纸币序列号提取与识别方法研究
纸币号码图像预处理及识别技术
纸币号码图像预处理及识别技术赵楠楠;窦艳芳【摘要】In order not to remove the background of banknote number image,and improve the efficiency and accuracy of recognition,the recognition technology of banknote image is researched. By using the image en-hancement,image gray-scale morphological smoothing denoising,binarization and positioning of identifying ares,methods image preprocessing is carried out. On the basis of experimental analysis,by using the template matching algorithm and the characteristics of the structure identification algorithm,the banknote recognition is realized. The experimental results show that the method for India and RMB number recognition rate and rec-ognition time can meet the requirements of actual use,which is a comprehensive recognition algorithm for ac-tual needs.%在不去除纸币号码图像背景的前提下，为了进一步提高纸币号码图像识别的工作效率和准确度，本文对纸币号码图像的识别技术做了相应研究。
基于支撑矢量机的纸币序列号识别
域或 网格 ， 在各个小区域内分别抽取统计特征 ， 主要 包括 ： 局部笔画方 向特征、 细胞特征 、 方向线素特征 、 经过本文算法 的处理 ， 字符图像 中的字符 已经 处于字符图像的中心 ， 故不需进行位置归一化 ， 而本 文也不提取字符的笔画特征 ， 也不需进行笔画粗细 归一化。考虑到分割字符的尺寸不一 ， 本文将字符 的尺寸规 一化到 ４ ２ ， 中高度 为 ４ ， ８ ４其 ８ 宽度 为
作者简介 ： 艾朝霞 （９９ ， ， １７ 一）女 陕西米脂人 ， 师 ， 讲 研究方 向： 信号与信息处理。Ｅ— ａ ：ｉ ａｘ １３ ６ ．ｏ ｍ ｉ ａｈｏｉ ２＠１３ｃｉ ｌ ｚ ａ ｎ
・
３ ・ ８
榆 林
学 院、学 报
２ １ 年 第４期 （ ０１ 总第 ９ ６期 ）
使之成为同一尺 寸大小 的字符 ， 即为 大小 归一化。 它是通过归一化图像中的像素对应在原图像中的点
１字 符 图像预 处理
征的基础上去除多余 的点， 以利于字符特征的提取 。
１ ３大 小归一 化 １ 对 于 不 同大小 的 字符 做 变 换 ，
字符 图像预处理是为了去 除噪声 ， 加强有用的
收稿 １期 ：０ １ ０ ０ ３ ２ １ — ４— ８ 基金项 目： 榆林学院青年科技基金项 目（ １ Ｋ １ １Ｙ ２ ）
征 、 变矩 特 征 、 ｅ ｋ 、 穿 透 数 目特 征 、 不 Ｚｍｉｅ矩 笔 全
局笔划方向特征 、 背景特征等。变换 特征即对字符 图像进行各种变换 ， 利用变换系数作为特征 ， 常用 的
变换 有 Ｆｕｉｒ变 换 、 Ｃ ｏｒ ｅ Ｄ Ｔ变 换 、 ｌ Ｗａ ｈ变 换 、 —Ｌ ｓ Ｋ
２ ４。
Ｇ ｂｒ ａｏ 特征 、 四角 特征 等 。
人民币序号的CIS图像采集与处理的开题报告
人民币序号的CIS图像采集与处理的开题报告【背景介绍】CIS（Contact Image Sensor）是一种近年来广泛应用于图像采集设备中的传感器类型，其工作原理是将荧光片、透镜等光学元件置于传感器的表面，通过透过这些光学元件所传递的光线来获取图像。
在图像采集设备中，CIS传感器的应用场景主要包括打印机、复印机、扫描仪等。
在现代社会中，由于数字化、网络化的高速发展，人们对于纸质文件、合同等文档资料的处理也越来越依赖于数码设备，并对其处理速度、精度、可靠性要求日益提高。
因此应用CIS技术进行人民币序号等图片的采集和处理已成为一个重要的课题。
【研究内容】本项目的研究内容主要包括人民币序号的CIS图像采集与处理两个方面。
一、人民币序号的CIS图像采集1.硬件选型根据人民币序号的大小、颜色、分辨率等因素，选择合适的CIS传感器及外围硬件设备，包括光学元件、镜头等，以满足对图片的高速采集、高清晰度等要求。
2.软件开发针对硬件设备进行软件开发，实现数据采集、传输、存储等功能，并对采集数据进行预处理，提高后续处理的图像质量。
二、人民币序号的CIS图像处理1.图像处理算法的研究与实现使用MATLAB、Python等工具对采集的图像数据进行分析、处理与优化，采取图像增强、噪声抑制、边缘检测、特征提取等算法手段，提高图片的清晰度、准确度、可读性，从而提高人民币序号识别的成功率。
2.系统整合与性能测试将CIS图像采集和处理两个阶段的程序进行整合，进行系统集成测试，并对处理后的图片进行准确度、鲁棒性、相似性等方面的测试，以此验证系统的性能以及处理效果。
【研究难点】1.快速、高清晰度的CIS图像采集，要求对传感器、光学元件、镜头等硬件设备进行合理选型和充分调试。
2.人民币序号的识别准确度高，要求对采集的图片进行较为复杂的预处理，采用多种算法优化图像质量。
3.系统的集成测试涉及多种工具、多个阶段，需要充分的软、硬件支撑。
纸币序列号定位与分割方法研究
龙源期刊网
纸币序列号定位与分割方法研究
作者：李朝匡逊君赵文倩
来源：《计算技术与自动化》2012年第02期
摘要：人民币序列号的唯一性，是区别纸币的一种标示，采用一种基于投影法的号码区域定位方法，并提出一种沿双向最短路径搜索字符串上下轮廓的凹凸位置进行粘接字符分割方法。
在号码区域定位时，对二值化后的序列号实行行和列投影，进行粗定位和精定位两个步骤实现目标区域的定位；为了提高分割粘接字符的正确率，利用字符串之间存在的凹凸轮廓特征，沿双向最短路径搜索字符串上下轮廓的凹凸位置，分割出单个字符。
实验结果表明，投影法能够快速、准确的实现纸币序列号的定位；当有字符粘接时，采用沿双向路径方法比沿单向路径方法能够找到更好的切割点，并去除掉多余的粘接噪声，能够实现纸币序列号正确、有效地字符分割。
关键词：投影法；定位；双向最短路径；凹凸轮廓；分割。
纸币冠字号预处理及组合特征识别方法
种 结合 必选特征 和可选特征 的组合特征 提取方案 ，采 用多叉树分类 器设 计组合特 征识别 算法。 实验结果表 明 ，与传统 的
定位 、旋转 、二值化和 字符 识别算法相比 ，该方法具有更 高的识别率和 处理速度 。
关键词 ：冠字号；组合 特征 ；字符ｉ Ｙ ， ￣ １ ０ ；定位 ；旋转 ；二值 化 ；滤波
ｒ ｏ ｔ ａ ｔ ｉ ｏ ｎ，ｔ ｈ ｅ ｂ ｉ ｎ ａ ｒ ｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｔ ｈ ｅ ｆ ｉ ｌ ｔ ｅ ｒ ｉ ｎ ｇ ．Ｂａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｓ ｅ ，ａ ｃ ｏ ｍｂ ｉ ｎ ｅ ｄ － ｆ ｅ ａ ｔ ｕ ｒ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ｃ ｏ ｍｂ ｉ ｎ ｉ ｎ ｇ ｔ ｈ ｅ ｒ ｅ ｑ ｕ ｉ ｒ ｅ ｄ ｆ ｅ ａ — ｔ ｕ ｒ ｅ ｓ ａ ｎ ｄ ｏ ｐ ｔ ｉ ｏ ｎ ａ ｌ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ Ｗ３ Ｓ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ，ａ ｎ ｄ ａ ｃ ｏ ｍｂ ｉ ｎ ｅ ｄ － ｆ ｅ ａ ｔ ｕ ｒ ｅ ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｍ ｈ ｕ ｓ ｉ ｎ ｇ ｍｕ ｌ ｔ ｉ － ｔ ｒ ｅ ｅ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｅ ｒ ｗａ ｓ ｄ ｅ ｓ ｉ ｇ ｎ ｅ ｄ ． Ｅｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ａ ｌ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｒ ｅ ｖ ｅ ａ ｌ ｔ ｈ ａ ｔ ，ｃ ｏ ｍｐ ａ ｒ ｅ ｄ ｗｉ ｔ ｈ ｔ ｈ ｅ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ，ｒ ｏ ｔ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｍ ，ｂ ｈ ｉ ｎ ａ ｒ ｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ
一种基于特征结构的纸币号码识别方法
值分别在竖直方向和水平方向上进行差值运算 。
ｌ ＿ ３ 图像 二值 化 ‘
对纸币图像进行二值化的 目的是寻找适 当的方法将灰度图像转化为黑 白二值 图像。在研究中， 号码 线条用黑色像素表示 ， 背景用白色像素表示。 在进行分割处理时 ， 一般通过确定阈值化进行图像 的二值化 。采用阈值法分割 ， 认为前景区域或背 ∑ 景区域内邻近位置像素点值是近似 的， 不同前景区域或背景区域的像素值差距很大 ， 表现为不 同的 目标 × 一 和背景对应灰度直方图上不同的峰。为了将各个峰分开 ， 选择位于峰谷处的灰度值作为分割 阈值 。对 只包含 目标区域和背景区域的图像 ， 其直方 图并不一定呈现出双峰的形式。当图像中的背景面积远远大
Ｆｉ ｇ ． ２ Ｂｉ ｎ ａ ｒ ｙ ｉ ｍａ ｇ ｅ
１ ． ４ 字 符定位
将灰度图像转化为二值图像后 ， 需要对得到的二值图像进行字符定位。字符定位是将单个字符信息 从整个字符图像 中分离 出来 ， 并且保留原字符的全部信息作为后续识别工作的数据源ｎ 。水平定位确定
了整个字符 区域在竖直方向的位置后 ， 还需要在 已经确定 的区域 内对图像进行列扫描 ， 确定每个字符块
的左 右边 界 。 （ １ ） 水 平初 步定位 。 自上而 下 ， 计算 号码 图像 每一 行 黑色 像 素点 的个 数 ， 并将 其记 录在 ｌ ｐ ｒ ｏ ｊ ｅ ｃ ｔ ｉ ｏ ｎ 数
组中。其中， ｌ ｐ ｒ ｏ ｊ ｅ ｃ ｔ ｉ ｏ ｎ 叼数元表示第 ｉ 行的黑色像素累加值 （ ０ ≤ ≤９ ６ ） 。统计数组中所有ｌ ｐ ｒ ｏ ｊ ｅ ｃ ｔ ｉ ｏ ｎ ［
辽 宁 科 技 大 学 学 报
第３ ６ 卷
Ｙ ｊ ｉ ＝ ㈨
人民币纸币序列号、面额号定位与分割
人民币纸币序列号、面额号定位与分割艾朝霞【摘要】随着经济的发展和繁荣,纸币的流通量越来越大,银行或其他金融机构常需要对序列号的信息进行采集,用于分类和防伪.在研究纸币图像的Sobel和Canny 边缘检测结果和纸币本身的特点以后,提出基于边缘检测和投影法的三步序列号分割方法,即序列号所在左侧区域的定位、序列号与面额号所在区域的准确定位、序列号与面额号的辨别与分割三个步骤.还对纸币的面向和倒置与否进行识别,使得算法可以应用于更为复杂的情况.%With the development and prosperity of economy, the circulation of paper currency is growing rapidly. The banknote numbers are always collected for classifying the bankbill and identifying the counterfeit ones. After studing on the edge detection results of Sobel and Canny algorithms, a new banknote number segmentation method based on edge detection and projection is presented, which can be devided into three steps-the location of the area on the left of the serial numbers, the location of the area that the serial number and the denomination number located, the identification and segmentation of the serial number and the denomination number. The front versus back, as well as inversion, are also studied in the dissertation.【期刊名称】《科学技术与工程》【年(卷),期】2011(011)019【总页数】3页(P4636-4638)【关键词】纸币;倾斜校正;序列号;面额号【作者】艾朝霞【作者单位】榆林学院能源工程学院,榆林719000【正文语种】中文【中图分类】TP391.41纸币图像的自动处理技术，是通过图像数据的预处理、图像分割、图像识别等算法，达到对纸币图像的智能化处理。
神经网络的人民币序列号识别算法
ＫＥ Ｗ ＯＲ ： ＭＢ；ｅ ａ ｎｍｂｒ ｉｅｔ ａｉ ； ｅｒｌ ｅ ｏｋ Ｆ ａ ｒ ｘｒ ｔ ｎ Ｙ ＤＳ Ｒ Ｓｒ ｕ ｅｓ ｄｎｉ ｔ ｎ Ｎ ｕａ ｎｔ ｒ ；ｅｔ ｅｅｔ ｃｉ ｉ ｌ ①ｃ ｏ ｗ ｕ ａ ｏ
种识别方法人力物力浪费严重 ， 且成本 高 、 效率低 ， 以适应 难
Ｔ Ｙｕ Ｕ
（ ｅａ ｏａｉ ａ ａｄＴ ｃｎｃｌ ｏ ｅｅ ， ａｙｎ ｉ ， ｅａ ｒｖ ｃ ７ ０ ９ Ｈ ｎｎＶ ｃｔ ｎｌ ｎ ｅｈ ｉ ｌ ｇ Ｎ ｎ ａｇＣｔ Ｈ ｎｎＰｏｉ ｅ ３０ ） ｏ ａＣ ｌ ｙ ｎ ４
ＡＢＳ ＴＲＡＣＴ： ｓ ａ ｃ Ｒｅ ｅ ｒ ｈ ＲＭＢ ｉ ｔｌ ｇ ｎ ｄ ｎ ｉａｉｎ ｐ ｏ ｌｍ． Ｔ ｅ ｓ ｒ ｌ ｕ ｅ ｆ ＲＭＢ ｓ ｉ “ｉ ｅ ｔ ｃ ｔ ｎ ｎ ｅｌ ｅ ｔ ｉ ｅ ｔ ｔ ｒ ｂｅ ｉ ｃ ｏ ｈ ｅ ａ ｎ ｍｂ ｒ ｏ ｉ ｉ ｔ ｓ ｄ ｎｉ ａｉ ｉ ｆ ｏ
摘要 ： 研究人 民币智能鉴伪 问题 ， 民币序列号是人民币的“ 人 身份证”， 优化识别人 民币的真伪将 直接影 响经济秩序 。由于 人 民币在流通过程中容易出现磨损 、 污染和缺损等 ， 导致人 民币序列号识别 的正确率不高 。为 了提 高人民币序列号识别 的 正确率 ， 更好地鉴别出人民币的真伪 ， 出根据 Ｂ 提 Ｐ神经 网络对人民币序列号识别算法 。首先对 人民币图像进行 预处 理， 消
ｓ ｏ ｈ ｔｔ ｅｒ ｃ ｇ ｉ ｏ ａｅ ｏ Ｐ ｎ ｕ ａ ｅｗ ｒ ａ ｅ ｃ ７ ，ａ ｄ ｔ ｅ ｉｅ ｔ ｙｎ ｍｅ ｉ ｓ ｏ ｗｈｃ ａｌ ｅ ｈ ｗ ｔ ａ ｈ ｅ ｏ ｎ ｔ ｎ ｒ ｔ ｆＢ ｅ ｒ ｌ ｔ ｏ ｋ ｃ ｎ ｒ ａ ｈ ９ ％ ｉ ｎ ｎ ｈ ｎ ｉ ｉｇ ｔ ｈ ｎ， ｉｈ ｃ ｌ ｍｅ ｔ ｄ ｆ ｉ ｓ ｔ ｅ ｒ ｑ ｉ ｍｅ ｔ ｆＲＭＢ ｓ ｒ ｕ ｅ ｄ ｎ ｉ ｃ ｔ ｎ ｖ ｒ ｅ１ ｈ ｅ ｕｒ ｅ ｎ ｓｏ ｅ ａ ｎ ｍｂ ｒｉ ｅ ｔ ａｉ ｅｙ ｗ ｌ ｉ ｌ ｉ ｆ ｏ ．
基于纸币磨损的识别
持图像的细节。
纸币识别
纸币图像中噪声来源：
• 纸币自身的磨损
• 图像采集
噪声的类型：散粒噪声、热噪声、1/f噪声。
纸币识别
去除噪声采用的方法:均值滤波 对于包含噪声污染的纸币，采用均值滤波法对纸币进行滤波以 达到滤除噪声的目的。 均值滤波： 设f为图像的灰度， f (i, j ) 为（i,j）点的像素值，邻域均值法 对于给定的图像f(i,j)中的每个像素点（i，j）,取其邻域
始特征，对污损区域特征值矫正，完成对纸币的识别。 亮度补偿：
由于传感器的缘故，得到采样的图像上的各个点其光照的强度大小不
同，采集到的图像在纵轴上其灰度值变化不大，
纸币识别
但是在横轴方向上其灰度值变化很大，不能将原始的图像的 灰度分布特征真实的反映出来，影响识别效果，故需对图像
进行亮度补偿。
上图是白纸在静态时传感器采集到的图片,在对图像进行亮 度补偿前，先将原始图像用函数f(x,y)表示，设g（x,y）是 补偿函数, f g ( x, y) 和原始图像灰度
' '
x' x (aii x bii y0 )
y bL y y x0 aL
'
纸币识别
网格特征提取： 将预处理后的纸币图像进行划分，提取矩形区域灰度值的 均值作为初始特征，矩阵划分为 K L 个矩形区域，各个区 域大小相同，
纸币识别
纸币识别
纸币识别 B(i,j)=0&&B(i=1,j)=255 A0
Bi0 kw, j 0 & &B(i0 kw, j 1) 255
B0
人民币纸币序列号、面额号定位与分割
⑥
２ １ Ｓｉ ｅｈ Ｅ ｇｇ ０ ｃ Ｔ ｃ ． ｎｎ． １ ．
人 民币纸 币序列 号 、 面额号定位 与分割
Hale Waihona Puke 艾 朝 霞 （ 榆林学院能源工程学院， 榆林 ７ ９０ １００）
摘
要
随着经济 的发展和繁荣 ， 币的流通量越来越 大， 行或其他 金 融机 构常 需要 对序列号 的信 息进 行采集 ， 于分类 纸 银 用
向： 信号与信息处理 。
图 ２ １０元纸 币的 Ｓｂ ｌ Ｃ ｎｙ边缘检测 结果 ０ ｏｅ 和 ａｎ
２ １ 年 ３月 ３ ０１ １日收到
２ 纸币序列号 的初步定位与分割
边缘 检 测 算 子 中 ， ｏｅ 算 子 检 测 强 边 缘 ； Ｓｂｌ
作者简介 ： 艾朝霞 （９ ９ ） 女 ， １７ 一 ， 陕西米 脂人 ， 讲师 ， 士 ， 硕 研究 方
法 结合 Ｓ ｂｌ 缘检测 结果 ， 将 Ｓ ｂｌ 缘检 测 图 ｏｅ边 后 ｏｅ边
１ 纸币图像的定位与分割
像 进行 水平投 影 和垂 直 投 影 ， 获取 纸 币 的上下 边 界
以及 左右边 界 ， 据 获取 的纸 币边界 从 原 图 中分 割 根 出纸 币 图像 ４ ， 图 １ ＿ 如 所示 。
和 防伪。在研 究纸 币图像 的 Ｓｂｌ Ｃ ｎｙ边缘检测结果和纸 币本身的特 点 以后， 出基 于边 缘检测和投 影法的 三步 序列号 ｏｅ 和 ａ ｎ 提 分 割方法， 即序列号所在左侧 区域的定位 、 列号 与面额 号所在 区域 的准确定 位 、 序 序列 号与面 额号 的辨别 与分割 三个 步骤 。
域的定位又决定其后 的字符识别过程 ， 因此纸币号
码 的定 位 是 影 响 最 终 识 别 结 果 的 重 要 步 骤 。本 文 就是针 对纸 币序 列 号 、 面额 号 定 位 与分 割 中 的一 些 关 键 问题展 开 了研究 。