[发明专利]一种基于图像的直方图匹配的人民币纸币面额识别方法

说明书

技术领域

本发明涉及金融领域，尤其涉及一种基于图像的直方图匹配的人民币纸币面额识别纸币面额识别方法。

背景技术

随着经济的繁荣发展，纸币的流通量越来越大，而国内许多银行使用的多光谱点钞机、清分机、ATM机的核心技术都是来自国外，不仅价格昂贵且存在危及金融安全的隐患。

多光谱点钞机、清分机、ATM要的核心技术基础是实时的纸币图像处理和识别。在国内，多光谱点钞机所采用的图像面额识别技术，多采用人工特征局部，由于难以避免图像偏移及所取鉴伪特征有限的问题，其稳定性和识别能力都难以达到要求。

由于纸币是别的主要技术难点在于：识别速度要求高、图像特征难以提取，在提高识别能力的同时，还必须保证算法对纸币图像的鲁棒性。因此研究出稳定性好、识别效率高、可进行全局识别的人民币纸币识别方法是很有必要的。

发明内容

本发明提供了一种基于图像的直方图匹配的人民币纸币面额识别方法，其根据不同面额纸币图像的三色直方图的匹配，通过特征向量的度量来识别纸币的面额，以此保证了纸币面额识别速度高的同时提高了图像对噪声的鲁棒性。

本发明提供的基于图像的直方图匹配的人民币纸币面额方法，其技术方案如下：

这种基于图像的直方图匹配的人民币纸币面额方法，通过多光谱点钞机的高速扫描，获得包含每种同样面额纸币图像的共N张图像训练样本，通过对每张训练样本进行中值滤波，以降低在图像获得过程中来自扫描装置的噪声，然后，对获取的每张图片的红、绿、蓝三色分量提取其直方图，将同样的面额的纸币图像直方图取均值作为训练得到的标准模板；最后，将待识别面额的纸币的样本与标准模板进行匹配，识别出待识别纸币样本的真正面额；具体步骤如下：

一、获取每一种训练样本面额纸币的相关图像数据

S11获取多张该种训练样本面额纸币的图像训练样本的二维矩阵；

S12对每张训练样本所述图像训练样本进行滤波；

S13提取每张训练样本所述图像训练样本的红、绿、蓝三色分量的直方图向量，包括红色分量第一直方图向量H_r，绿色分量第一直方图向量H_g，以及蓝色分量第一直方图向量H_b；

S14分别获取所述N张训练样本图像中每种颜色分量的直方图的平均值作为该种面额纸币的标准模板，包括红色分量标准模板T(H_r)，绿色分量标准模板T(H_g)，以及蓝色分量标准模板T(H_b),其中；

二、进行待识别面额纸币图像数据处理

S21获取所述待识别面额纸币的待识别图像的二维矩阵；

S22对所述待识别面额纸币图像进行滤波；

S23提取所述待识别图像的红绿蓝三色分量的直方图，包括红色分量第二方图向量h_r，绿色分量第二直方图向量h_g，以及蓝色分量第二直方图向量h_b；

三、确认所述待识别面额纸币的真正面额

分别获取所述第二直方图与每一种所述面额纸币模板之间的距离(distance)：

并将获取的所述第二直方图距离与每一种面额训练样本纸币模板之间的距离进行比对，距离所述第二直方图最小的面额纸币模板对应的面额即判定为所述待识别纸币的面额。

应用于纸币面额识别，这里说的纸币面额包括：100元，50元，20元，10元，5元，以及1元。

优选地，在步骤S11和步骤S21中，使用多光谱点钞机中的高速扫描装置分别获取图像训练样本的二维矩阵和待识别图像的二维矩阵。

优选地，在步骤S12和步骤S22中，分别对图像训练样本和待识别图像进行中值滤波。

优选地，在步骤S12和步骤S22中，分别采用3×3窗口对图像训练样本和待识别图像进行中值滤波。

优选地，在步骤S24中，具体包括：

根据所述第二直方图与所述面额纸币模板的最小距离值对应的整数值判定与之对应的所述待识别纸币的面额。

本发明提供的用于识别人民币纸币面额的直方图匹配方法，至少能带来以下有益效果：