论文摘要
纸币图像识别是近年来在模式识别领域较为活跃的一个课题,而且有着很广阔的应用前景,由此技术研制的纸币清分机正在银行等金融系统发挥着越来越大的作用。图像识别技术是提高当前纸币清分机清分能力的重要手段。清分机主要实现对纸币的面额、面向及新旧残缺等的清分,要求具有较高的实时性和可靠性。目前,国内的纸币清分机在实际使用过程中存在着对纸币挑残能力弱、在纸币新旧程度以及面额面向分类中一致性差等缺陷,这种情况主要是由于图像识别技术在纸币清分机中的应用不成熟造成的。本文针对这种情况,对纸币面额、面向以及新旧残缺图像识别算法进行了设计和改进,对目前国内纸币清分机的研发具有一定的借鉴意义。识别方法上,以市场上流通的第四版(100元、50元、10元、5元)和第五版(100元、50元、20元、10元、5元)共9种纸币为识别对象,以纸币图像的灰度特征为基础,采用图像处理技术、模式识别技术和神经网络技术,来实现纸币的实时识别,最终实现的识别方法具有较强的适应性。本文主要完成:纸币图像的噪声处理、边缘检测与定位、倾斜校正、纸币图像的特征提取等各种状况的处理任务。并且,根据检测到的数据采用识别纸币的面额、面向、残缺以及新旧程度,从而加以清分。残缺识别方面,采用数学形态学的方法滤除了二值化后纸币图像中黑色的非残缺区域,简化了识别方法;新旧程度识别方面,提出了针对第五版纸币的新旧程度识别方法,采用新旧特征清分区域进行新旧识别,简单易行。实验表明,本文实现的系统满足了纸币识别和清分的技术要求,具有较高的实用价值。