一种钞票斑马线识别检伪方法
阅读说明：本技术 一种钞票斑马线识别检伪方法 (Banknote zebra crossing identification and counterfeit detection method ) 是由 闫春林 富斌 高玉峰 安永冠 余立群 陈伟斌 吕海龙 余家俊 于 2020-12-31 设计创作，主要内容包括：本发明公开一种钞票斑马线识别检伪方法,包括以下步骤：1)获取钞票红外透射光图像,并提取斑马线所在区域的红外透射光的灰度图像；2)计算灰度图像的每行像素平均值,形成一组数据；3)选取卷积核,对这组数据进行两次卷积运算,获取到斑马线黑白条的中心点位置数据；4)对斑马线黑白条中心点位置数据进行处理,去除不符合要求的数据；5)根据斑马线黑白条中心点位置计算斑马线的特征数据；6)将斑马线特征数据与预设的数据对比,以此判断斑马线的真伪有无。本发明钞票斑马线识别检伪方法采用卷积运算,可以快速有效的去除钞票由于污渍褶皱而产生的图像噪声、以及红外光源不均匀而产生的图像亮度不一致。(The invention discloses a bank note zebra crossing identification and false detection method, which comprises the following steps: 1) acquiring an infrared transmission light image of the bank note, and extracting a gray level image of the infrared transmission light of an area where the zebra crossing is located; 2) calculating the average value of each row of pixels of the gray level image to form a group of data; 3) selecting a convolution kernel, and performing convolution operation on the group of data twice to obtain central point position data of the zebra crossing black and white bars; 4) processing the data of the central point of the zebra crossing black and white stripes, and removing the data which do not meet the requirements; 5) calculating the characteristic data of the zebra stripes according to the central point positions of the black and white stripes of the zebra stripes; 6) and comparing the zebra crossing characteristic data with preset data so as to judge whether the zebra crossing is true or false. The banknote zebra crossing identification and false detection method adopts convolution operation, and can quickly and effectively remove image noise generated by stains and wrinkles of the banknote and inconsistent image brightness generated by uneven infrared light source.)
技术领域
本发明涉及一种钞票识别检伪技术，具体为一种钞票斑马线识别检伪方法。
背景技术
点钞机是一种自动清点钞票数目的机电一体化装置，一般带有伪钞识别功能，集计数和辨伪钞票的机器。
由于国内现金流通规模庞大，各企事业单位及金融机构现金处理工作繁重，点钞机已成为不可缺少的设备。随着印刷技术、复印技术和电子扫描技术的发展，伪钞制造水平越来越高，必须不断提高点钞机的辨伪性能。
自从人民币点钞机金标颁布以来，给点钞机带来了新一轮的发展，原有的检测技术亟待完善。
钞票在使用和流通过程中，其表面难免会有污渍褶皱等现象出现，且不同点钞机的红外灯光的亮度及均匀度不同，这些因素对于其红外透射图像都会存在一定影响。这对于采用图像识别检伪的系统来说，如何快速有效的去除噪声并获得更为真实的斑马线参数显得尤为重要。
现有的点钞机检测斑马线方法，一般是针对图像的像素值做均值算法和阈值算法，或做梯度算法，这些算法很难避免噪声和污渍影响，不能精准的识别斑马线的黑白条纹的宽度以及分界点。
发明内容
针对现有点钞机存在的上述不足，本发明要解决的问题是提供一种更为有效、精准、快速的钞票斑马线识别检伪方法
为解决上述技术问题，本发明采用的技术方案是：
本发明提供一种钞票斑马线识别检伪方法，包括以下步骤：
1)获取钞票红外透射光图像，并提取斑马线所在区域的红外透射光的灰度图像；
2)计算灰度图像的每行像素平均值，形成一组数据；
3)选取卷积核，对这组数据进行两次卷积运算，获取到斑马线黑白条的中心点位置数据；
4)对斑马线黑白条中心点位置数据进行处理，去除不符合要求的数据；
5)根据斑马线黑白条中心点位置计算斑马线的特征数据；
6)将斑马线特征数据与预设的数据对比，以此判断斑马线的真伪有无。
步骤1)中的灰度图像是在钞票整张红外透射图像中，以固定宽度和高度获取的斑马线灰度图。
步骤2)中的一组数据是对斑马线灰度图的每行像素总和除以宽度后获取的算术平均值，这些算术平均值的数量为图像高度值。
步骤3)中选取卷积核为：设黑条高度为x，白条高度为y，则斑马线高度为H＝x+y；以hH(b)＝1,(b＝0,1,......H-1)作为第一次卷积运算的卷积核，以hH/2(b)＝1,(b＝0,1,......H/2-1)作为第二次卷积运算的卷积核。
步骤3)中两次卷积运算为：
设图像高度为W，第一次卷积运算的卷积对象为斑马线行像素算术平均值f(t)，其中t＝(0,1,......W)，即其中a＝0,1,......W；
然后进行差值运算f1(a)＝f(t)-g(a)，消除亮度不均匀的影响；
第二次卷积运算的卷积对象为f1(a)，即
消除污渍和褶皱产生的噪声。
步骤3)中获取斑马线黑白条中心点位置为，对f2(a)第二次卷积运算形成的数据筛选极值，其中极大值为斑马线白条中心点，极小值为斑马线黑条中心点。
步骤4)中对斑马线黑白条中心点位置数据进行处理，即两个相邻极值点的距离区间为[H/2-δ,H/2+δ]，δ取[H*10％,H*20％]，通过筛选获得新数据。
步骤5)中斑马线的特征数据包括：黑条高度数据集、白条高度数据集、黑条高度近似的数量、白条高度近似的数量以及黑白交替出现连续次数。
本发明具有以下有益效果及优点：
1.本发明钞票斑马线识别检伪方法采用卷积运算，可以快速有效的去除钞票由于污渍褶皱而产生的图像噪声、以及红外光源不均匀而产生的图像亮度不一致。
2.本发明运算对象只是对图像的行像素均值，其消耗的时间和资源非常有限，对于整个点钞机检伪系统非常有利，对于拥有类似特征的其他纸币钞票，同样可以适用此方法。
附图说明
图1为本发明钞票斑马线识别检伪方法控制流程图。
图2为本发明方法涉及的钞票红外透射灰度图；
图3为通过本发明方法提取的斑马线灰度图；
图4为2005年发行的人民币100元的钞票红外透射灰度图；
图5为本方法针对图4真钞的卷积运算对比图；
图6为假钞(无斑马线)2005年发行的人民币100元的钞票红外透射灰度图；
图7为本发明方法及系统针对图6假钞的卷积运算对比图；
图8为2005年发行的100元纸钞通过本发明方法获得的斑马线参数绘出的黑条和白条效果图；
图9为2015年发行的100元纸钞通过本发明方法获得的斑马线参数绘出的黑条和白条效果图。
具体实施方式
下面结合说明书附图对本发明作进一步阐述。
如图1所示，本发明提供一种钞票斑马线识别检伪方法，包括以下步骤：
1)获取钞票红外透射光图像，并提取斑马线所在区域的红外透射光的灰度图像；
2)计算灰度图像的每行像素平均值，形成一组数据；
3)选取卷积核，对这组数据进行两次卷积运算，获取到斑马线黑白条的中心点位置数据；
4)对斑马线黑白条中心点位置数据进行处理，去除不符合要求的数据；
5)根据斑马线黑白条中心点位置计算斑马线的特征数据；
6)将斑马线特征数据与预设的数据对比，以此判断斑马线的真伪有无。
步骤1)中，获取钞票的红外透射灰度图像，是在钞票整张红外透射图像中，以固定宽度和高度获取的斑马线灰度图。根据图像预设斑马线参数，包括黑条高度数据集，白条高度数据集，黑条高度近似的数量，白条高度近似的数量，黑白交替出现连续次数。
步骤2)中的一组数据是对斑马线灰度图的每行像素总和除以宽度后获取的算术平均值，这些算术平均值的数量为图像高度值。
提取斑马线所在区域的红外透射灰度图像，并获得以图像高度(行)W和宽度(列)L为标定的一个二维数组；对这个二维数组的每行的所有像素计算其算术平均值，并获得以图像高度(行)W为标定的一个一维数组f(t)，其中t＝(0,1,......W)；
步骤3)中选取卷积核为：设黑条高度为x，白条高度为y，则斑马线高度为H＝x+y；以hH(b)＝1,(b＝0,1,......H-1)作为第一次卷积运算的卷积核，以hH/2(b)＝1,(b＝0,1,......H/2-1)作为第二次卷积运算的卷积核。
对这个二维数组的每行的所有像素计算其算术平均值，并获得以图像高度(行)W为标定的一个一维数组f(t)，其中t＝(0,1,......W)；
第一次卷积运算，选取卷积核为hH(b)＝1,(b＝0,1,......H-1)，卷积对象为f(t)，即其中a＝0,1,......W；
差值运算，即f1(a)＝f(t)-g(a)，消除亮度不均匀的影响；
第二次卷积运算，选取卷积核为hH/2(b)＝1,(b＝0,1,......H/2-1)，卷积对象为f1(a)，即消除污渍和褶皱产生的噪声；
对f2(a)形成的数据筛选极值，其中极大值为斑马线白条中心点，极小值为斑马线黑条中心点；
步骤4)中对斑马线黑白条中心点位置数据进行处理，即两个相邻极值点的距离区间为[H/2-δ,H/2+δ]，δ取[H*10％,H*20％]，如果距离不合理，则剔除，通过筛选后获得新数据f3(a)；
步骤5)中以f3(a)的数据为依据，获得斑马线参数，主要包括：黑条高度数据集，白条高度数据集，黑条高度近似的数量，白条高度近似的数量，黑白交替出现连续次数。
如图2所示，为获取到的钞票的红透射灰度图像，其中可以看到斑马线的黑条和白条。
如图3所示，为以固定的宽度和高度获取到的斑马线红外透射灰度图像，其中W为图像高度，L为图像宽度，x为黑条高度，y为白条高度，H为斑马线高度。
如图4所示，为本发明采集的2005版人民币100元的钞票红外透射灰度图，可以看到有明显的斑马线。
如图5所示，为本发明对图4的斑马线区域进行卷积运算后的对比图。图标A是斑马线的行像素平均值的投影图，Y轴为行像素均值，X轴为行号；由于灯光均匀度和污渍褶皱等噪声，体现出一定的数据波动。图标B是第一次卷积和差值运算后的投影图，消除了灯光均匀度引起的噪声。图标C是第二次卷积运算后的投影图，消除了污渍褶皱等噪声。竖线a和竖线b所包括的区域及斑马线的白条区域，图标C投影图的波峰点则为白条区域的中心点位置，波谷点则为黑条区域的中心点位置。
如图6所示，为本发明采集的假钞(无斑马线)2005版人民币100元的钞票红外透射灰度图；可以看到斑马线已经缺失。
如图7所示，为本发明对图6的假钞(无斑马线)斑马线区域进行卷积运算后的对比图。图标A是斑马线的行像素平均值的投影图，Y轴为行像素均值，X轴为行号。图标B是第一次卷积和差值运算后的投影图。可以看出图标A和图标B数据几乎无规律可寻。图标C是第二次卷积运算后的投影图，可以看到纵坐标的数据跨度很小，几乎在±1之内，且无周期性，这些指标都可以作为无斑马线的判读依据。
如图8(2005版100元)和图9(2015版100元)所示，是经过本发明方法获得的斑马线参数绘图与实际图像的对比图，契合度高度统一。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：可联动开关门的票据推出装置及票据处理设备