本文描述的人民币序列号识别系统实现了从图像预处理到识别结果的过程, 而序列号识别是本文的重要内容.以序列号区域为研究对象, 主要包括图像预处理、图像分割以及序列号识别等过程。
1 图像预处理
人民币图像总体上来说灰度偏高, 灰度值基本上都大于150 (对8位256灰度级而言) , 所以为了突出特征模块 (人民币序列号部分) , 处理时常常采用规定化处理, 首先判断整幅图像的灰度分布情况 (偏白或偏暗) , 然后将所需图像的灰度直方图进行变换.
本系统以较复杂的人民币纸币序列号识别功能实现过程为研究模型, 以人民币正面正向左下角双色异形横号码区作为特征模块来介绍后续的图像处理与识别处理过程.首先识别出纸币的正面正向 (由磁性传感器检测信号识别) , 然后将左下角包含序列号的一个大体区域P0提取出来, 以后的图像处理工作就以P0为对象, 从而减少了所需处理的数据量.
图1 获取的灰度图像
图2 序列号特征区域
然后利用图像增强技术处理序列号区域P0, 由于其较小, 像素数量不多, 可采用空间域图像增强的方法, 主要在以下两方面对P0进行增强处理:一是采用灰度修正的方法突出图像中的序列号部分, 二是去除图像中边缘部分的噪声和内部的孤立点噪声, 以达到增强的目的.
步骤1序列号模块的灰度修正
针对流通人民币新旧程度的差异, 首先对P0进行灰度统计, 然后根据总体灰度的不同来设置不同的灰度变换域值, 从而通过灰度修正达到对P0部分进行增强的目的.
步骤2序列号模块的噪声去除
因为噪声一般频率都比较高, 在频率域内用低通滤波器进行图像平滑, 空域滤波是通过模板运算进行的.线性平滑滤波器对去除高斯噪声有很好的效果, 且在大多数情况下, 对其它类型的噪声也有很好的效果, 但由于均值滤波中要求取各像素灰度