+i
[0041] 步驟C23、判斷，Subi的最大值是否大于等于3,若Subi的最大值是大于等于3,則待 分辨的字符是Q，否則為0或0;
[0042] 如果步驟C中獲得的冠字碼字符是7，J與T時還包括：
[0043] 步驟C31、從左至右掃描待分辨的歸一化標準二值字符的第3行至第7行，當掃描到 黑色像素時，記下所在的列col，求col的最大值colmax，記錄col取最大值時所在的行rowj, 當colmax大于等于7時，再掃描從右至左掃描rowj行，當掃描到黑色像素時停止，并記白色像 素的長度lenw，當lenw小于等于4時，識別成7;
[0044] 步驟C32、當colmax小于等于7時，掃描待識別字符的特征矢量所有像素，記下黑色 像素最多的一列coll,再從14行到24行掃描待識別字符的特征矢量，記下有黑色像素的第 一列coh，當coli減coh大于等于4時，識別成J，否則為T;
[0045] 如果步驟C中獲得的冠字碼字符是2與別寸還包括：
[0046] 步驟C41、從第10行至第1行掃描待分辨的歸一化標準二值字符，每行從左至右掃 描前5列，累加黑色像素，如果累加黑色像素值大于等于兩個點就停止；并記錄所在的行 rowj，如果rowj大于等于6時，識別成2，否則識別成Z;
[0047] 如果步驟C中獲得的冠字碼字符是6，E與即寸還包括：
[004引步驟巧1、掃描待分辨的歸一化標準二值字符的第5列至第10列，從每一列的中間 開始從上往下記錄和從下往上記錄，記錄遇到黑點之前白點的個數(shù)之和counti,如果counti 的最大值大于等于11則為G，否則為E或6。然后識別E與6,識別方法如下：掃描第16行至20 行，每1行從16列從右至左累加白點個數(shù)ACCi，如果遇到黑點則停止累加，求ACCi的最大值 ACCmax，如果ACCmax小于等于7則識別成6，否則為E ;
[0049] 如果步驟C中獲得的冠字碼字符是E與即寸還包括：
[0050] 步驟C61、統(tǒng)計待分辨的歸一化標準二值字符第21行到24行，第7列到16列矩形區(qū) 域內(nèi)黑色像素點的個數(shù)之和，如果大于等于4則識別成E，否則識別成F。
[0051] 本發(fā)明的紙幣冠字碼識別方法中加入了相似字符辨別的步驟，使冠識別精度提高 到到99.9%或W上。
[0052] 進一步的，上述的紙幣冠字碼識別方法中：所述的步驟A中包括：
[0053] 步驟A1、對紙幣進行邊緣檢測，找到CIS采集圖像的紙幣四邊邊緣與紙幣的四個頂 占 . '?、、，
[0054] 步驟A2、對紙幣進行傾斜校正預處理；
[0055] 步驟A3、識別紙幣的面向朝向；
[0056] 步驟A4、識別紙幣的面值；
[0057] 步驟A5、對冠字碼圖像進行精確定位與切割。
[005引進一步的，上述的紙幣冠字碼識別方法中：所述的步驟A1包括W下步驟：
[0059] 步驟A101、對待測紙幣進行圖像采集，得到包含背景的原始圖像f(x，y);
[0060] 步驟A102、根據(jù)原始圖像f(x，y)，獲取原始圖像f(x，y)中實際紙幣圖像的多個邊 緣點坐標；
[0061] 步驟A103、根據(jù)多個邊緣點坐標，利用最小二乘法擬合得到實際紙幣圖像的4條邊 緣直線方程；
[0062] 步驟A104、根據(jù)4條邊緣直線方程，邊緣直線方程兩兩直線相交，計算得出是個頂 點坐標。
[0063] 進一步的，上述的紙幣冠字碼識別方法中：所述的步驟A2中，將紙幣圖像拷f(x，y) 拷貝到W橫坐標為a縱坐標為b的一塊空間開辟的目標內(nèi)存空間中，包括W下步驟：
[0064] 步驟A201、根據(jù)紙幣上部與左部的直線方程，分別計算出從紙幣豎直傾斜偏移量 Ay與紙幣的水平傾斜偏移量Δχ; Ay值等于紙幣上部直線方程X坐標對應的y值減去紙幣 左上頂點坐標yO，Δχ是紙幣左部直線方程y坐標對應的X值減去紙幣左上頂點坐標xO;
[0065] 步驟A202、將要填充的圖像目的坐標的橫坐標a,縱坐標b加上紙幣左上頂點橫坐 標X0，坐標yo，再加上該點對應的紙幣水平傾斜偏移量Axb，豎直傾斜偏移量Aya，即xl = a+ xo+Axb，yl = b+y〇+Aya;把橫坐標xl，縱坐標y下原圖像像素取出來填到新的目的內(nèi)存里。
[0066] 進一步的，上述的紙幣冠字碼識別方法中：所述的步驟A3中，按第五套人民幣的特 點確定朝向，包括W下步驟：
[0067] 步驟A301、先在水印區(qū)域與紙幣左右對稱的另一區(qū)域進行取矩形塊累加像素累加 比較，確定了水印在左邊還是右邊;判斷紙幣的朝向；
[0068] 步驟A302、找到像素累加最大的那一邊，用上部的國徽區(qū)域圖像或多民族文字圖 像與紙幣上下對稱的另一區(qū)域取矩形塊累加像素進行比較，根據(jù)像素累加比大小，確定了 紙幣是正立或倒立。
[0069] 進一步的，上述的紙幣冠字碼識別方法中:所述的步驟A4中，包括W下步驟：
[0070] 步驟A401、紙幣數(shù)字特征區(qū)域圖像切割；
[0071 ] 步驟A402、特征區(qū)域圖像的二值化；
[0072] 步驟A403、對二值化后的圖像做豎直投影，得到投影曲線；
[0073] 步驟A404、選擇一個標準模板在投影曲線上滑動匹配，每滑動一個像素值，采用W 下公式計算投影曲線與模板的匹配相關(guān)值：
[0074]
[007引式中fp(i)為第i點紙幣特征區(qū)域二值化圖像投影曲線值，
[0076] 友為紙幣特征區(qū)域二值化圖像投影平均值，
[0077] ft(i)為第i點模板特征區(qū)域二值化圖像投影曲線值，
[0078] 芳紙幣模板特征區(qū)域二值化投影均值，
[0079] Sm是滑動到該像素時的匹配相關(guān)值；
[0080] 步驟A405、求取Sm的最大值，即為匹配相關(guān)值；
[0081] 步驟A406、判斷匹配相關(guān)值是否大于判定口限，若匹配相關(guān)值大于判定口限，則判 別為紙幣模板對應的面值，結(jié)束識別過程，否則選擇下一個模板，重復步驟D4、D5、D6。
[0082] 進一步的，上述的紙幣冠字碼識別方法中:所述的步驟A5中，包括W下步驟：
[0083] 步驟A501、根據(jù)紙幣的特點，確定冠字碼位置，切割的尺寸為280*50的冠字碼小 圖；
[0084] 步驟A502、對冠字碼小圖采用迭代法二值化，形成二值化的冠字碼小圖；
[0085] 步驟A503、對二值化的冠字碼小圖采用水平投影、豎直投影法，分別求的冠字碼小 圖內(nèi)的冠字碼字符起始Y1坐標與XI坐標；
[0086] 步驟A504、計算得到紙幣圖像內(nèi)冠子碼的精確坐標，并對冠字碼進行切割，獲得冠 字碼精確小圖尺寸大小為248*32。
[0087] 進一步的，上述的紙幣冠字碼識別方法中:所述的步驟B中包括W下步驟：
[0088] 步驟B1、對冠字碼圖像小圖進行二值化、濾波、單個字符分割、歸一化處理形成標 準字符等一系列預處理操作.
[0089] 步驟B2、對單個標準字符形成全像素特征矢量形成歸一化標準二值字符。
[0090] 進一步的，上述的紙幣冠字碼識別方法中:所述的步驟B1中包括W下步驟：
[0091] 步驟B101、采用迭代法對冠字碼精確小圖進行圖像二值化；
[0092] 步驟B102、采用9鄰域法對二值化冠字碼小圖進行濾波，去除孤立點像素；
[0093] 步驟B103、采用豎直投影法，對冠字碼小圖進行單個字符分割；
[0094] 步驟B104、對冠字碼字符進行尺寸歸一化標準處理，處理后的標準尺寸為16巧4。 [00M]本發(fā)明還公開了一種對第五套人民幣面值為100元紙幣的冠字識別方法，該方法 是上述紙幣冠字碼識別方法的具體應用，包括W下步驟：
[0096] 步驟1、獲取第五套人民幣面值為100元紙幣的冠字碼中每個字符的圖像；
[0097] 步驟2、獲取每個字符的圖像的歸一化標準二值字符形成全像素特征矢量；
[0098] 步驟3、將全像素特征矢量加入到BP神經(jīng)網(wǎng)絡進行識別獲得各個冠字碼字符；
[0099] 步驟4、按順序組成冠字碼；
[0100] 其中，在步驟3中，第一位字符圖像的全像素特征矢量調(diào)用字母識別BP神經(jīng)網(wǎng)絡識 另IJ，第五位到第十位字符圖像的全像素特征矢量調(diào)用數(shù)字識別BP神經(jīng)網(wǎng)絡網(wǎng)絡，第二到第 四字符圖像的全像素特征矢量先調(diào)用字母識別網(wǎng)絡，然后調(diào)用數(shù)字識別網(wǎng)絡，兩個結(jié)果取 最大的那個作為最終結(jié)果；
[0101] 其中，如果第一位中獲得的冠字碼字符中有J與T時，還包括：
[0102] 掃描待識別字符的歸一化標準二值字符所有像素，記下黑色像素最多的一列 coll,再從14行到24行掃描待識別字符的特征矢量，記下有黑色像素的第一列coh，當coll 減coh大于等于4時，識別成J，否則為T;
[0103] 如果第一位中獲得的冠字碼字符中有E與即寸，還包括：
[0104] 掃描待分辨的歸一化標準二值字符的第5列至第10列，從每一列的中間開始從上 往下記錄和從下往上記錄，記錄遇到黑點之前白點的個數(shù)之和counti,如果counti的最大值 大于等于11則為G，否則為E;
[0105] 如果第一位中獲得的冠字碼字符中有E與F時，還包括：
[0106] 統(tǒng)計待分辨的歸一化標準二值字符第21行到24行，第7列到16列矩形區(qū)域內(nèi)黑色 像素點的個數(shù)之和，如果大于等于4則識別成E，否則識別成F;
[0107] 如果第二至四位中獲得的冠字碼字符中有B或者別寸還包括：
[0108] 步驟311、計算出待分辨的歸一化標準二值字符左邊黑豎線長度len;
[0109] 步驟312、計算待分辨的歸一化標準二值字符左上頂點4個單位45°Ξ角區(qū)域與左 下頂點4個單位135° Ξ角區(qū)域的白點個數(shù)count;
[0110] 步驟313、如果len小于21或count大于等于12則該待分辨字符為8,否則為B;
[0111] 如果第二至四位中獲得的冠字碼字符中有〇、〇與即寸還包括：
[0112] 步驟321、檢測待分辨的歸一化標準二值字符的第12行至18行，先求每行閉環(huán)內(nèi)白 色像素的起點與白素像素第一結(jié)束點作為長度lew,其中j = 12、13、…18為行號；
[0113] 步驟322、計算 Subj = Lenj-Lenj+i
[0114] 步驟323、判斷，Subj的最大值是否大于等于3,若Subj的最大值是大于等于3,則待 分辨的字符是Q，否則為0或0;
[0115] 如果第二至四位中獲得的冠字碼字符中有7，J與T時還包括：
[0116] 步驟331、從左至右掃描待分辨的歸一化標準二值字符的第3行至第7行，當掃描到 黑色像素時，記下所在的列col，求col的最大值colmax，記錄col取最大值時所在的行rowj, 當colmax大于等于7時，再掃描從右至左掃描rowj行，當掃描到黑色像素時停止，并記白色像 素的長度lenw，當lenw小于等于4時，識別成7;
[0117] 步驟332、當colmax小于等于7時，掃描待識別字符的特征矢量所有像素，記下黑色 像素最多的一列coll,再從14行到24行掃描待識別字符的特征矢量，記下有黑色像素的第 一列coh，當coli減coh大于等于4時，識別成J，否則為T;
[011引如果第二至四位中獲得的冠字碼字符中有2與別寸還包括：
[0119] 步驟341、從第10行至第1行掃描待分辨的歸一化標準二值字符，每行從左至右掃 描前5列，累加黑色像素，如果累加黑色像素值大于等于兩個點就停止；并記錄所在的行 rowj，如果rowj大于等于6時，識別成2，否則識別成Z;
[0120] 如果第二至四位中獲得的冠字碼字符中有6，E與即寸還包括：
[0121] 步驟351、掃描待分辨的歸一化標準二值字符的第5列至第10列，從每一列的中間 開始從上往下記錄和從下往上記錄，記錄遇到黑點之前白點的個數(shù)之和counti,如果counti 的最大值大于等于11則為G，否則為E或6。然后識別E與6,識別方法如下：掃描第16行至20 行，每1行從16列從右至左累加白點個數(shù)ACCi，如果遇到黑點則停止累加，求ACCi的最大值 ACCmax，如果ACCmax小于等于7則識別成6，否則為E ;
[0122] 如果第二至四位中獲得的冠字碼字符中有E與即寸還包括：
[0123] 步驟361、統(tǒng)計待分辨的歸一化標準二值字符第21行到24行，第7列到16列矩形區(qū) 域內(nèi)黑色像素點的個數(shù)之和，如果大于等于4則識別成E，否則識別成F。
[0124] 進一步的，上述的對第五套人民幣面值為100元紙幣的冠字識別方法中：所述的步 驟1中包括：
[0125] 步驟101、對第五套人民幣面值為100元紙幣進行邊緣檢測，找到CIS采集圖像中紙 幣四邊邊緣與紙幣的四個頂點；
[01%]步驟102、對紙幣進行傾斜校正預處理；
[0127]步驟103、識別紙幣的面向朝向；
[01%]步驟104、對冠字碼圖像進行精確定位與切割。
[0129] W下將結(jié)合附圖和實施例，對本發(fā)明進行較為詳細的說明。
【附圖說明】
[0130] 圖1是本發(fā)明實施例1紙幣冠字碼識別方法總流程圖。
[0131] 圖2是本發(fā)明實施例1中面值識別流程圖。
[0132] 圖3是本發(fā)明實施例1中面值識別中光變油墨特征區(qū)域投影曲線圖。
[0133] 圖4是本發(fā)明實施例1中面值識別中光變油墨模板投影曲線圖。
[0134] 圖5是本發(fā)明實施例1對冠字碼進行一系列預處理流程圖。
[0135] 圖6是本發(fā)明實施例1中用BP神經(jīng)網(wǎng)絡進行識別主流程圖。
[0136] 圖7是本發(fā)明實施例中的經(jīng)過二值化、濾波后的冠字碼小圖。
[0137] 圖8是本發(fā)明實施例1歸一化標準處理W后的冠字碼單個字符圖。
【具體實施方式】
[0138] 下面結(jié)合實施例的附圖，對本發(fā)明實施例的技術(shù)方案進行詳細、完整的描述。本發(fā) 明的實施例是針對人民幣，其它外幣紙幣冠字碼識別如果應用到與本實施例類似的思想， 也屬于本發(fā)明的保護范圍。
[0139] 本實施例是公開的一種第五套人民幣100元紙幣的冠字碼的識別方法，目前，ATM 機等金融工具對識別100元紙幣的冠字碼的需要非常大，其它紙幣由于在ATM機等中使用不 多，因此，使用較少，因此，本實施例就是用100元紙幣的冠字碼識別為例進行說明，本實施 例的方法設及到相似字符辨別、冠字碼識別等。不失一般性。
[0140] 本實施例要解決的問題是冠字碼識別的性能優(yōu)化，如參考圖1所示，本發(fā)明實施例 1提供一種識別紙幣冠字碼的性能優(yōu)化方法，包括W下步驟:紙幣的邊緣檢測，紙幣傾斜校 正預處理，識別紙幣的面向、朝向，如果在使用過程中不能確定是100紙幣，則還需要識別紙 幣的面值，然后是冠字碼粗切割，冠字碼精確定位與切割，對冠字碼二值化等一系列預處 理，對單個字符形成特征矢量，最后形成歸一化標準二值字符，把特征矢量送入神經(jīng)網(wǎng)絡識 另IJ，對BP神經(jīng)網(wǎng)絡結(jié)果做進一步處理，進行相似字符辨別，字符綜合判斷等，最后輸出冠字 碼字符識別結(jié)果。本實施例在算法性能(速度和精度)優(yōu)化方面貫穿于發(fā)明技術(shù)方案之中， 下面W-張紙幣樣本作為實施例詳細表述各步驟。
[0141] -、紙幣的邊緣檢測找到CIS采集圖像的紙幣四邊邊緣與紙幣的四個頂點。
[0142] 找到CIS采集圖像的紙幣四邊邊緣與紙幣的四個頂點，
[0143] 對待測紙幣進行圖像采集，得到包含背景的原始圖像；
[0144] 根據(jù)原始圖像，獲取原始圖像中實際紙幣圖像的多個邊緣點坐標；
[0145] 根據(jù)多個邊緣點坐標，利用最小二乘法擬合得到實際紙幣圖像的4條邊緣直線方 程；
[0146] 根據(jù)4條邊緣直線方程，邊緣直線方程兩兩直線相交，計算得出是個頂點坐標。
[0147] 首先分別獲取到第五套人民幣面值為100元紙幣下稱紙幣）上下左右四邊40個 有限邊緣點(綠光反射圖像背景小于20,實際紙幣邊緣圖像灰度值一般大于150,相差很遠， 所w邊緣點很容易獲取到），利用獲取到的有限邊緣點采用最小二乘法分別擬合出紙幣的 上下左右四邊直線。上部、下部、左部、右部直線系數(shù)分別為kl =-0.013048780，bl = 116.93903, k2 = -0.012701322, b2 = 553.26105, k3 = 38.528156, b3 = -4612.6660, k4 = 36.034325，b4 = -48651.328,根據(jù)相鄰直線相交，求它們的二元一次方程，得出紙幣的左上 頂點（112,115)，左下頂點（134,551)，右上頂點（1352,99)，右下頂點（1365,535)。
[0148] 二、紙幣傾斜校正預處理。
[0149] 紙幣傾斜校正預處理，為后續(xù)取圖像塊做準備。根據(jù)紙幣上部與左部的直線方程， 分別計算出從紙幣傾斜偏移量Ay與紙幣的紙幣傾斜偏移量Δχ。Ay值等于紙幣上部直線 方程X坐標對應的y值減去紙幣左上頂點坐標yO,運樣就得到W(1231)個Ay即[yl，y2，y3… yw]，Δχ是紙幣左部直線方程y坐標對應的X值減去紙幣左上頂點坐標xO,得到H(437)個Δχ 良P[Xl，X2，X3…XH]。進行取圖像塊傾斜校正操作時，將要填充的圖像目的坐標(a，b)加上第 一步算得的紙幣左上頂點坐標(Χ0，yo)，再加上該點對應的紙幣傾斜偏移量(Axb，Aya)，即 X1 = a+xo+Axb，y 1 = b+yo+Aya。把坐標(X1，y 1)下原圖像像素取出來填到新的目的內(nèi)存(a， b)里，接著再取要傾斜校正的坐標(a+l，b)像素，按照W上公式，把計算出來新的(xl，yl)坐 標像素從原圖取出來，依次放入新的目的內(nèi)存(a+l，b)里，一直取完需要傾斜校正的圖像 塊，即完成了紙幣的傾斜校正與取塊。如目的坐標a = 120，b = 178，通過計算，坐標X1 = 246， yl = 292〇
[0150] Ξ、識別紙幣的面向、朝向。
[0151] (1)按第五套人民幣的特點，先水印區(qū)域與紙幣左右對稱的另一區(qū)域進行取矩形 塊累加像素累加比較，由于水印區(qū)域是空白區(qū)域，較亮，而另一區(qū)域有印刷圖案，亮度要低 于水印區(qū)域，根據(jù)像素累加比大小，確定了水印在左邊還是右邊，可W把紙幣的四種面向朝 向分為兩類。本實施例中紙幣左邊像素累加值為accl = 324875,右邊像素累加值為acc2 = 180147，accl〉acc2,水印在左邊，可W初步判別，紙幣正面正立或反面倒立；
[0152] (2)區(qū)分水印左右后，再用水印邊上部的國徽區(qū)域圖像或多民族文字圖像與紙幣 上下對稱的另一區(qū)域取矩形塊累加像素進行比較，根據(jù)像素累加比大小，確定了紙幣是正 立或倒立，運樣又可W把紙幣的四種面向朝向分為兩類。本實施例中水印邊紙幣上部像素 累加值為accl = 98069,下部像素累加值為acc2 = 236305，accl<acc2,說明國徽或多民族文 字圖案在上部，據(jù)此確定了紙幣為正立，再綜合(1)，識別出該紙幣面向朝向為正面正立。
[0153] 四、識別紙幣的面值。該步驟在運里沒有，如果有需要時可W按圖2所示進行。下面 將詳細描述：
[0154] (1)紙幣數(shù)字特征區(qū)域圖像切割。本實施例切割紙幣變色油墨圖案作為數(shù)字特征 區(qū)域；
[0155] (2)特征區(qū)域圖像的二值化。采用迭代法對變色油墨圖案進行二值化；
[0156] (3)對二值化后的圖像做豎直投影，得到投影曲線。本實施例中紙幣投影曲線如圖 3所示；
[0157] (4)選擇一個標準模板在投影曲線上滑動匹配，模板曲線如圖4所示。模板每滑動 一個像素值，采用W下公式計算投影曲線與模板的匹配相關(guān)值：
[015 引
[0159] 式中fp(i)為第i點紙幣區(qū)域二值化圖像投影曲線值，
[0160] 玄為紙幣特征區(qū)域二值化圖像投影平均值，
[0161] ft(i)為第i點模板特征區(qū)域二值化圖像投影曲線值，
[0162] 哀紙幣模板特征區(qū)域二值化投影均值，
[0163] Sm是滑動到該像素時的匹配相關(guān)值；
[0164] (5)求取Sm的最大值，即為匹配相關(guān)值，本實施例滑動40次，Sm有40個，該紙幣的Sm 數(shù)據(jù)如下：,8,16,23,29,32,32,27,19,9,0 12，27,43,61，78,94,95,86,70,52]，所 Wsm 的最大值為 95;
[0165] (6)判斷匹配相關(guān)值是否大于判定口限，若匹配相關(guān)值大于判定口限，則判別為紙 幣模板對應的面值，結(jié)束識別過程，否則選擇下一個模板，重復步驟(4)、（5)、（6)。本實施例 Sm數(shù)據(jù)是乘W100后取整的，Sm理論最大值為100,所W本發(fā)明判定口限取72,由于步驟(5)紙 幣Sm的最大值為95,大于設定口限，且用的是100模板曲線數(shù)據(jù)，所W本紙幣面值為100元。
[0166] 五、冠字碼的粗切割。
[0167] 根據(jù)步驟Ξ、四得到的紙幣面向朝向與面值的信息，對冠字碼進行初步切割，切割 的尺寸為280(W)巧0化），切割的起始坐標位置(Χο,Υο)必須保證冠字碼起始行與列在其中。 本實施例起始坐標為(25,304)。切割冠字碼小圖像旋轉(zhuǎn)角度采用的插值算法是最鄰近點算 法。
[016引六、冠字碼的精確定位與切割。
[0169] (1)對步驟五粗切割的冠字碼小圖采用迭代法二值化；
[0170] (2)對二值化的冠字碼小圖采用水平投影、豎直投影法，分別求的冠字碼小圖內(nèi)的 冠字碼字符起始Yi坐標與Xi坐標，本實施例紙幣坐標Yi = 23, Xi = 41;
[0171] (3)根據(jù)冠字碼小圖內(nèi)的冠字碼字符起始(Χι，Υι)與步驟五的冠字碼除切割起始坐 標(Χο，Υο)，據(jù)幾何關(guān)系，計算得到紙幣圖像內(nèi)冠子碼的精確坐標，X = Xo+Xi-8 = 58，Υ = Υ〇+ Υ廣3 = 324,并對冠字碼進行切割，尺寸大小為248(W)*32化）；
[0172] (4)切割冠字碼小圖像旋轉(zhuǎn)角度采用的插值算法是雙線性插值算法。
[0173] 屯、對冠字碼小圖二值化等一系列預處理。對每個字符進行二值化、濾波、尺寸歸 一化處理，然后形成全像素特征矢量。目前，在車牌識別和圖像字符識別領域，都需要將字 碼小圖進行尺寸歸一化處理，二值化后形成存儲空間大小標準的存儲空間，然后形成全像 素特征矢量。
[0174] 如圖5所示為對冠字碼小圖二值化等一系列處理的流程圖，下面將詳細描述：
[0175] (1)采用迭代法對冠字碼小圖進行圖像二值化；
[0176] (2)采用9鄰域法對字符進行濾波，去除孤立點像素，濾波后的小圖如圖7所示；
[0177] (3)采用豎直投影法，對冠字碼小圖進行單個字符分割；
[0178] (4)人民幣冠字碼字符尺寸05版中間大，兩頭小，而且由于電機的速度波動，采集 出來的圖像尺寸也有變化，需對冠字碼字符進行尺寸歸一化標準處理，本發(fā)明處理的尺寸 為16(W)*24化），運就是歸一化標準二值字符，圖8為歸一化標準處理后的圖案。
[0179] 八、對單個字符形成特征矢量。
[0180] 利用歸一化標準二值字符提取出單個標準字符的全像素特征，作為特征矢量作為 神經(jīng)網(wǎng)絡的輸入。
[0181] 九、將特征矢量送入BP神經(jīng)網(wǎng)絡進行識別。
[0182] 圖6為該步驟的流程圖，下面將詳細描述：
[0183] (1)BP神經(jīng)網(wǎng)絡分為Ξ層，輸入層、隱含層，輸出層；
[0184] (2)數(shù)字0~9訓練一個識別網(wǎng)絡，輸入層為24*16維，隱含層為32維，輸出層為4維；
[0185] (3)字母A~Z訓練一個識別網(wǎng)絡，輸入層為24*16維，隱含層為38維，輸出層為5維；
[0186] (4)根據(jù)人民幣冠字碼的規(guī)律，第一個字符是字母，第二到第四是字母數(shù)字混合， 且只有一個字母，第五到第十為數(shù)字，B巧巾經(jīng)網(wǎng)絡應用如下，第一個字符調(diào)用字母識別網(wǎng) 絡，第五到第十為字符調(diào)用數(shù)字識別網(wǎng)絡，第二到第四字符先調(diào)用字母識別網(wǎng)絡，然后調(diào)用 數(shù)字識別網(wǎng)絡，兩個結(jié)果取最大的那個作為最終結(jié)果。本紙幣實施例中，第二，Ξ，四的字母 網(wǎng)絡響應分別為:0.72213629對應字符Z，0.87488386對應字符S，0.60601647對應字符I，而 第二，Ξ，四的數(shù)字網(wǎng)絡響應分別為：0.90660005對應數(shù)字2,0.69432111對應數(shù)字9， 0.90255981對應數(shù)字4,經(jīng)過字母、數(shù)字網(wǎng)絡比大小，輸出2，S，4。最后神經(jīng)網(wǎng)絡輸出結(jié)果為 "U2S4701492"。
[0187] 十、對BP神經(jīng)網(wǎng)絡結(jié)果做進一步的處理。
[0188] 如果BP神經(jīng)網(wǎng)絡輸出的結(jié)果是B與8等相似字符，則要對運些歸一化的單個字符作 進一步的分類識別，運是對冠字碼識別精度提升起了比較關(guān)鍵的一步，具體為：
[0189] (1)如果8?神經(jīng)網(wǎng)絡輸出的結(jié)果是8與8,0與9,7、1與1'，2與2,6、6與6，(：與6,6與尸，0 與D字符時，調(diào)用相似字符識別算法。
[0190] 如B與8相似字符算法。根據(jù)兩個條件進行判別，一是字母B左邊有條黑豎線，計算 出黑豎線長度len，二是字母B左上頂點Ξ角區(qū)域與左下頂點Ξ角是黑像素，而8是弧形，是 白像素，計算左上頂點4個單位45° Ξ角區(qū)域與左下頂點4個單位135° Ξ角區(qū)域的白點個數(shù) count,如果len小于21或count大于等于12則識別為8,否則為B。
[0191] 如0、0與Q的相似字符識別算法。檢測第12行至18行，先求每行0、0，Q閉環(huán)內(nèi)白色像 素的起點與白素像素第一結(jié)束點作為長度lem,然后用前一行l(wèi)em減去lem+i，得到一個差 值Subi，然后求Subi的最大值，如果最大值大于等于3，說明下一行長度跟本行長度比有突 變，有突變的識別為Q，否則為0或0。
[0192] 如7，J與T的相似字符識別算法。首先識別出7，識別方法如下:從左至右掃描第3行 至第7行，當掃描到黑色像素時，記下所在的列col,求col的最大值colmax，記錄colmax的取最 大值時所在的行rowj,當colmax大于等于7時，再掃描從右至左掃描rowj行，當掃描到黑色像 素時停止，并記白色像素的長度lenw，當lenw小于等于4時，識別成7,否則為T或J。接下來識 另IJT與J:掃描字符第1列到第16列所有像素，，記下黑色像素最多的一列coll,再掃描字符第 1列到第16列(行數(shù)從14行到24行），記下有黑色像素的第一列coh，當coll減coh大于等于4 時，識別成J，否則為T。
[0193] 如2與Z的相似字符識別算法。從第10行掃描至第1行，每行從左至右掃描前5列，累 加黑色像素，如果累加黑色像素值大于等于兩個點就停止，并記錄所在的行rowj，如果rowj 大于等于即寸，識別成2,否則識別成Z。
[0194] 如6，E，G相似字符識別算法。首先識別出G，識別方法如下:掃描第5列至第10列，從 每一列的中間開始從上往下記錄與從下往上記錄，記錄遇到黑點之前白點的個數(shù)之和 counti，如果counti的最大值大于等于11則為G，否則為E或6。然后識別E與6，識別方法如下： 掃描第16行至20行，每1行從16列從右至左累加白點個數(shù)ACCi，如果遇到黑點則停止累加， 求ACCi的最大值ACCmax，如果ACCmax小于等于7則識別成6,否則為E。
[0195] 如E與F相似字符識別算法。統(tǒng)計第21行到24行，第7列到16列矩形區(qū)域內(nèi)黑色像素 點的個數(shù)之和，如果大于等于4則識別成E，否則識別成F。
[0196] 如0、0與D相似字符識別算法。掃描第2列至第4列，黑色某列黑色像素點數(shù)大于等 于22時為D，或者字符四個單位左上頂點45°Ξ角區(qū)域，四個單位左下頂點135°Ξ角區(qū)域，其 像素點數(shù)的白點數(shù)之和小于等于3則為D，其余情況為0或0。
[0197] (2)根據(jù)冠字碼有且只有兩個字母，當?shù)?,3,4位識別結(jié)果為0與0，1與I時，調(diào)用綜 合判別算法識別成0或〇，1或I。例如步驟九神經(jīng)網(wǎng)絡第2,3,4位輸出結(jié)果為409,根據(jù)冠字碼 有兩個字母，中間0最后判別層0,所W最后識別為409,如果有兩或W上0、0及其組合時，取 第一個識別為0,其它識別為〇，1與I的判別也類似。
[0198] (3)最后給出冠字碼識別結(jié)果。
[0199] 本發(fā)明的冠字碼識別性能優(yōu)化之處，體現(xiàn)在算法的速度與精度，克服了算法速度 慢，識別精度低的算法性能問題，本發(fā)明從開始到結(jié)束，設計的算法速度與精度都經(jīng)過優(yōu) 化，比如步驟Ξ，算法只取了四塊圖像進行灰度比較就完成了面向、朝向的識別，速度快。步 驟四，采用數(shù)字特征區(qū)域滑動投影匹配算法，第一不需要處理整張圖像，只處理數(shù)字特征區(qū) 域，第二，采用滑動投影匹配算法，二維圖像數(shù)據(jù)轉(zhuǎn)變成一維曲線數(shù)據(jù)，算法時間大大縮短。 步驟五，根據(jù)步驟Ξ、四識別好的面向、朝向、面值信息，就可W冠字碼進行粗切割，旋轉(zhuǎn)校 正取圖像塊的算法采用最近鄰點法插值算法，時間縮短了不少。步驟六，精確切割冠字碼時 采用雙線性插值算法，使得圖像沒有銀齒現(xiàn)象，保證了冠字碼小圖的精度。步驟九，根據(jù)26 個字母與10個數(shù)字的特點，本發(fā)明只構(gòu)建了兩個識別網(wǎng)絡，而沒有構(gòu)建數(shù)字、字符混合識別 網(wǎng)絡，實踐證明，運對冠字碼識別精度是有提升的。步驟十，對相似字符進行再次確認與分 類識別，并對識別結(jié)果做綜合判別，運對算法精度的提升是大有禪益。最終本發(fā)明在DSP 400MHz頻率的處理器平臺下，冠字碼識別算法總時間約為30ms，識別率達到99.9%，在冠字 碼性能優(yōu)化方面取得了較理想的成果。
【主權(quán)項】
1. 一種相似字符分辨方法，該方法將待分辨的相似字符的圖像歸一化后形成歸一化標 準二值字符，所述的相似字符包括B與8,0與Q，7、J與T，2與Z，6、G與E，C與G，E與F，0與D;其特 征在于： 相似字符B與8的分辨方法包括： 計算出待分辨的歸一化標準二值字符左邊黑豎線長度Ien; 計算待分辨的歸一化標準二值字符左上頂點4個單位45°=角區(qū)域與左下頂點4個單位 135° S角區(qū)域的白點個數(shù)count; 如果Ien小于21或count大于等于12則該待分辨字符為8,否則為B; 相似字符〇、〇與Q的分辨方法包括： 檢測待分辨的歸一化標準二值字符的第12行至18行，先求每行閉環(huán)內(nèi)白色像素的起點 與白素像素第一結(jié)束點作為長度lem，其中j = 12、13、…18為行號； 計算 Subj = LenrLenj+! 判斷，Subi的最大值是否大于等于3,若Subi的最大值是大于等于3,則待分辨的字符是 〇，否則為〇或〇; 相似字符7，J與T的分辨方法包括： 從左至右掃描待分辨的歸一化標準二值字符的第3行至第7行，當掃描到黑色像素時， 記下所在的列col，求col的最大值colmax，記錄col取最大值時所在的行rowj ,當colmax大于 等于7時，再掃描從右至左掃描rowd于，當掃描到黑色像素時停止，并記白色像素的長度 Ienw,當Ienw小于等于4時，識別成7; 當COlmax小于等于7時，按列掃描待識別字符所有像素，記下黑色像素最多的一列coll, 再從14行到24行按列掃描待識別字符，記下有黑色像素的第一列coh，當coll減COh大于等 于4時，識別成J，否則為T; 相似字符2與Z的分辨方法包括W下步驟： 從第10行至第1行掃描待分辨的歸一化標準二值字符，每行從左至右掃描前5列，累加 黑色像素，如果累加黑色像素值大于等于兩個點就停止;并記錄所在的行rowj，如果rowj大 于等于即寸，識別成2，否則識別成Z; 相似字符6，E，G的識別方法包括W下步驟： 掃描待分辨的歸一化標準二值字符的第5列至第10列，從每一列的中間開始從上往下 記錄和從下往上記錄，記錄遇到黑點之前白點的個數(shù)之和counti，如果COimti的最大值大于 等于11則為G，否則為E或6。然后識別E與6,識別方法如下巧描第16行至20行，每1行從16列 從右至左累加白點個數(shù)ACCi，如果遇到黑點則停止累加，求ACCi的最大值ACCmax，如果ACCmax 小于等于7則識別成6,否則為E; 相似字符E與F的分辨方法 統(tǒng)計待分辨的歸一化標準二值字符第21行到24行，第7列到16列矩形區(qū)域內(nèi)黑色像素 點的個數(shù)之和，如果大于等于4則識別成E，否則識別成F。2. -種紙幣冠字碼識別方法，包括W下步驟： 步驟A、獲取冠字碼中每個字符的圖像； 步驟B、獲取每個字符的歸一化標準二值字符并形成全像素特征矢量； 步驟C、全像素特征矢量加入到BP神經(jīng)網(wǎng)絡進行識別獲得各個冠字碼字符； 步驟D、按順序組成冠字碼； 其特征在于： 如果步驟C中獲得的冠字碼字符是B或者洲寸還包括： 步驟C11、計算出待分辨的歸一化標準二值字符左邊黑豎線長度Ien; 步驟C12、計算待分辨的歸一化標準二值字符左上頂點4個單位45°=角區(qū)域與左下頂 點4個單位135° S角區(qū)域的白點個數(shù)count; 步驟C13、如果Ien小于21或count大于等于12則該待分辨字符為8,否則為B; 如果步驟C中獲得的冠字碼字符是0、0與即寸還包括： 步驟C21、檢測待分辨的歸一化標準二值字符的第12行至18行，先求每行閉環(huán)內(nèi)白色像 素的起點與白素像素第一結(jié)束點作為長度lem，其中j = 12、13、…18為行號； 步驟C22、計算如bj = Lenj-Lenj+i 步驟C23、判斷，Subi的最大值是否大于等于3,若Subi的最大值是大于等于3,則待分辨 的字符是Q，否則為0或0; 如果步驟C中獲得的冠字碼字符是7，J與T時還包括： 步驟C31、從左至右掃描待分辨的歸一化標準二值字符的第3行至第7行，當掃描到黑色 像素時，記下所在的列col，求col的最大值CO Imax,記錄col取最大值時所在的行rowj ,當 COlmax大于等于7時，再掃描從右至左掃描，當掃描到黑色像素時停止，并記白色像素 的長度Ienw,當Ienw小于等于4時，識別成7; 步驟C32、當COlmax小于等于7時，掃描待識別字符的特征矢量所有像素，記下黑色像素 最多的一列coll,再從14行到24行掃描待識別字符的特征矢量，記下有黑色像素的第一列 coh，當COli減coh大于等于4時，識別成J，否則為T; 如果步驟C中獲得的冠字碼字符是2與別寸還包括： 步驟C41、從第10行至第1行掃描待分辨的歸一化標準二值字符，每行從左至右掃描前5 列，累加黑色像素，如果累加黑色像素值大于等于兩個點就停止;并記錄所在的行rowj，如 果row j大于等于6時，識別成2，否則識別成Z; 如果步驟C中獲得的冠字碼字符是6，E與即寸還包括： 步驟巧1、掃描待分辨的歸一化標準二值字符的第5列至第10列，從每一列的中間開始 從上往下記錄和從下往上記錄，記錄遇到黑點之前白點的個數(shù)之和COimti，如果COimti的最 大值大于等于11則為G，否則為E或6。然后識別E與6,識別方法如下:掃描第16行至20行，每1 行從16列從右至左累加白點個數(shù)ACCi,如果遇到黑點則停止累加，求ACCi的最大值ACCmax,如 果ACCmax小于等于7則識別成6，否則為E; 如果步驟C中獲得的冠字碼字符是E與即寸還包括： 步驟C61、統(tǒng)計待分辨的歸一化標準二值字符第21行到24行，第7列到16列矩形區(qū)域內(nèi) 黑色像素點的個數(shù)之和，如果大于等于4則識別成E，否則識別成F。3.根據(jù)權(quán)利要求2所述的紙幣冠字碼識別方法，其特征在于:所述的步驟A中包括： 步驟AU對紙幣進行邊緣檢測，找到CIS采集圖像的紙幣四邊邊緣與紙幣的四個頂點； 步驟A2、對紙幣進行傾斜校正預處理； 步驟A3、識別紙幣的面向朝向； 步驟A4、識別紙幣的面值； 步驟A5、對冠字碼圖像進行精確定位與切割。4. 根據(jù)權(quán)利要求3所述的紙幣冠字碼識別方法，其特征在于:所述的步驟Al包括W下步 驟： 步驟A101、對待測紙幣進行圖像采集，得到包含背景的原始圖像f(x，y); 步驟A102、根據(jù)原始圖像f(x，y)，獲取原始圖像f(x，y)中實際紙幣圖像的多個邊緣點 坐標； 步驟A103、根據(jù)多個邊緣點坐標，利用最小二乘法擬合得到實際紙幣圖像的4條邊緣直 線方程； 步驟A104、根據(jù)4條邊緣直線方程，邊緣直線方程兩兩直線相交，計算得出是個頂點坐 標。5. 根據(jù)權(quán)利要求4所述的紙幣冠字碼識別方法，其特征在于:所述的步驟A2中，將紙幣 圖像f(x，y)拷貝到W橫坐標為a縱坐標為b的一塊空間開辟的目標內(nèi)存空間中，包括W下步 驟： 步驟A201、根據(jù)紙幣上部與左部的直線方程，分別計算出從紙幣豎直傾斜偏移量Ay與 紙幣的水平傾斜偏移量Ax; Ay值等于紙幣上部直線方程X坐標對應的y值減去紙幣左上頂 點坐標yO，Ax是紙幣左部直線方程y坐標對應的X值減去紙幣左上頂點坐標xO; 步驟A202、將要填充的圖像目的坐標的橫坐標a,縱坐標b加上紙幣左上頂點橫坐標XO, 坐標yo，再加上該點對應的紙幣橫向傾斜偏移量Aa，縱向傾斜偏移量Aya，即X1 = a+xo+A xb，yl = b+y〇+Aya;把橫坐標xl，縱坐標y下原圖像像素取出來填到新的目的內(nèi)存里。6. 根據(jù)權(quán)利要求5所述的紙幣冠字碼識別方法，其特征在于:所述的步驟A3中，按第五 套人民幣的特點確定朝向，包括W下步驟： 步驟A301、先在水印區(qū)域與紙幣左右對稱的另一區(qū)域進行取矩形塊累加像素累加比 較，確定了水印在左邊還是右邊;判斷紙幣的朝向； 步驟A302、找到像素累加最大的那一邊，用上部的國徽區(qū)域圖像或多民族文字圖像與 紙幣上下對稱的另一區(qū)域取矩形塊累加像素進行比較，根據(jù)像素累加比大小，確定了紙幣 是正立或倒立。7. 根據(jù)權(quán)利要求6所述的紙幣冠字碼識別方法，其特征在于:所述的步驟A4中，包括W 下步驟： 步驟A401、紙幣數(shù)字特征區(qū)域圖像切割； 步驟A402、特征區(qū)域圖像的二值化； 步驟A403、對二值化后的圖像做豎直投影，得到投影曲線； 步驟A404、選擇一個標準模板在投影曲線上滑動匹配，每滑動一個像素值，采用W下公 式計算投影曲線與模板的匹配相關(guān)值：式中fp(i)為第i點紙幣特征區(qū)域二值化圖像投影曲線值， 方為紙幣特征區(qū)域二值化圖像投影平均值， ft(i)為第i點模板特征區(qū)域二值化圖像投影曲線值， I紙幣模板特征區(qū)域二值化投影均值， Sm是滑動到該像素時的匹配相關(guān)值； 步驟A405、求取Sm的最大值，即為匹配相關(guān)值； 步驟A406、判斷匹配相關(guān)值是否大于判定口限，若匹配相關(guān)值大于判定口限，則判別為 紙幣模板對應的面值，結(jié)束識別過程，否則選擇下一個模板，重復步驟D4、D5、D6。8. 根據(jù)權(quán)利要求7所述的紙幣冠字碼識別方法，其特征在于:所述的步驟A5中，包括W 下步驟： 步驟A501、根據(jù)紙幣的特點，確定冠字碼位置，切割的尺寸為280*50的冠字碼小圖； 步驟A502、對冠字碼小圖采用迭代法二值化，形成二值化的冠字碼小圖； 步驟A503、對二值化的冠字碼小圖采用水平投影、豎直投影法，分別求的冠字碼小圖內(nèi) 的冠字碼字符起始Yl坐標與Xl坐標； 步驟A504、計算得到紙幣圖像內(nèi)冠子碼的精確坐標，并對冠字碼進行切割，獲得冠字碼 精確小圖尺寸大小為248*32。9. 根據(jù)權(quán)利要求8所述的紙幣冠字碼識別方法，其特征在于:所述的步驟B中包括W下 步驟： 步驟B1、對冠字碼圖像小圖進行二值化、濾波、單個字符分割、歸一化處理形成標準字 符等一系列預處理操作； 步驟B2、對單個標準字符形成全像素特征矢量形成歸一化標準二值字符。10. 根據(jù)權(quán)利要求9所述的紙幣冠字碼識別方法，其特征在于:所述的步驟Bl中包括W 下步驟： 步驟B101、采用迭代法對冠字碼精確小圖進行圖像二值化； 步驟B102、采用9鄰域法對冠字碼小圖進行濾波，去除孤立點像素； 步驟B103、采用豎直投影法，對冠字碼小圖進行單個字符分割； 步驟B104、對冠字碼字符進行尺寸歸一化標準處理，處理后的標準尺寸為16巧4。11. 一種對第五套人民幣面值為100元紙幣的冠字識別方法，包括W下步驟： 步驟1、獲取第五套人民幣面值為100元紙幣的冠字碼中每個字符的圖像； 步驟2、獲取每個字符的歸一化標準二值字符，并形成全像素特征矢量； 步驟3、將全像素特征矢量加入到BP神經(jīng)網(wǎng)絡進行識別獲得各個冠字碼字符； 步驟4、按順序組成冠字碼； 其特征在于： 在步驟3中，第一位字符圖像的全像素特征矢量調(diào)用字母識別BP神經(jīng)網(wǎng)絡識別，第五位 到第十位字符圖像的全像素特征矢量調(diào)用數(shù)字識別BP神經(jīng)網(wǎng)絡網(wǎng)絡，第二到第四字符圖像 的全像素特征矢量先調(diào)用字母識別網(wǎng)絡，然后調(diào)用數(shù)字識別網(wǎng)絡，兩個結(jié)果取最大的那個 作為最終結(jié)果； 其中，如果第一位中獲得的冠字碼字符中有J與T時，還包括： 掃描待識別字符的歸一化標準二值字符，記下黑色像素最多的一列coll,再從14行到24 行掃描待識別字符的歸一化標準二值字符，記下有黑色像素的第一列Coh，當COli減COh大 于等于4時，識別成J，否則為T; 如果第一位中獲得的冠字碼字符中有E與即寸，還包括： 掃描待分辨的歸一化標準二值字符的第5列至第10列，從每一列的中間開始從上往下 記錄和從下往上記錄，記錄遇到黑點之前白點的個數(shù)之和COimti，如果COimti的最大值大于 等于11則為G，否則為E; 如果第一位中獲得的冠字碼字符中有E與即寸，還包括： 統(tǒng)計待分辨的歸一化標準二值字符第21行到24行，第7列到16列矩形區(qū)域內(nèi)黑色像素 點的個數(shù)之和，如果大于等于4則識別成E，否則識別成F; 如果第二至四位中獲得的冠字碼字符中有B或者洲寸還包括： 步驟311、計算出待分辨的歸一化標準二值字符左邊黑豎線長度Ien; 步驟312、計算待分辨的歸一化標準二值字符左上頂點4個單位45°=角區(qū)域與左下頂 點4個單位135° S角區(qū)域的白點個數(shù)count; 步驟313、如果Ien小于21或count大于等于12則該待分辨字符為8,否則為B; 如果第二至四位中獲得的冠字碼字符中有〇、〇與即寸還包括： 步驟321、檢測待分辨的歸一化標準二值字符的第12行至18行，先求每行閉環(huán)內(nèi)白色像 素的起點與白素像素第一結(jié)束點作為長度lem，其中j = 12、13、…18為行號； 步驟322、計算如bj = Lenj-Lenj+i 步驟323、判斷，Subi的最大值是否大于等于3,若Subi的最大值是大于等于3,則待分辨 的字符是Q，否則為0或0; 如果第二至四位中獲得的冠字碼字符中有7，J與T時還包括： 步驟331、從左至右掃描待分辨的歸一化標準二值字符的第3行至第7行，當掃描到黑色 像素時，記下所在的列col，求col的最大值CO Imax,記錄col取最大值時所在的行rowj ,當 COlmax大于等于7時，再掃描從右至左掃描，當掃描到黑色像素時停止，并記白色像素 的長度Ienw,當Ienw小于等于4時，識別成7; 步驟332、當COlmax小于等于7時，掃描待識別字符的特征矢量所有像素，記下黑色像素 最多的一列coll,再從14行到24行掃描待識別字符的特征矢量，記下有黑色像素的第一列 coh，當COli減coh大于等于4時，識別成J，否則為T; 如果第二至四位中獲得的冠字碼字符中有2與別寸還包括： 步驟341、從第10行至第1行掃描待分辨的歸一化標準二值字符，每行從左至右掃描前5 列，累加黑色像素，如果累加黑色像素值大于等于兩個點就停止;并記錄所在的行rowj，如 果row j大于等于6時，識別成2，否則識別成Z; 如果第二至四位中獲得的冠字碼字符中有6，E與即寸還包括： 步驟351、掃描待分辨的歸一化標準二值字符的第5列至第10列，從每一列的中間開始 從上往下記錄和從下往上記錄，記錄遇到黑點之前白點的個數(shù)之和COimti，如果COimti的最 大值大于等于11則為G，否則為E或6。然后識別E與6,識別方法如下:掃描第16行至20行，每1 行從16列從右至左累加白點個數(shù)ACCi,如果遇到黑點則停止累加，求ACCi的最大值ACCmax,如 果ACCmax小于等于7則識別成6，否則為E; 如果第二至四位中獲得的冠字碼字符中有E與即寸還包括： 步驟361、統(tǒng)計待分辨的歸一化標準二值字符第21行到24行，第7列到16列矩形區(qū)域內(nèi) 黑色像素點的個數(shù)之和，如果大于等于4則識別成E，否則識別成F。12.根據(jù)權(quán)利要求11所述的對第五套人民幣面值為100元紙幣的冠字識別方法，其特征 在于:所述的步驟I中包括： 步驟101、對第五套人民幣面值為100元紙幣進行邊緣檢測，找到CIS采集圖像中紙幣四 邊邊緣與紙幣的四個頂點； 步驟102、對紙幣進行傾斜校正預處理； 步驟103、識別紙幣的面向朝向； 步驟104、對冠字碼圖像進行精確定位與切割。
【文檔編號】G07D7/20GK105989659SQ201610238114
【公開日】2016年10月5日
【申請日】2016年4月15日
【發(fā)明人】夏愛華, 郭禮虎
【申請人】新達通科技股份有限公司