基于单根CIS的人民币冠字号识别技术研究

摘要

现在市场上的伪币不少，不仅给人民群众的财产造成严重损失，而且还扰乱了金融市场。由于人民币冠字号具有唯一性，因此可以利用这个特性来鉴别人民币的真伪。已有的具有冠字号检测功能的金融设备基本都用双根 CIS或来采集图像。CCD价格昂贵，无法大范围的使用。在有的金融设备内部空间狭窄，无法满足双根CIS的安装要求。本文所使用的单根 CIS能有效地解决这个问题，并且能满足识别率不低于99.7％的国标要求，同时达到识别速度不低于500张/min的自动取款机性能要求。用单根CIS采集到的图像，人民币正反两面叠加在一起，这样会造成图像背景复杂，噪声增加，因此图像预处理显得尤其重要。本文的预处理流程是：边缘检测、倾斜校正、滤波、图像二值化、冠字号区域提取、过滤孤立噪点、字符分割及归一化。其中去噪和二值化最重要，去噪主要包括滤波去噪和去掉孤立的噪点。本文采用一种局部动态二值化方法，在保证速率的同时提升了二值化的处理效果。经过预处理后得到的是10个冠字号字符图像。
　　本文根据冠字号的字符特点设计并且实现了三种字符识别算法：模板匹配法、基于字符结构特征法以及人工神经网络法。本文利用字符图像是二值图像的特点，简化匹配率的计算过程，大大降低了模板匹配法的计算量；根据字符的结构特征，创建了稳定的特征树；依据数字集合的特征，创建了训练速度快而且识别率高的人工神经网络，识别率能达到99.9%。结合这三种字符识别算法的优点，针对冠字号的特点，提出了一种联合识别方法。该系统中冠字号的前4个字符采用模板匹配法结合特征法来识别，弥补了模板匹配对字形相近的字符识别率低的缺点；后6个字符则采用人工神经网络算法来识别，充分发挥了神经网络法对数字字符识别率高的优点，并且对识别算法进行了优化：由于冠字号第二至第四个字符中有且仅有一个字母，字母数量不为1时，则根据模板匹配法的匹配结果对结果进行纠正，能有效的保证字母的数量为1，提高了识别率；根据标准误差反转算法的理论缺陷提出几项改进方法，包括增加动量项和自适应调节学习率，神经网络的学习速率能提升50%。测试结果表明，系统的识别速率能达到650张/min，识别率为99.73%，达到了相应要求。目前，本文所设计的识别系统已经被应用于市场上的自动取款机上。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 本课题的研究背景及意义

1.2 本课题的研究现状及发展前景

1.3 主要研究内容

1.4 论文的结构安排

第二章 冠字号自动识别系统

2.1 硬件平台搭建

2.2 单双根CIS图像采集对比

2.3 系统软件流程

2.4 本章小结

第三章 预处理算法的设计与实现

3.1 图像边缘检测

3.2 图像倾斜校正

3.3 滤波去噪

3.4 图像二值化

3.5 冠字号区域提取

3.6 连通域的标记及过滤噪点

3.7 字符分割及归一化

3.8 小结

第四章 识别算法的设计与实现

4.1 OCR技术介绍

4.2 冠字号字符特点

4.3 常用的字符识别算法

4.4 人工神经网络法

4.5 小结

第五章 识别算法的优化及系统测试

5.1 识别算法的优化

5.2 系统测试与性能分析

5.3 小结

第六章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献