【摘要】：紅外特征紙幣鑒偽是模式識別領(lǐng)域一個具有代表性的研究課題。因為假幣的種類層出不窮且其仿真程度越來越高,使得鑒偽難度越來越大。GB16999-2010國家標準提出“以真鑒假”的思想,這種方法是傳統(tǒng)“以假鑒假”思想的一次飛躍。而目前國內(nèi)金融機具行業(yè)軟件設(shè)計通常仍然采用針對某個鑒偽點來判別真假幣,沒有真正實現(xiàn)“以真鑒假”,使得金融機具的鑒偽能力大大削弱。為了解決假幣無法預(yù)知這一問題,本文以我國百元面值紙幣的紅外圖像作為算法的研究對象,設(shè)計基于半監(jiān)督學習的隨機森林(Random Forest,簡稱RF)分類模型,即不是真幣就是假幣,解決了假幣無法預(yù)知問題。主要的研究內(nèi)容如下:(1)對常用的紙幣紅外圖像預(yù)處理方法進行研究。選恰當?shù)姆椒▽垘偶t外圖像進行預(yù)處理操作,達到提高紙幣紅外圖像質(zhì)量,便于提取紙幣紅外特征的目的。(2)深入研究Gabor小波和主成分分析法(PCA)的基本原理,并結(jié)合這兩種算法有效地提取紙幣紅外圖像上具有辨別能力的紅外特征。(3)提出了一種基于半監(jiān)督學習的隨機森林算法。結(jié)合半監(jiān)督學習思想,只采用帶有不同種類標簽的真幣紅外特征構(gòu)建隨機森林分類模型,并根據(jù)這些真幣紅外特征確定判別投票率,從而實現(xiàn)紙幣紅外特征鑒偽算法研究。(4)對紙幣識別算法的參數(shù)進行優(yōu)化。本文主要從特征空間維數(shù)、候選屬性數(shù)量、決策樹數(shù)量三個方面展開研究,得到相對優(yōu)化的算法參數(shù),提高算法的識別率。通過實驗證明,基于半監(jiān)督學習的隨機森林很好的解決了假幣無法提前知曉的問題。但值得一說的是,由于算法的其對未知種類的假幣識別能力較強,而因其算法的普適性,則對已知假幣的鑒別能力相對較弱。
【學位授予單位】：遼寧科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP18;TN219

【參考文獻】

相關(guān)碩士學位論文 前5條

1 董揚帆;基于紋理識別和卷積神經(jīng)網(wǎng)絡(luò)的人民幣識別技術(shù)研究[D];武漢大學;2018年

2 李暢;CIS圖像采集與處理技術(shù)研究[D];貴州大學;2015年

3 梁俊;基于多核學習支持向量機的貨幣識別[D];中南大學;2014年

4 關(guān)振明;基于CIS的圖像采集處理設(shè)備的系統(tǒng)軟件研究[D];華南理工大學;2013年

5 劉煒;人民幣冠字號碼識別與圖像鑒偽技術(shù)研究及應(yīng)用[D];南京理工大學;2011年

本文編號：2800885