（光学工程专业论文）纸币序列号识别系统的算法研究.pdf

00s 守! 钾叫 ， ，。， 独创性声明 n ll lll l li i ii iii iiiiil y 1713 5 8 8 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 签名：乏盏：重 日期：2 驴年厂月7 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后应遵守此规定) 签名：丝望导师签名：丝仁2 兰 日期：2 尸年f 月r 71 9 口i 摘要 摘要 金融系统现代化是保障经济繁荣、维护社会和谐的重要条件。本文以纸币清 分机研究为基础，提出了一套基于径向函数神经网络的序列号识别系统。 本系统采用c i s ( c o n t a c ti m a g es e n s o r ) 采集原始的人民币图像数据，经a d 转 换后传送给d s p ( d i g i t a ls i g n a lp r o c 2 s s e r ) ，完成大部分预处理工作，得到序列号 区域图像，再传入p c ，在软件实验平台上完成序列号识别。 本文的研究重点，分为图像预处理和字符识别算法两部分，主要包括：噪声 抑制、二值化、边缘检测、畸变校正、序列号提取、字符分割以及模式分类方法。 针对纸币序列号识别的各个流程，本文详细阐述了常用的算法及思想，并结合人 民币图像和序列号字符集特点，提出了相应的方法。 本文采用基于径向基函数神经网络的模式分类方法进行字符识别，在2 3 0 个 训练样本集的实验中已经达到9 5 的识别率，超过了文献 1 所用的b p 神经网络 方法的识别率，同时具有较小的神经网络节点数目。在后续的工作中将对径向基 函数的训练方法进行进一步优化，可以期望取得更高的识别率，并且保持较小的 隐藏层节点数。与常规的序列号识别方法相比，本文对以下几个环节进行了优化： ( 1 ) 使用随机h o u g h 变换代替常用的直线拟合，检测纸币边缘； ( 2 ) 将旋转变换和切向变换合并为一次仿射变换，完成图像几何畸变校正； ( 3 ) 研究了一种基于行程编码的方法提取纸币的序列号区域； ( 4 ) 采用连通区域分析进行字符分割，为满足系统实时需求，对算法进行并行 优化； ( 5 ) 采用了一种二维投影直方图和欧拉数相结合的特征提取方法； ( 6 ) 使用径向基函数神经网络作为模式分类方法，并提出了针对纸币序列号识 别的网络模型。 据我们所知，将行程编码方法、连通区域分析并行算法、特征提取和基于径 向基函数神经网络的模式分类方法用于纸币序列号识别，在国内未见报道。 本文所研究的字符识别技术，在车辆、枪械、坦克等重要设备、武器的生产、 维修与管理中，都有广阔的应用前景。 关键词：纸币清分，图像处理，字符识别，特征提取，模式分类 a b s t r a c t a b s t r a c t m o d e r n i z a t i o no ft h ef i n a n c i a ls y s t e mi sam i l e s t o n ei np r o t e c t i n gt h ee c o n o m i c p r o s p e r i t y , a n dm a i n t a i n i n gs o c i a lh a r m o n y i nt h i sa r t i c l e ，ar a d i a lb a s i sf u n c t i o n n e t w o r k sb a s e ds e r i a ln u m b e rr e c o g n i t i o nf o rr m b i si n t r o d u c e d ，d u r i n gt h er e s e a r c h e s o fc u r r e n c ys o r t e r r m b i m a g ed a t ai sa c q u i r e dt h r o u g hc i s ( c o n t a c ti m a g es e n s o r ) ，c o n v e r t e di n t o d i g i t a li m a g e sb ya dc o n v e r t e r , a n dt h e nt r a n s f e r e dt ot h ed s p ( d i g i t a ls i g n a l p m c e s s e r ) o nd s pc h i p ，t h ei m a g ec o n t a i n i n gs e r i a ln u m b e r si se x t r a c t e df r o mt h e r m bi m a g e , a f t e rm o s tp r e p r o c e s s i n gs t e p sa n dt h e nt r a n s f e r r e dt o p c ，o nw h i c h r e c o g n i t i o ni sa c c o m p l i s h e d f o c u so ft h i sa r t i c l ei sd i v i d e di n t oi m a g ep r e p r o c e s s i n ga n dc h a r a c t e rr e c o g n i t i o n ， i n c l u d i n g ：n o i s er e d u c t i o n ，i m a g eb i n a r i z a t i o n , e d g ed e t e c t i o n ，d i s t o r t i o nc o r r e c t i o na n d s e r i a ln u m b e re x t r a c t i o n ，c h a r a c t e rs e g m e n t a t i o n ，a sw e l la sp a t t e r n r e c o g n i t i o n a st ot h ei n d i v i d u a ls t e p so f c u r r e n c ys e r i a ln u m b e rr e c o g n i t i o n ，c o m m o n l yu s e d a l g o r i t h m sa n di d e a s a r ed e s c r i b e di nd e t a i l a n d c o r r e s p o n d i n gm e t h o d sa r e i n t r o d u c e di nt h i sa r t i c l ea c c o r d i n gt ot h ec h a r a c t e r i s t i c so fr m b i m a g e sa n dt h e c h a r a c t e rs e to fs e r i a ln u m b e r s t h er a d i a lb a s i sf u n c t i o nn e t w o r kb a s e dp a t t e r nr e c o g n i t i o nm e t h o di s a d o p t e d ， w h i c hg e n e r a t e s9 5 r e c o g n i t i o nr a t e s ，e x c e e d i n gt h ec o u n t e r p o i n t sg e n e r a t e db y t h e r e p o r t e db pn e t w o r kl ，a sw e l la sw i t hm u c hf e w e rh i d d e nn o d e s i nt h ef o l l o w u p w o r k , h i g h e rr e c o g n i t i o nr a t e sa r ea c h i e v a b l et h r o u g hf u r t h e ro p t i m i z a t i o n so ft r a i n i n g m e t h o d s ，w h i l es t i l lm a i n t a i n i n gs m a l la m o u n t so fn e t w o r kn o d e s c o m p a r e dw i t h c o m m o n l yu s e dm e t h o d so ft h ec u r r e n c ys e r i a ln u m b e rr e c o g n i t i o n ，f o l l o w i n gs t e p s a r eo p t i m i z e d ： ( 1 ) r a n d o m i z e dh o u g ht r a n s f o r m a t i o ni si n t r o d u c e di ni n s t e a do fc o m m o n l yu s e d l i n e a rf i r i n gm e t h o d ，d e t e c t i n gr m bb o u n d a r i e s ( 2 ) a na f f i n et r a n s f o r m a t i o nm e t h o di si n t r o d u c e di nc o m b i n a t i o no fi n d i v i d u a l r o t a t i o na n dt a n g e n tt r a n s f o r m a t i o n s i i e x t r a c tt h es e r i a ln u m b e r s i nc h a r a c t e rs e g m e n t a t i o n t h e p a r a l l e lo p t i m i z a t i o n a l g o r i t h m sa r ea l s ou s e d 一 ( 5 ) a m i x e df e a t u r ee x t r a c t i o nm e t h o di s p r o p o s e d i nc o m b i n a t i o no ft h e t w o - d i m e n s i o n a lp r o j e c t i o nh i s t o g r a ma n dt h ee u l e rn u m b e r ( 6 ) t h er a d i a lb a s i sf u n c t i o nn e t w o r k sa r ea d o p t e da st h ep a t t e r nr e c o g n i t i o nm e t h o d a n dan e t w o r km o d e li sp r o p o s e df o rr m bs e r i a ln u m b e rr e c o g n i t i o n t h ea d o p t e dm e t h o d s ，s u c ha st h er u n - l e n g t he n c o d i n gm e t h o d ，p a r a l l e l o p t i m i z e d c o n n e c t e dc o m p o n e n ta n a l y s i sm e t h o da n dt h er a d i a lb a s i sf u n e t i 0 1 1n e t w o r kb a s e d p a t t e r nr e c o g n i t i o nm e t h o d ，a sw ek n o w ，h a v e n tb e e nr e p o r t e di n t h e d o m e s t i c l i t e r a t u r e so nt h ea p p l i c a t i o no fp a p e rc u r r e n c yr e c o g n i t i o n t h er e p o r t e dc h a r a c t e rr e c o g n i t i o nt e c h n o l o g yc o u l db ew i d e l yu s e di n t h e m a n u f a c t u r e ，m a i n t a i n a n c z sa n dm a n a g e m e n to fi m p o r te q u i p m e n t sa n dw e a p o n s ， s u c ha sm o t o rv e h i c l e s ，g u n s ，t a n k sa n ds oo n k e y w o r d s ：c u r r e n c ys o r t e r , i m a g ep r o c e s s i n g , s e r i a ln u m b e rr e c o g n i t i o n ，f e a t u r e e x t r a c t i o n ，p a t t e r nr e c o 嘶t i o n i i i 目录 目录 第1 章绪论。1 1 1 课题来源和研究意义1 1 1 国内外研究现状1 1 2本文的主要内容3 第2 章硬件系统方案 6 2 1 硬件平台框图及工作流程6 2 2 主要模块功能简介。6 2 3 本章小结7 第3 章图像预处理。 3 1 图像二值化8 3 1 1 灰度直方图8 3 1 2 全局阈值分割9 3 1 3 局部阈值分割一1 0 3 2 图像平滑与噪声抑制1 1 3 2 1 噪声抑制1 1 3 2 2 高斯滤波1 2 3 2 3 中值滤波1 3 3 3 纸币边缘检测1 3 3 3 1h o u g h 变换1 4 3 3 2 随机h o u g h 变换1 5 3 4 畸变校正。1 6 3 4 1 图像旋转变换1 7 3 4 2 图像切向变换。1 7 3 4 3 本文所用方法1 7 3 5 字符分割。1 8 3 5 1 行程编码18 3 5 2 序列号区域提取1 9 3 5 3 字符提取方法2 0 i v 目录 2 3 2 5 2 6 4 1 特征分类2 6 4 2 几何特征2 6 4 2 1 矩向量2 6 4 3 结构化特征。2 9 4 3 1f o u r i e r 描述算子3 2 4 4 几种常见的特征提取方法。3 4 4 4 1 区域特征3 4 4 4 2 边界点特征3 5 4 5 本文使用的特征提取方法3 6 4 5 1 二维投影直方图一3 6 4 5 2 欧拉数3 7 4 6 本章小结3 8 第5 章模式分类方法3 9 5 1 常见模式分类方法3 9 5 2 人工神经网络4 0 5 2 1 神经元模型4 0 5 2 2 网络结构及分类4 1 5 3 径向基函数神经网络4 3 5 4 基于径向基函数网络的字符识别方法4 4 5 4 1 网络模型设计4 4 5 4 2 隐藏层权值的确定4 5 5 4 3 输出层权值的确定4 6 5 5 本章小结4 7 第6 章实验结果与分析 6 1 硬件平台实验4 8 6 1 1 图像采集4 8 6 1 2 二值化4 9 6 1 3 边缘提取4 9 6 1 4 畸变校正5 0 6 1 5 序列号区域提取及字符分割5 1 v 目录 6 2 软件平台实验一5 1 6 2 1 字符分割5 3 6 2 2 字符归一化5 3 6 2 3 径向函数训练及字符识别结果5 4 第7 章总结与展望。 7 1 全文工作总结5 7 7 2 后续工作展望5 9 致谢 参考文献 攻硕期间取得的研究成果。 v i 6 0 第1 章绪论 1 1 研究意义 第1 章绪论 本课题来源于实际的应用：纸币清分机。本文的主要工作是其中一项重要的 功能模块：序列号识别系统的算法研究与开发。在以下几个方面都具有重要意义。 ( 1 ) 现代金融设备是保障经济繁荣的重要基础 在金融活动日益昌盛的现代社会，货币的发行和流通量空前巨大。靠人工进 行货币清算、回收以及再流通的传统方式已经远远不能满足社会的发展需求。因 此，在金融系统中使用现代金融设备也就成为大势所趋。目前外国产品在该领域 占据了市场的主要份额于是开发专注于人民币模型且成本低廉的纸币清分机成 为推动我国金融系统现代化进程的一大焦点。 ( 2 ) 纸币序列号的识别是高端金融设备的关键技术 作为纸币的重要标识之一，序列号识别不仅在货币管理方面一直起着重要的 辅助作用，并且由于它不受面值、真伪等因素的影响，也可以用来对特定号码序 列纸币进行甄别，为金融机构对特定货币进行特殊处理提供条件。对于近年频发 的银行a t m 机吐出特定序列号的假币现象，如果能将纸币序列号自动识别与a t m 及验钞机相结合，将在很大程度上杜绝上述情况的发生，同时也可以为银行与储 户之间的责任纠纷提供明确的科学根据。 ( 3 ) 纸币序列号准确识别是高端金融设备国产化的重要前提 国外机器视觉系统在纸币清分领域的应用早己进入成熟期，正为全世界的金 融活动发挥着重要作用。虽然我国在这方面的相关产品，拥有成本和专注力方面 的优势，但在纸币序列号识别的识别率，图像处理实时性等产品性能方面尚无法 与国外品牌相匹敌。因此，在已有的能够满足常规使用的图像处理算法基础上不 断的研发，开发出效率和效果都不逊色于国外同类产品的纸币清分机，也是我们 打造国产品质，迈向世界的迫切需求。 1 1国内外研究现状 目前，国外在纸币识别技术上己经较为成熟，单从纸币的识别率而言，对于 1 电子科技大学硕士学位论文 向的识别率己经接近1 0 0 9 6 ，现己经处于实际应用阶段。目前国外纸币清 要产商有德国的捷佳得、日本的光荣、东芝、英国的德利来等公司，德 佳得、东芝等公司主要以生产大型清分机为主，而中小型清分机则以光 尔为代表。这些公司由于研发时间己经较长，其技术经验的积累比较丰 其产品在市场上占有很高的份额。 表1 国外两款清分机产品性能比较 生产厂商型号功能速度适用范围 德国捷佳得 b p s i o1 自由点算6 0 0 张 人民币、欧元、 2 清分功能 m i n美元、港币 3 防伪功能 日本东芝 f s 8 0 01 券别检测、合格6 0 0 张多达2 1 种类型 度检测、形状厚 m i n的纸币 度检测 2 荧光漂白 3 荧光油墨，红外， 磁性油墨、金属 线、水印防伪 与国外相比，国内在研究开发纸币清分机方面则相对落后，然而进入世纪以 来，我国金融机具制造行业在国内著名大专院校的协作下，使清分机有了国产品 牌，这标志着我国民族工业在金融机具高端产品研发生产上有了长足的进步。黑 龙江、北京、湖南、广东等地的机具行业从年代末开始就投入了大量的人力、物 力和财力，通过厂校合作、自主研发、引进消化吸收及合资合作，先后推出了多 个品牌的国产清分机。由于掌握了人民币整点挑剔的关键技术，国产清分机的产 品技术日臻成熟，产品的可靠性、适用性已得到了用户长时间实际使用的验证。 其中，哈尔滨彼绍特科技开发有限公司与哈工大合作研发成功的“松花江 牌型 纸币清分机从年初开始批量投放市场，至今已在国内个城市近家银行推广应用， 并得到用户的认可，打破了进口产品一统天下的局面。实践证明，国产纸币清分 机的技术水平已达到或超过了国外同类产品，且以其智能化、大屏幕中文显示界 面、操作简单、体积小、效率高、清分质量好、适合国情等特点和价格优势，国 产纸币清分机所占市场份额越来越大脚。 2 第1 章绪论 表2 国产两款清分机产品性能比较 生产厂商型号功能速度适用范围 清华同方 c s - i o o c n 1 自由、批量点算5 0 0 张第四套、第五套 2 面额、缺损、方 m i n 人民币 位清分功能 3 伪钞识别功能 哈尔滨松花江 c f 2 0 0 01 自由、批量点算6 4 0 张第四套、第五套 2 面额、方位新旧m i n 人民币 清分功能 当然，相对于国外知名品牌，国产清分机在功能和识别速度方面还存在 较大的距离，尤其在大型清分机上面，目前国内还未有金融机具企业涉足。纸币 清分机实现清分的核心技术基础就是实时纸币图像识别，然而，由于国内应用图 像处理技术还不够成熟，一些复杂算法，如神经网络算法、模糊模式识别算法等 在实现上还有一定难度，使得国产纸币清分机挑残能力弱，在纸币新旧程度和面 向、方位分类中存在着一致性差的不足口1 。 1 2 本文的主要内容 一台完整的纸币清分机具有很多功能，如点算、真伪鉴别、面额清分、朝向 检验、新旧清分等。本文专注于纸币序列号识别功能的研究，包括纸币图像采集， 图像预处理以及字符识别三个主要部分。 序列号识别系统流程如图卜1 所示。本系统采用c i s ( c o n t a c ti m a g es e n s o r ) 采集原始的人民币图像数据，经a d 转换后传送给d s p ( d i g i t a ls i g n a l p r o c e s s e r ) ，完成大部分预处理工作，得到序列号区域图像，再传入p c ，在软件 实验平台上完成序列号识别。 3 电子科技大学硕士学位论文 图1 - 1 纸币序列号识别系统流程图 本文共分为七章，各章内容如下： 第一章介绍了本课题研究工作的背景与意义、纸币清分机的国内外研究现状 以及相关技术的简介，最后介绍了本文主要的研究内容及各章节内容安排。 第二章提出了纸币清分机硬件平台总体设计方案。首先阐明了系统工作流程， 然后分别介绍了两个主要模块的功能。 第三章详细介绍了除特征提取之外的图像预处理方法，包括字符识别应用中 常见的各类方法以及本文所提出并采用的方法。 第四章详细介绍了字符识别应用中常见的几类特征提取算法，以及本文在系 统实验中所采用的特征提取方法。 4 第1 章 第五章介绍了常用的模式分类方法， 于径向基函数神经网络的方法。 第六章是实验结果及分析。包括硬件 结果。 第七章是总结与展望。对本文工作进 和研究方向。 电子科技大学硕士学位论文 第2 章硬件系统方案 纸币序列号识别系统的硬件平台，主要完成图像采集和基本的预处理工作。 本文采用了f p g a + d s p 架构的系统方案，以d s p 为中央处理器，通过d s p 实现对 纸币图像的处理功能，而f p g a 作为系统的逻辑控制器，主要负责图像的采集和 整个系统的逻辑控制。本章主要介绍了系统硬件平台的总体方案设计，工作流程 以及相关的功能模块。 2 1 硬件平台框图及工作流程 图2 - 1 硬件平台原理图 如图2 - 1 所示是整个图像采集处理系统的原理框图。工作流程如下：在p c b 通电后，系统复位并初始化，f p g a 产生的驱动脉冲驱动c i s 图像传感器工作，纸 币在外部走纸机构的配合下，由c i s 采集图像，采集到的模拟纸币图像信号经过 a d 转换器之后产生的数字信号由f p g a 采集，采集到的数字图像信号在f p g a 内部 经过缓存排序之后，通过d s p 的h p i 接口送入d s p 。在d s p 内部，根据图像处理 算法在数字信号处理器中运行速度的要求对一幅图像信号在d s p 的外接存储器 s d r a m 缓存后，在d s p 内部对其进行相关的图像处理，处理完一张纸币的图像信 号后，根据处理结果，另外的控制机构将其自动清分。根据需求，还可以将结果 通过d s p 的串口传给p c ，作进一步的分析。 2 2 主要模块功能简介 6 第2 章系统硬件平台 系统主要模块包括c i s 图像传感器、a d 转换器、f g p a 、数字信号处理器、存 储器等。只有各部分协调工作才能使系统发挥最佳的功能。下面简要介绍下各模 块的功能。 ( 1 ) c i s 图像传感器 接触式图像传感器( c i s ，c o n t a c ti m a g es e n s o r ) ，是采集纸币图像的装置。 纸币通过另外的机械装置，由传动机构将其送到c i s 图像传感器。c i s 对图像实 行动态采集，以类似扫描仪的方式产生纸币图像信号。本文采用的是黑白线性c i s 传感器。 ( 2 ) a d 转换器 a d 转换器用于将c i s 输出的模拟信号转变为数字信号，以便进行数字图像处 理。本系统选用的a d 芯片为a n a l o g 公司的a d 9 8 2 2 。它最高可以达到1 4 位， 转换速率可达1 5m s p s 。 ( 3 ) f p g a f p g a 是f i e l dp r o g r a m m a b l eg a t ea r r a y ( 现场可编程门阵列) 的缩写，主 要起到全局逻辑控制作用和对数据的缓存拼接的作用。f p g a 编程灵活，主要给 c i s 提供驱动信号，给a d 提供工作时钟，配置a d 的工作模式。另外，对采集到 的数字信号缓存，将多路信号按顺序拼接好，然后传送给d s p 。 ( 4 ) 数字信号处理器 数字信号处理器( d s p ，d i g i t a ls i g n a lp r o c e s s e r ) ，是本系统硬件平台的核 心部件，主要负责纸币数字图像的相关处理，以及将处理结果通过串口传给p c 机。 ( 5 ) 存储器 本系统的存储器由f p g a 外接的f l a s h 以及d s p 外接的s d r a m 和f l a s h 组成。 f p g a 的f l a s h 存储f p g a 的程序。d s p 的s d r a m 存储在图像处理过程中的数据， f l a s h 存储存储d s p 的程序，并完成自动加载。 2 3 本章小结 本章给出了纸币清分机图像采集处理系统的硬件平台总体框图及工作流程， 最后简单介绍了系统各主要模块的功能 7 电子科技大学硕士学位论文 第3 章图像预处理 预处理是机器视觉实际应用当中不可或缺的一个环节。通常是对待处理图 像进行噪声抑制，信号增强，目标提取等前期工作。本文针对纸币序列号识别系 统的处理流程，详细介绍了除特征提取以外的预处理方法。 3 1 图像二值化 在各种图像处理和机器视觉的应用领域，二值化都是一个必要程序。因为一 幅图像通常都包含了大量的信息，其中既有需要处理的对象( 目标) ，也有大量 无关的信息( 背景) ，在预处理阶段通常使用一种叫做阈值分割的方法，根据目 标和背景的灰度值，与一个特定灰度值( 阈值) 相比较，从而将两者分割开来。 根据不同的阂值选取方法，又可以分为全局闽值分割和局部阈值分割。 3 1 1 灰度直方图 灰度直方图( 下面简称直方图) 是对图像灰度分布情况的一种统计，对于灰 度图i 其定义如式( 3 一1 ) 所示。 五( 肌) = ，c ) i j ( v ) = m l l ( 3 一1 ) 其中，m 为所有可能的灰度值，r ，c 为图像当中像素点的坐标。 在直方图当中，其横坐标表示图像中的每一个灰度值，对于灰度图像，其范 围是0 - - 2 5 5 。而纵坐标，对应于该灰度值的像素个数。通常情况下，根据不同的 精度需要，还可以把相临的多个灰度值合并进行统计，其在图形上呈柱状，故称 直方图。 由于直方图直接反映了图像的灰度分布情况，对于一个给定的直方图，通过 对直方图的峰谷进行检测，可以方便的进行阈值分割。对于最简单的情况，当直 方图当中的亮像素与暗像素分隔较远时，我们称之为“双模”直方图，这时两个 模态分别对应于亮和暗的像素。当两个模态分布有部分重叠时，如图3 - 2 所示， 阈值也可以很容易的在波谷处取得。但是，当亮和暗像素的重叠程序变大时，波 谷变得越发不明显，如图3 - 3 所示，阈值的选取也越加困难。 8 第3 章图像预处理 图3 - 2 双模态直方图图3 3 模态重叠直方图 3 1 2 全局阈值分割 所谓全局阈值分割，就是对整个图像采用同一个阈值进行分割的方法。对于 直方图为双模态的图像，目标和背景的直方图模态分隔明显，全局阈值可以很容 易的在波谷处取得。在众多方法当中，0 t s u 方法n 1 是被公认为效果最好，效率最 高的全局阈值分割方法墨6 1 。该方法通过寻找分类后的最小类内方差，来确定最优 的阈值。具体原理如下。 在纸币序图像当中，序列号通常是在亮背景下的暗元素。假设图像的灰度等 级范围为g = o ，1 ，l 一1 ) ，则像素可以分为两类：c o = o ，1 ，f 和 q = + 1 ，t + 2 ，l - 1 ) 。类内方差，类间方差和总方差，分别用靠，和露表 示。那么，通过求得使以下三式取最大值的阈值即为最优阈值。 名= 堕，刁：垂，r ：乓(32)2 a ；o ；o 以7 7 为例，最优阈值可由式( 3 - 3 ) 所得。 t t = a r gm a x ( 7 7 ) = m ( 7 7 ) f 【，0 - i 其中，式( 3 - 2 ) 中变量由以式( 3 - 4 ) 到( 3 - 5 ) 确定。 9 ( 3 - 3 ) 电子科技大学硕士学位论文 r e = 吩n ，= 只，q = 国一 ( 3 4 ) i 1 0 所=窆e,，肛-ee,i=oi = 0 ，凡= 等，以= 等伊5 ， 所= ，肛 ，凡= 导，以= 等芋 ( 3 5 ) b1 朋 l - ! 露= ( f 一所) 2 只，以= q ( 肛一心) 2 ( 3 6 ) ，皇。 这里，吩为直方图中的第甩个元素，即：灰度值为f 的像素个数；n = ，工柚- i 吩 是图像的像素总数：而只= 吩n 则是灰度为f 的像素的出现概率。 对于给定的阂值f ，概率和q 分别表示前景和背景类所占的面积比。r 的 最大值刁，可以用来衡量两类像素的可分性，或者是直方图的双模性。并且，r 取值在 0 ，1 ；当图像只有一个灰度等级时，就取得下限，而当图像恰好只有两 个灰度等级时，取上限。 3 1 3 局部阈值分割 上述全局阈值分割方法在图像背景简单，即直方图呈现很好的双模态的情况 下，具有很好的效果。但是，有由于实际的纸币图像，由于磨损等原因，我们需 要提取的字符图像很能灰度分布不均匀的情况，并且其周围的背景部分灰度值分 布不均匀，这种情况下采用全局阈值分割就很难得到理想的二值图像了。为解决 这类问题，t r i e re ta 1 等人进行了一系列的深入研究晦一1 。下面介绍一种由 b e r n s e n 提出的局部阈值分割方法。该方法计算出每个像素邻域内的最大和最小 灰度值，并将其中值作为该像素的阈值进行分割。其原理如式( 3 7 ) 。 g ( x ，y ) = ( ，蝴“x ，y ) + ，m 墨y ) ) 2 ( 3 - 7 ) 川= 训卜裂 伊8 ， 1 0 第3 章图像预处理 其中，f 嗽( x ，y ) 和f 商x ，少) 表示以当前像素为中心的邻域内的最大和最小灰 度值。 为避免可能出现的误分割情况，可在分割时引入局部方差信息，如下式( 3 - 9 ) 所示。 c ( x ，y ) = f m x ( 工，y ) - f 。缸五力 ( 3 - 9 ) 如加一燃鬈麓霹 其中，c 和厂可以利用o t s u 方法对c 瓴y ) 和g ( 而y ) 求得。 这种局部阈值分割方法对于变化缓慢的非均匀背景非常有效，但是当背景边 缘处的灰度值变化很快时，其边缘也可能会被误认为前景点，从而对后续识别阶 段造成干扰。 3 2 图像平滑与噪声抑制 3 2 1 噪声抑制 噪声是一种无规则的扰动。由于c i s 图像传感器本身存在着噪声源，在纸 币图像的采集过程中，就加载到图像上，其主要噪声来源有：热噪声、1 f 噪声、 散粒噪声、量化噪声等。此外，纸币在流通过程中，不可避免的受到一些污染， 这些污染和c i s 图像传感器的随机噪声影响字符的识别结果，所以，在字符识 别前要对纸币图像进行噪声抑制处理，它是后续字符准确提取与识别的基础。 在图像处理中，对噪声的抑制，通常都是由平滑操作来实现的。从信号处理 的角度来讲，所谓平滑，就是使用低通滤波器对图像做卷积，所以图像平滑也称 之为滤波。这是因为噪声本身，也可以视为一种高频信号，而对噪声的抑制过程 就是对图像当中这部分高频信号进行滤波的过程。如果图像的其它一些高频信号 ( 通常是图像的一些细节部分，如边缘信息) 对我们的图像处理也是有用的信息， 那么我们就必须在去除噪声和保留图像信息之间做一个折中。如果要更多的保留 】 是对图像当中的每 从而 3 2 2 高斯滤波 高斯滤波器，是一种常见的非线性滤波器。其频谱特征为钟形曲线( 在三维 空间中，则是一个曲面) ，如图3 - 5 所示。对于图像当中的每一个像素点， 以其坐标为中心的二维曲面对应了当前邻域内所有点的加权值。越靠近中心点， 权值最大，并且周围像素点的权值相对于当前点呈对称分布。 对于k k 邻域的高斯滤波器，其加权系数由下式( 3 1 1 ) 确定。 1j 2 如y ) 2 赢e x p ( 一寺) ( 3 - 1 1 ) 其中，d ：也；j 石乏i 了了，是邻域内像素点f z ，y 】与中心像素点 髓，弦 之 间的距离。 1 0 1 1 3 1 图3 5 高斯滤波器频谱图 1 2 1 0 叫 皿 0 帕 c 口 n a n 3 2 3 中值滤波 前面提到，通常进行噪 而中值滤波器的一个优点， 特征。 中值滤波器的原理很简单， 度值的中值代替。所以该滤波器的参数只有一个，就是滤波器模板的宽度，也就 是邻域大小。如果希望滤波过后的灰度值为邻域内背景像素点的灰度值，那么滤 波器模板所覆盖的背景像素点个数，必须要大于噪声点个数。因此，对于宽度为 w 的噪声特征，滤波器的大小至少应该选取为k = 2 w + l 。 对于孤立噪声点，由于其灰度值与其邻域内其像素点灰度值差别很大，因此 在经过中值滤波后，抑制效果非常好。而对于边缘的不连续点，由于滤波过后的 灰度值是由已经存在于滤波前邻域内某像素点的灰度值代替，而非一个经过加权 计算出来的新值( 如其它滤波器得到的结果) ，所以可以很好的保留边缘特征。 但是由于其实现过程必然涉及对邻域内各像素点灰度值的排序运算，所以相比于 其它滤波器，中值滤波器的耗时会较大。另外，中值滤波器对抑制孤立噪声点的 效果很好，但是如果要对图像纹理，或者是密集区域的噪声抑制，其效果却不如 其它滤波器好。它在保留边缘特征方面的优势，恰好成为此处的劣势。 3 3 纸币边缘检测 纸币的边缘信息，常常被用来计算纸币的倾角，以及对序列号进行定位。并 且，由于通常的图像旋转都是基于边缘的倾角来实现的，因此，边缘的精度对图 像旋转的效果影响很大。目前常见的边缘提取方式，是通过对纸币图像的边缘点 进行直线拟合的方式来确定的盯叫。 由于阂值分割得到二值图像不可避免的会包含很多“伪边缘点 ，而这些“伪边 缘点黟会对似合结果造成影响，因此得到的边缘精度并不高。但出于效率方面的 考虑，精度通常被视为可忽略因素。但是如果纸币在采集过程中，出现折角、缺 角等情况，会出现大量的“伪边缘点，这时似合的误差将很难被忽略。因此， 在直线( 圆) 检测领域通常采用h o u g h 变换代替直线( 圆) 拟合。考虑到效率方 面的问题，本文采用一种随机h o u g h 变换的方法来对提取到的边缘点进行直线检 测。 】3 电子科技大学硕士学位论文 3 3 1h o u g h 变换 h o u g h 变换是一种在曲线检测和运动检测领域极用常见的算法。一言以蔽之， 它就是一种从图像之间向参数空间的映射n 2 1 翻。一般来说，标准的h o u g h 变换分 为以下三个步骤： ( 1 ) 得n - - 值图像边缘点 ( 2 ) 将边缘点映射到参数空间，映射方法由待检测的曲线函数决定 ( 3 ) 在参数空间中进行投票，寻找局部最大值作为所需的曲线参数 以直线检测为例，假设直线方程由法向参数表达式( 3 1 2 ) 决定，则其相关 参数如图3 - 6 所示。 x e o s o + y s i n o = p( 3 - 1 2 ) 其中，p 为坐标原点到直线的距离，即直线到原点的法向量的长度。9 为该 法向量到x 轴的角度，且以逆时针为正方向。 如果乡取值在 0 ，万) 之间，则一条直线的法向参数( 乡，p ) 就是唯一的。即x y 平 面的一条直线，对应于口一p 平面内的一个点。于是直线的求解问题就转变为求 解参数空间的一个点。 从理论上讲，参数表达式确定的曲线求解问题，都可以转变为参数空间的点 求解问题。因此，在曲线检测领域，h o u g h 变换有着极为广泛的应用。 但是，由于标准的h o u g h 变换需要对所有边缘点进行映射，并且要在参数空 间进行遍历，所以效率问题成为其一大瓶颈。迄今为止，有大量的研究集中在如 何针对这两点进行改进，而主要可以分为两个方向：随机化方法和非随机方法。 其中，随机h o u g h 变换由于其在效率方面的优势应用得更广。 y 。 图3 - 6 直线的法向参数 1 4 第3 章图像预处理 3 3 2 随机h o u g h 变换 随机化方法是h o u g h 变换研究领域的大方向，针对不同的情况，有各种具 体算法相继提出，如随机h o u g h 变换( r a n d o m i z e dh o u g ht r a n s f o r m