人民币冠字符号的快速识别

论文摘要

纸币上的冠字符号是纸币的重要特征之一,其不仅是印刷数量的标识,而且在统计货币流通量,货币管理等方面也起着很重要的作用。每张纸币冠字符号都是唯一的,可以用来标识纸币的身份真伪,因此纸币上冠字符号的自动检测具有广泛的应用价值。在科技发达的今天,自动检测纸币冠字符号所需要的理论知识和技术以及硬件技术已经十分成熟。本文首先介绍了整套人民币冠字符号识别的硬件和软件系统。其次详细介绍了一套人民币冠字符号的快速识别算法,包括图像定位、分割、识别算法,在PC验证的基础上,将其移植到DSP处理平台来验证。该算法首先采用分级定位的方式快速定位到冠字符号的区域,并进行旋转校正。其次针对待识别区域运用相关的图像处理技术,本文提出了基于移动平均法分割区域,再用全局阈值OTSU法进行灰阶分割的图像分割混合算法,从而准确地分割出二值化的单个字符,这是是实现正确识别的前提,也是保证系统性能的基础。为了提高字符识别的速度,本文所用的方法为基于结构特征的字符识别算法。针对相似字符,使用基于加权模板的区分器,由于先进行了树分类,所以减少了匹配计算量。分别在Matlab仿真环境和DSP平台上进行实验验证,实验表明该算法在保证正确率的前提下能减少时间的消耗,对于实时人民币冠字符识别有着较好的实用性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1. 课题研究的背景和意义
• 1.2. 国内外研究现状
• 1.3. 纸币冠字符号识别的相关原理
• 1.3.1. 图像数字化技术
• 1.3.2. 字符识别的基本原理
• 1.4. 论文的主要研究内容及结构
• 1.5. 本章小结
• 第2章 人民币图像鉴别系统简介
• 2.1. 硬件部分
• 2.1.1. 系统硬件示意图
• 2.1.2. 系统各部件介绍
• 2.2. 软件部分
• 2.2.1. 数据流的编程
• 2.2.2. 数据处理算法的编程
• 2.3. 本章小结
• 第3章 冠字符号的定位
• 3.1. 图像数据采集
• 3.2. 图像的粗定位
• 3.3. 纸币图像的分类
• 3.4. 待识别区域的定位与校正
• 3.5. 本章小结
• 第4章 图像增强和分割
• 4.1. 图像增强
• 4.1.1. 灰度变换
• 4.1.2. 同态滤波器
• 4.1.3. 图像去噪
• 4.2. 图像分割
• 4.2.1. 灰阶分割
• 1. OTSU方法
• 2. Bersen算法
• 3. 移动平均法
• 4. 算法比较实验
• 4.2.2. 字符分割
• 4.2.3. 本文混合算法
• 4.3. 本章小结
• 第5章 字符识别
• 5.1. 纸币字符识别的特点
• 5.2. 字符识别方法概述
• 5.2.1. 特征提取的方法
• 1. 基于局部特征的特征提取
• 2. 基于全局特征的特征提取
• 3. 基于结构特征的特征提取
• 5.2.2. 分类问题
• 1. 模板匹配分类器
• 2. 最小距离分类器
• 3. 神经网络分类器
• 4. 支持向量机
• 5.3. 基于结构特征的字符识别方法
• 5.3.1. 字符的结构特征
• 1. 横笔画特征
• 2. 竖笔画特征
• 3. 水平穿线交点个数
• 4. 垂直穿线交点个数
• 5. 开口特征
• 5.3.2. 字符分类问题
• 5.4. 相似字符区分器
• 5.5. 实验及结果
• 5.5.1. 仿真实验
• 5.5.2. 基于DM6437平台的性能测试
• 5.6. 本章小结
• 第6章 总结与展望
• 6.1. 本文工作总结
• 6.2. 展望
• 参考文献
• 致谢
• 攻读硕士学位期间科研成果