本文關(guān)鍵詞：紙幣圖像識(shí)別與涂鴉檢測(cè)技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著經(jīng)濟(jì)全球化和貿(mào)易一體化的發(fā)展,各國(guó)紙幣圖像的識(shí)別成了紙幣清分領(lǐng)域的熱點(diǎn)。使用更為高效的算法進(jìn)行紙幣清分,實(shí)現(xiàn)多幣種自動(dòng)識(shí)別是未來(lái)的發(fā)展趨勢(shì)。論文主要研究多國(guó)紙幣圖像識(shí)別與處理技術(shù),并圍繞該技術(shù)的實(shí)際應(yīng)用展開論述。論文討論了多國(guó)紙幣圖像的面值、面向和版別識(shí)別技術(shù),提出了全局信息與局部信息相結(jié)合的特征提取方法,即在圖像分塊的基礎(chǔ)上,提取代表不同尺度上的圖像變化特征,并采用貝葉斯分類器進(jìn)行分類識(shí)別,給出了實(shí)用的簡(jiǎn)化算法。該方法對(duì)紙幣印刷中的位置偏移不敏感,無(wú)論是在特定國(guó)家的紙幣識(shí)別還是多國(guó)紙幣的自動(dòng)識(shí)別中均取得了很好的效果。針對(duì)部分外幣圖像獲取成本高,訓(xùn)練樣本不足的現(xiàn)狀,論文研究了紙幣退化模擬技術(shù)。分析了紙幣的退化過(guò)程,提出了基于隨機(jī)生長(zhǎng)模型的紙幣退化模擬方法,利用新幣圖像產(chǎn)生大量模擬舊幣圖像,擴(kuò)充了訓(xùn)練集。該方法能較好地模擬紙幣退化,增加訓(xùn)練集樣本數(shù)量,有效提升了識(shí)別率。論文還研究了紙幣涂鴉檢測(cè)技術(shù),提出了用二階高斯濾波器對(duì)紙幣圖像濾波的方法,提取涂鴉特征并對(duì)其進(jìn)行一定程度的增強(qiáng)。為了便于實(shí)際應(yīng)用,設(shè)計(jì)了Haar-like中心線模版對(duì)二階高斯濾波器進(jìn)行簡(jiǎn)化近似,針對(duì)不同方向、粗細(xì)的涂鴉,利用二尺度四方向的Haar濾波模版來(lái)提取涂鴉特征。
【關(guān)鍵詞】：紙幣識(shí)別 紙幣分類 紙幣退化 Haar濾波 涂鴉檢測(cè)
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-10
• 1 緒論10-14
• 1.1 研究背景和意義10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 紙幣圖像特征提取與分類識(shí)別11-12
• 1.2.2 紙幣污損檢測(cè)技術(shù)的研究現(xiàn)狀12-13
• 1.3 論文主要研究?jī)?nèi)容13-14
• 2 基于灰度組合特征的多國(guó)紙幣識(shí)別14-41
• 2.1 現(xiàn)有系統(tǒng)的算法分析14-15
• 2.2 基于特征的紙幣圖像識(shí)別15-20
• 2.2.1 網(wǎng)格特征15-16
• 2.2.2 局部二值模式(LBP)特征16-19
• 2.2.3 Gabor特征19-20
• 2.3 灰度組合特征20-28
• 2.3.1 特征提取21-24
• 2.3.2 基于χ2統(tǒng)計(jì)量的多元正態(tài)性檢驗(yàn)24-27
• 2.3.3 可分性評(píng)價(jià)27-28
• 2.4 分類器的設(shè)計(jì)28-40
• 2.4.1 貝葉斯分類器29-31
• 2.4.2 BP神經(jīng)網(wǎng)絡(luò)31-34
• 2.4.3 K最近鄰分類器34-35
• 2.4.4 實(shí)驗(yàn)結(jié)果與分析35-40
• 2.5 本章小結(jié)40-41
• 3 基于隨機(jī)生長(zhǎng)模型的紙幣退化模擬41-52
• 3.1 紙幣退化情況分析41-42
• 3.2 基于紙幣退化模型的紙幣圖像分析42-45
• 3.3 紙幣退化模擬45-50
• 3.3.1 隨機(jī)生長(zhǎng)模型45-49
• 3.3.2 紙幣退化模擬測(cè)試49-50
• 3.4 本章小結(jié)50-52
• 4 紙幣涂鴉檢測(cè)52-75
• 4.1 基于圖像匹配的紙幣涂鴉檢測(cè)52-56
• 4.1.1 基于塊匹配的圖像配準(zhǔn)52-54
• 4.1.2 基于搜索最小灰度差值的涂鴉檢測(cè)54-56
• 4.2 基于邊緣特征的紙幣涂鴉檢測(cè)56-60
• 4.2.1 邊緣特征的提取57-59
• 4.2.2 利用邊緣特征的涂鴉檢測(cè)59-60
• 4.3 基于均勻性特征的涂鴉檢測(cè)60-63
• 4.3.1 均勻性特征的提取60-62
• 4.3.2 利用均勻性特征的涂鴉檢測(cè)62-63
• 4.4 基于Haar濾波的涂鴉檢測(cè)63-73
• 4.4.1 涂鴉特征的二維濾波器模型設(shè)計(jì)64-67
• 4.4.2 二維高斯濾波器的Haar-Like近似67-70
• 4.4.3 利用Haar濾波實(shí)現(xiàn)涂鴉檢測(cè)70-73
• 4.5 本章小結(jié)73-75
• 5 總結(jié)與展望75-78
• 5.1 全文總結(jié)75-76
• 5.2 展望76-78
• 參考文獻(xiàn)78-80

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 張平,徐問(wèn)之;基于神經(jīng)網(wǎng)絡(luò)多國(guó)貨幣種類的識(shí)別與研究[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);1999年03期

  本文關(guān)鍵詞：紙幣圖像識(shí)別與涂鴉檢測(cè)技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：395638