CN106845542B - 基于dsp的纸币冠字号智能识别方法 - Google Patents

基于dsp的纸币冠字号智能识别方法 Download PDF

Info

Publication number
CN106845542B
CN106845542B CN201710037955.8A CN201710037955A CN106845542B CN 106845542 B CN106845542 B CN 106845542B CN 201710037955 A CN201710037955 A CN 201710037955A CN 106845542 B CN106845542 B CN 106845542B
Authority
CN
China
Prior art keywords
image
character
crown word
word number
bank note
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710037955.8A
Other languages
English (en)
Other versions
CN106845542A (zh
Inventor
陈伟强
高龙
张�浩
李红兵
高晖
秦可勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Ares Intelligent Equipment Co Ltd
Original Assignee
Jiangsu Ares Intelligent Equipment Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Ares Intelligent Equipment Co Ltd filed Critical Jiangsu Ares Intelligent Equipment Co Ltd
Priority to CN201710037955.8A priority Critical patent/CN106845542B/zh
Publication of CN106845542A publication Critical patent/CN106845542A/zh
Application granted granted Critical
Publication of CN106845542B publication Critical patent/CN106845542B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Character Discrimination (AREA)

Abstract

本发明涉及冠字号识别技术领域，尤其涉及一种基于DSP的纸币冠字号智能识别方法，其步骤有：对纸币图像进行采集；对纸币的币种、币值、正反、颠倒等信息进行判别；从获取的纸币图像中截取出包含有冠字号的1/4图像；对1/4图像进行裁切，分割出只包含纸币部分的图像；对纸币部分的图像的冠字号区域依次进行粗略定位、精确定位；获得二值化的冠字号区域图像；将冠字号区域图像中的字符图像中分离出来，与字符模板图像进行比对，计算相似度，以识别字符图像中的字符；对于识别出的字符为易混淆字符的字符图像再进行骨骼特征提取，利用骨骼特征进行二次判别，以确认该字符图像对应的字符；结合模板比对结果和骨骼特征判别结果，输出识别出来的冠字号字符。

Description

基于DSP的纸币冠字号智能识别方法
技术领域
本发明涉及冠字号识别技术领域，尤其涉及一种基于DSP的纸币冠字号智能识别方法。
背景技术
目前主流的冠字号识别方法，大多数采用人工神经网络、骨骼特征、特征点匹配等单一的算法来实现对冠字号的识别。
中国专利公开号为CN105261110A的发明专利公开一种高效的DSP纸币冠字号识别方法，其具体步骤为：
a)采集纸币图像，寻找纸币的边缘点；
b)将找到的纸币边缘点钟的异常边缘点排出，并拟合边缘直线，得到纸币上、下、左、右四条边的斜率和截距；
c)对纸币的面向以及朝向进行识别；
d)对纸币上的冠字号进行定位；
e)对最后得到的精确定位的冠字号图像进行冠字号分割；
f)通过神经网络算法对冠字号进行识别。
该方法的识别原理为：首先寻找纸币的边缘点，拟合出纸币四条边的直线，即斜率和截距，然后识别出纸币的面向和朝向，接着分别采用粗定位、细定位来获取图像的冠字号，最后用神经网络算法对冠字号进行识别。该方法是现有冠字号识别方法中比较典型的识别方法，对于DSP等集成度较高、运算量和实时性要求较高的嵌入式设备来讲，存在以下缺陷：
1.边缘计算法复杂，各个国家使用的纸币通常都是矩形的，即上下边平行、左右边平行，在使用上述方法时，需要通过边缘点的大量采样，拟合出所有边缘的直线方程，其计算量上存在冗余；
2.人工神经网络计算量较大，普遍用于字符判别的神经网络模型至少是3-4 层的模型，即起码包含输入层、输出层和中间层。如果不做降维处理，该算法的输入层几点个数有wc×hc个，输出层节点个数有34个，另外还存在2层以上的中间层，因此存在大量的浮点运算，对DSP的性能要求和预算实时性要求很高，一般的***无法达到。
发明内容
针对现有技术中的问题，本发明提供一种对DSP性能和预算实时性要求低、计算速度快和识别准确度高的基于DSP的纸币冠字号智能识别方法。
为实现以上技术目的，本发明的技术方案是：
一种基于DSP的纸币冠字号智能识别方法，其具体步骤包括：
A.采集纸币正、反面图像；
B.根据已建立的纸币信息数据库，判断并得出纸币的币种、币值、正反、颠倒、冠字号排列规律信息；
C.选取包含有冠字号信息的纸币面的图像，计算出纸币的中心，根据中心裁剪出包含冠字号的1/4局部图像；
D.从局部图像中分割出只包含有纸币的图像，计算纸币图像边缘的正弦、余弦以及角点坐标；
E.根据冠字号区域在纸币图像中的相对位置的统计数据，从纸币图像中粗略定位冠字号区域，对冠字号区域的图像进行颠倒、倾斜校正；
F.从已校正的冠字号区域图像中精确定位冠字号区域并将该区域的图像分割出来；
G.对分割出来的冠字号区域图像中的冠字号进行字符图像分离，并对字符图像进行归一化处理；
H.结合冠字号排列规律，利用模板匹配法，将字符图像与字符模板图像比对，相似度最高的字符模板图像所对应的字符即为该字符图像所识别出来的字符；
I.对识别出的字符为易混淆字符的字符图像提取骨骼特征，利用骨骼特征对该字符图像进行二次判别，确认该字符图像对应的最终字符；
J.根据步骤H和步骤I，输出识别的冠字号信息。
本发明所述的基于DSP的纸币冠字号智能识别方法主要分为两大步：图像预处理和冠字号识别。图像预处理步骤主要包括：首先对纸币图像(包括正面和反面)进行采集，然后对纸币的币种(包括国别和版本)、币值、正反(纸币正面或反面)、颠倒(纸币是正置的还是倒置的)等信息进行判别，然后从获取的纸币正面图像中截取出包含有冠字号的1/4图像，再对1/4图像进行裁切，分割出只包含纸币部分的图像，接着对纸币部分的图像的冠字号区域依次进行粗略定位、精确定位，最终获得二值化的冠字号区域图像；冠字号识别步骤主要包括：将图像预处理步骤获得的冠字号区域图像中的字符图像中分离出来，再与字符模板图像进行比对，计算相似度，以识别字符图像中的字符，对于识别出的字符为易混淆字符的字符图像再进行骨骼特征提取，利用骨骼特征进行二次判别，以确认该字符图像对应的字符，最后结合模板比对结果和骨骼特征判别结果，输出识别出来的冠字号字符。
从以上描述可以看出，本发明具备以下优点：
(1)在冠字号提取过程中，利用局部图像处理后的特征值来定位冠字号区域，减少了大量计算过程，从而提高了冠字号区域定位速度；
(2)基于冠字号排列规律，通过模板比对方法对冠字号字符图像中的字符进行识别，降低了算法的复杂度，从而提高了识别速度；
(3)对易混淆字符对应的字符图像利用骨骼特征进行二次判别，提高了识别结果的准确性。
作为优选，对所述步骤G分离出来的字符图像进行归一化处理，以获得模板匹配时的字符模板图像。
作为优选，所述步骤C具体包括以下步骤：C1.选取包含有冠字号信息的纸币面的图像；C2.计算出纸币在图像中的相对位置；C3.根据相对位置粗略计算纸币上、下、左、右各边的中点坐标，再利用均值平均法计算出纸币的中心坐标； C4.以中心坐标为原点，将纸币划分为四个象限；C5.结合步骤B获得的纸币颠倒信息，选取包含冠字号信息的象限，将该象限所对应的局部图像记作Is。
作为优选，所述步骤D具体包括以下步骤：D1.对图像Is采用3×3的模板进行均值滤波，再利用阈值分割法分割出图像Is中只包含有纸币的图像，记作It； D2.结合步骤B获得的纸币信息，对图像It分别进行相应地纵向和横向分段扫描，获得纸币的纵向边缘采样点点集和横向边缘采样点点集；D3.利用最小二乘法拟合出两个点集所对应的两条直线的方程并求解，根据两条直线的方程即可得知纸币边缘的正弦、余弦，再根据两条直线的方程计算得到两条直线的交点P，交点 P即为纸币的角点。
作为优选，所述步骤E具体包括以下步骤：E1 .根据冠字号区域在纸币图像中的相对位置的统计数据，以交点P为原点，粗略定位冠字号区域在图像Is的位置；E2.根据步骤B获得的纸币颠倒信息，对冠字号区域图像进行颠倒校正；E3. 通过仿射变换，对已进行颠倒校正的冠字号区域图像进行倾斜校正，校正后的图像记作Ir。
作为优选，所述步骤F具体包括以下步骤：F1.对图像Ir进行水平扫描，统计出小于阈值的像素点，得到一个数组；F2.检测数组中相邻的三个元素，当这三个元素均大于指定的数值时，数组索引所对应图像的那一行包含有效的冠字号像素，从而在纵向上精确定位冠字号区域的位置；F3.采用3×3的模板对步骤 F2的结果进行高斯滤波，去除图像中的噪声，以便于冠字号的准确分割；F4.利用动态阈值分割算法，对步骤F3的结果进行图像分割处理，获得冠字号图像，记作Ibi。
作为优选，所述步骤G利用垂直映射实现冠字号的字符图像分离。垂直映射法简单、快速。
附图说明
图1是本发明的流程示意图；
具体实施方式
结合附图，详细说明本发明的一个具体实施例，但不对本发明的权利要求做任何限定。
一种基于DSP的冠字号智能识别方法，包括以下步骤：
1.采集纸币正、反面图像。
2.根据已建立的纸币信息数据库，判断并得出所采集纸币的币种(包括国别和版本)、币值、正反(纸币正面、反面)、颠倒(纸币正置、倒置)、冠字号排列规律等信息。
3.根据步骤2采集的纸币信息，选取包含有冠字号的纸币面对应的图像并记作图像I(例如，采集的若为人民币，由于人民币的冠字号在纸币正面，则选取人民币正面对应的图像信息)，然后根据图像I，计算出纸币在图像中的相对位置，具体方法为：由于采集图像时，会采集到纸币边缘以外的图像，根据亮度(纸币区域亮度高，纸币边缘以外区域亮度低)即可计算出纸币在图像中的相对位置。
4.根据步骤3获得的纸币在图像中的相对位置，粗略计算图像I中纸币上、下、左、右边缘的中点坐标，利用均值平均法大致计算出纸币中心的坐标，再以该中心为原点，将图像I划分为四个象限，再根据步骤2获得的纸币颠倒信息，选取四个象限中包含冠字号的象限。(例如若步骤2 获得的信息为：人民币、正置，则选第三象限，如果人民币倒置，若步骤2获得的信息为：人民币、倒置，则选第一象限)，将该象限对应的局部图像记作Is。
5.利用3×3的模板对图像Is进行均值滤波，利用阈值分割法分割出图像中的纸币，分割获得的图像记作It。
6.结合步骤2获得的纸币信息，对图像It分别进行相应地纵向和横向分段扫描，获得纸币的纵向边缘采样点点集和横向边缘采样点点集，并利用最小二乘法拟合出两个点集所对应的两条直线的方程并求解，根据两条直线的方程即可得知纸币边缘的正弦、余弦，再根据两条直线的方程计算得到两条直线的交点P，交点P即为纸币的角点。
例如：(1)若步骤2获得的信息为：人民币、正置，由于冠字号位于正置人民币的左下角，因此对图像It，自左向右分段扫描以获得人民币的左边缘采样点点集，自下而上分段扫描以获得人民币的下边缘采样点点集，并利用最小二乘法拟合出两个点集所对应的两条直线的方程并求解，根据两条直线的方程即可得知纸币边缘的正弦、余弦，再根据两条直线的方程计算得到两条直线的交点P，交点P即为图像Is中人民币的左下角的顶点；(2)若步骤2获得的信息为：人民币、倒置，由于冠字号位于倒置人民币的右上角，因此对图像It自右向左分段扫描以获得人民币的右边缘采样点点集，自上而下分段扫描以获得人民币的上边缘采样点点集，并利用最小二乘法拟合出两个点集所对应的两条直线的方程并求解，根据两条直线的方程即可得知纸币边缘的正弦、余弦，再根据两条直线的方程计算得到两条直线的交点P，交点P即为图像Is中人民币右上角的顶点。
其中两条直线方程的拟合方法为：
设一条直线上x和y之间的函数关系为：y＝a+bx，则最小距离公式为：
式(1)中，(xi，yi)为对应点集中的点，n为点集中点的个数。
对上式分别对a、b求偏导后联立方程组，求解后得到参数a、b，从而得到两个点集分别对应的两条直线方程。
7.根据冠字号区域在纸币图像中的相对位置的统计数据，以交点P为原点，粗略定位冠字号区域在图像Is的位置。
其中，冠字号区域在纸币图像中的相对位置的统计数据可前期经人工或机器对冠字号区域在纸币中的相对位置信息进行数据采集并统计分析，得出冠字号区域在纸币图像中的相对位置信息，该相对位置信息优选为含有冠字号的一定的矩形区域对应的坐标信息。
8.根据步骤2获得的纸币颠倒信息，对粗略定位获得的冠字号区域图像进行颠倒校正。
例如：(1)若步骤2获得的信息为：人民币、倒置，则对冠字号区域图像进行颠倒；(2)若步骤2获得的信息为：人民币、正置，则不操作。
9.通过仿射变换，对已进行颠倒校正的冠字号区域图像进行倾斜校正，校正后的图像记作Ir。
其中，倾斜校正的具体公式如下：
式(2)中，sinθ、cosθ为步骤6中计算得到的水平边缘的正弦、余弦值，(v，w)为原图像Is中像素的坐标，(x，y)为校正后图像像素中对应的坐标。
10.对图像Ir进行水平扫描，统计出小于阈值的像素点，得到一个数组；检测数组中相邻的三个元素，当这三个元素均大于指定的数值时，数组索引所对应图像的那一行包含有效的冠字号像素，从而在纵向上精确定位冠字号区域的位置。
11.采用3×3的模板对精确定位的冠字号区域图像进行高斯滤波，去除图像中的噪声，以便于冠字号的准确分割。
其中，高斯模板如下：
12.再利用动态阈值分割算法，对步骤11的结果进行图像分割处理，获得二值化的冠字号图像，记作Ibi。
13.对图像Ibi进行垂直映射，将冠字号字符分离出来，获得字符图像，并对字符图像进行归一化处理。
14.结合步骤2获得的冠字号排列规律信息，利用模板匹配法，将字符图像与字符模板图像比对，相似度最高的字符模板图像所对应的字符即为该字符图像所识别出来的字符。
其中，字符模板图像的获取可前期经人工或机器对冠字号字符图像进行数据采集并统计分析，再进行归一化处理获得。
例如：若步骤2获得的纸币信息为人民币，则其对应的冠字号排列规律信息为：首字符为字母，后六个字符为数字，第二、三、四个字符，其中一个为字母，其余两个为数字，且第二、三、四个字符中，字母字符的高度高于数字字符的高度，结合该规律，分下述步骤识别：
(1)对于首个字符图像，将其与字母模板图像比对，相似度最高的字符模板图像所对应的字符即为该字符图像所识别出来的字符。
其中，相似度公式为：
式(4)中：S(m，n)为步骤归一化的待识别的字符图像，T(m，n)为对应的模板图像。
(2)对于后六个字符图像，将其与数字模板图像比对，相似度最高的字符模板图像所对应的字符即为该字符图像所识别出来的字符。
其中，相似度公式为：
式(4)中：S(m，n)为步骤归一化的待识别的字符图像，T(m，n)为对应的模板图像。
(3)对于第二、三、四个字符图像，在步骤13进行处理时，要先剔除字符图像中上、下、左、右多余的背景，确保字符图像中的前景最大化，
并记录前景高度。
A.若记录的三个字符图像中前景的高度与字符类型无关，则将其分别与字母模板和数字模板进行对比，同时分别找出相似度最高值，则它们的最高相似度为：R2c、R2n、R3c、R3n、R4c、R4n。计算出组合相似度，当其取最大值时，此时各个相似度相应模板所对应的字符，即为识别出来的字符。组合相似度有三组，其计算公式如下：
B.若三个字符图像中前景的高度与字符类型相关，则将前景高度最大的字符图像与字母模板进行对比，计算相似度，相似度最高的字符模板对应的字符，即为识别出来的字符；将其余两个字符图像与数字模板进行对比，计算相似度，相似度最高的字符模板对应的字符，即为识别出来的字符。
其中，相似度公式为：
式(4)中：S(m，n)为步骤归一化的待识别的字符图像，T(m，n)为对应的字符模板图像。
15.对识别出的字符为易混淆字符的字符图像进行细化处理，提取其骨骼特征，利用穿插扫面方法判断该骨骼特征，确认该字符图像对应的最终字符。
16.根据步骤14和步骤15的结果，输出识别的冠字号信息。
上述步骤中，值得注意的有：
(1)步骤2中所述的纸币信息数据库存储的纸币信息数据至少包括币种(包括国别和版本)、币值、正反(纸币正面、反面)、颠倒(纸币正置、倒置)、冠字号排列规律信息，其中冠字号排列规律信息是指每种纸币所对应的冠字号排列规律，可以经前期统计分析获得；步骤2中对所采集纸币的币种(包括国别和版本)、币值、正反(纸币正面、反面)、颠倒(纸币正置、倒置)信息判断的方法采用现有技术的常规方法，故不再赘述，对所采集纸币的冠字号排列规律判断是指根据纸币判断得出的币种和币值信息，获得相应的冠字号排列规律信息；
(2)步骤6中对纸币边缘采样点的采集，要结合纸币信息(币种、币值、冠字号区域位置等)进行采集；
(3)步骤14中模板匹配法的使用，要结合纸币信息(主要是冠字号排列规律)，在统计策略的基础上进行比对；
(4)步骤15的骨骼特征判别方法与现有技术的骨骼特征判别方法相同，故不再赘述。
本发明所述的基于DSP的纸币冠字号智能识别方法的流程图如图1所示。
本发明所述的基于DSP的纸币冠字号智能识别方法主要分为两大步：图像预处理和冠字号识别。图像预处理步骤主要包括：首先对纸币图像(包括正面和反面)进行采集，然后对纸币的币种(包括国别和版本)、币值、正反(纸币正面或反面)、颠倒(纸币是正置的还是倒置的)等信息进行判别，然后从获取的纸币正面图像中截取出包含有冠字号的1/4图像，再对1/4图像进行裁切，分割出只包含纸币部分的图像，接着对纸币部分的图像的冠字号区域依次进行粗略定位、精确定位，最终获得二值化的冠字号区域图像；冠字号识别步骤主要包括：将图像预处理步骤获得的冠字号区域图像中的字符图像中分离出来，再与字符模板图像进行比对，计算相似度，以识别字符图像中的字符，对于识别出的字符为易混淆字符的字符图像再进行骨骼特征提取，利用骨骼特征进行二次判别，以确认该字符图像对应的字符，最后结合模板比对结果和骨骼特征判别结果，输出识别出来的冠字号字符。
从以上描述可以看出，本发明具备以下优点：
(1)在冠字号提取过程中，利用局部图像处理后的特征值来定位冠字号区域，减少了大量计算过程，从而提高了冠字号区域定位速度；
(2)基于冠字号排列规律，通过模板比对方法对冠字号字符图像中的字符进行识别，降低了算法的复杂度，从而提高了识别速度；
(3)对易混淆字符对应的字符图像利用骨骼特征进行二次判别，提高了识别结果的准确性。
将本发明所述方法应用到冠字号判别产品时，可将前期统计获得的冠字号区域位置数据(即冠字号区域位于纸币的哪个象限)、冠字号区域相对位置数据(即冠字号区域位于所处象限的大致矩形区域范围)、冠字号字符模板数据和冠字号字符骨骼特征数据等也建立在纸币信息数据库中。
本发明所述基于DSP的纸币冠字号智能识别方法，可以应用于单币种单币值的冠字号识别、单币种多币值的冠字号识别，也可以应用于多币种的冠字号识别，只要根据相应的需求，建立相应的纸币信息数据库即可。
可以理解的是，以上关于本发明的具体描述，仅用于说明本发明而并非受限于本发明实施例所描述的技术方案。本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换，以达到相同的技术效果；只要满足使用需要，都在本发明的保护范围之内。

Claims (6)

1.一种基于DSP的纸币冠字号智能识别方法，其具体步骤包括：
A.采集纸币正、反面图像；
B.根据已建立的纸币信息数据库，判断并得出纸币的币种、币值、正反、颠倒、冠字号排列规律信息；
C.选取包含有冠字号信息的纸币面的图像，计算出纸币的中心，根据中心裁剪出包含冠字号的1/4局部图像，具体包括以下步骤：
C1.选取包含有冠字号信息的纸币面的图像；
C2.计算出纸币在图像中的相对位置；
C3.根据相对位置粗略计算纸币上、下、左、右各边的中点坐标，再利用均值平均法计算出纸币的中心坐标；
C4.以中心坐标为原点，将纸币划分为四个象限；
C5.结合步骤B获得的纸币颠倒信息，选取包含冠字号信息的象限，将该象限所对应的局部图像记作Is；
D.从局部图像中分割出只包含有纸币的图像，计算纸币图像边缘的正弦、余弦以及角点坐标，具体包括以下步骤：
D1.对图像Is采用3×3的模板进行均值滤波，再利用阈值分割法分割出图像Is中只包含有纸币的图像，记作It；
D2.结合步骤B获得的纸币信息，对图像It分别进行相应地纵向和横向分段扫描，获得纸币的纵向边缘采样点点集和横向边缘采样点点集；
D3.利用最小二乘法拟合出两个点集所对应的两条直线的方程并求解，根据两条直线的方程即可得知纸币边缘的正弦、余弦，再根据两条直线的方程计算得到两条直线的交点P，交点P即为纸币的角点；
E.根据冠字号区域在纸币图像中的相对位置的统计数据，以交点P为原点，从纸币图像中粗略定位冠字号区域，对冠字号区域的图像进行颠倒、倾斜校正；
F.从已校正的冠字号区域图像中精确定位冠字号区域并将该区域的图像分割出来；
G.对分割出来的冠字号区域图像中的冠字号进行字符图像分离，并对字符图像进行归一化处理；
H.结合冠字号排列规律，利用模板匹配法，将字符图像与字符模板图像比对，相似度最高的字符模板图像所对应的字符即为该字符图像所识别出来的字符；
I.对识别出的字符为易混淆字符的字符图像提取骨骼特征，利用骨骼特征对该字符图像进行二次判别，确认该字符图像对应的最终字符；
J.根据步骤H和步骤I，输出识别的冠字号信息。
2.根据权利要求1所述的基于DSP的纸币冠字号智能识别方法，其特征在于：对所述步骤G分离出来的字符图像进行归一化处理，以获得模板匹配时的字符模板图像。
3.根据权利要求1所述的基于DSP的纸币冠字号智能识别方法，其特征在于：所述步骤E具体包括以下步骤：
E1.根据冠字号区域在纸币图像中的相对位置的统计数据，以交点P为原点，粗略定位冠字号区域在图像Is的位置；
E2.根据步骤B获得的纸币颠倒信息，对冠字号区域图像进行颠倒校正；
E3.通过仿射变换，对已进行颠倒校正的冠字号区域图像进行倾斜校正，校正后的图像记作Ir。
4.根据权利要求3所述的基于DSP的纸币冠字号智能识别方法，其特征在于：所述步骤F具体包括以下步骤：
F1.对图像Ir进行水平扫描，统计出小于阈值的像素点，得到一个数组；
F2.检测数组中相邻的三个元素，当这三个元素均大于指定的数值时，数组索引所对应图像的那一行包含有效的冠字号像素，从而在纵向上精确定位冠字号区域的位置；
F3.采用3×3的模板对步骤F2的结果进行高斯滤波，去除图像中的噪声，以便于冠字号的准确分割；
F4.利用动态阈值分割算法，对步骤F3的结果进行图像分割处理，获得冠字号图像，记作Ibi。
5.根据权利要求4所述的基于DSP的纸币冠字号智能识别方法，其特征在于：所述步骤G利用垂直映射实现冠字号的字符图像分离。
6.根据权利要求5所述的基于DSP的纸币冠字号智能识别方法，其特征在于：所述步骤H具体包括以下步骤：
H1.根据步骤B获得的纸币信息，查找到相应的冠字号排列规律；
H2.根据冠字号排列规律，利用模板匹配法，将字符图像与字符模板图像比对，相似度最高的字符模板图像所对应的字符即为该字符图像所识别出来的字符。
CN201710037955.8A 2017-01-18 2017-01-18 基于dsp的纸币冠字号智能识别方法 Active CN106845542B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710037955.8A CN106845542B (zh) 2017-01-18 2017-01-18 基于dsp的纸币冠字号智能识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710037955.8A CN106845542B (zh) 2017-01-18 2017-01-18 基于dsp的纸币冠字号智能识别方法

Publications (2)

Publication Number Publication Date
CN106845542A CN106845542A (zh) 2017-06-13
CN106845542B true CN106845542B (zh) 2019-12-03

Family

ID=59124212

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710037955.8A Active CN106845542B (zh) 2017-01-18 2017-01-18 基于dsp的纸币冠字号智能识别方法

Country Status (1)

Country Link
CN (1) CN106845542B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107610314B (zh) * 2017-08-23 2019-12-06 成都术有科技有限公司 一种对冠字号识别中模板匹配进行加速的方法
CN107617573B (zh) * 2017-09-30 2020-08-18 浙江瀚镪自动化设备股份有限公司 一种基于多任务深度学习的物流编码识别和分拣方法
CN107742357A (zh) * 2017-10-10 2018-02-27 深圳怡化电脑股份有限公司 一种纸币冠字号的识别方法及装置
CN108062821B (zh) * 2017-12-12 2020-04-28 深圳怡化电脑股份有限公司 边缘检测方法及验钞设备
CN109658584B (zh) * 2018-12-14 2021-01-12 泰康保险集团股份有限公司 一种票据信息识别方法及装置
CN111310579B (zh) * 2020-01-19 2023-06-23 徐庆 一种图像骨架节点特征描述符获取方法及装置
CN111833513A (zh) * 2020-06-09 2020-10-27 武汉卓目科技有限公司 一种基于多通道的冠字号识别方法及装置
CN113160181B (zh) * 2021-04-25 2021-12-03 湖南九九智能环保股份有限公司 一种基于图像识别的成堆型材计数方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036290A (zh) * 2014-06-11 2014-09-10 新达通科技股份有限公司 一种纸币面值识别方法及装置
CN105261110A (zh) * 2015-10-26 2016-01-20 江苏国光信息产业股份有限公司 一种高效dsp纸币冠字号识别方法
CN105989659A (zh) * 2016-04-15 2016-10-05 新达通科技股份有限公司 一种相似字符识别方法及纸币冠字码识别方法
CN106056751A (zh) * 2016-05-20 2016-10-26 聚龙股份有限公司 冠字号码的识别方法及***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004023403A1 (ja) * 2002-08-30 2004-03-18 Fujitsu Limited 紙片鑑別装置、紙片鑑別方法及びプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036290A (zh) * 2014-06-11 2014-09-10 新达通科技股份有限公司 一种纸币面值识别方法及装置
CN105261110A (zh) * 2015-10-26 2016-01-20 江苏国光信息产业股份有限公司 一种高效dsp纸币冠字号识别方法
CN105989659A (zh) * 2016-04-15 2016-10-05 新达通科技股份有限公司 一种相似字符识别方法及纸币冠字码识别方法
CN106056751A (zh) * 2016-05-20 2016-10-26 聚龙股份有限公司 冠字号码的识别方法及***

Also Published As

Publication number Publication date
CN106845542A (zh) 2017-06-13

Similar Documents

Publication Publication Date Title
CN106845542B (zh) 基于dsp的纸币冠字号智能识别方法
CN102426649B (zh) 一种简单的高准确率的钢印数字自动识别方法
CN106056751B (zh) 冠字号码的识别方法及***
CN100458831C (zh) 人脸模型训练模块及方法、人脸实时认证***及方法
CN105046252B (zh) 一种人民币冠字码识别方法
CN104809715B (zh) 纸币图像倾斜校正与区域提取方法
CN110443128B (zh) 一种基于surf特征点精确匹配的指静脉识别方法
CN104408449B (zh) 智能移动终端场景文字处理方法
CN107464252A (zh) 一种基于混合特征的可见光与红外异源图像识别方法
CN104899965B (zh) 一种基于清分机的多国纸币序列号识别方法
CN104680130A (zh) 一种身份证汉字识别方法
CN104751187A (zh) 抄表图像自动识别方法
CN104680161A (zh) 一种身份证数字识别方法
CN108197644A (zh) 一种图像识别方法和装置
CN111738271B (zh) 自然环境中被遮挡果实的识别方法
CN101625760A (zh) 一种证件图像倾斜校正的办法
CN104217221A (zh) 基于纹理特征的书画作品检测方法
CN104463138B (zh) 基于视觉结构属性的文本定位方法及***
CN104123529A (zh) 人手检测方法及***
CN107423735B (zh) 一种利用水平梯度和饱和度的车牌定位方法
CN107610138A (zh) 一种票据***区域序列分割方法
Garz et al. A binarization-free clustering approach to segment curved text lines in historical manuscripts
CN104123554A (zh) 基于mmtd的sift图像特征提取方法
CN109389167A (zh) 交通标志识别方法及***
Babu et al. Handwritten digit recognition using structural, statistical features and k-nearest neighbor classifier

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant