羅帥　婁震

摘 要： 根據(jù)人民幣背面印刷年份作為人民版本識別的特征，進行人民幣版本的識別。提取印刷年份過程包括對圖像的采集、邊緣檢測、圖像旋轉(zhuǎn)、最小值濾波等預(yù)處理，以及采用投影法對印刷年份字符區(qū)域的定位。字符區(qū)域被提取出來以后，再使用八向模板匹配的方法，使待測樣本與模板樣本逐一比較，計算它們的相似度，與待測樣本相似度的最大模板樣本的版本作為待測樣本的版本。采用100張99版和100張05版人民幣圖像作為樣本進行實驗，實驗結(jié)果表明，該方法版本識別率達到97%以上。

關(guān)鍵詞： 人民幣； 版本識別； 投影； 模板匹配； 圖像處理

中圖分類號： TN911.73?34； TP391.41 文獻標識碼： A 文章編號： 1004?373X（2015）18?0072?04

Abstract： The year printed on the back of RMB is taken as the version identification feature to conduct RMB version discrimination. The printed year extraction process includes image acquisition， edge detection， image rotation， mini?value filtering， precise positioning projection for the printed year character region and so on. After the character region is extracted， the eight?direction template matching method is adopted to compare the sampling under detection with the template sampling， calculate their similarity， and then find out the most similar template sampling version as the version of sample under test. 100 pieces of RMB of version 1999 and 100 pieces of RMB of version 2005 were adopted as samples to execute the experiment， and the recognition rate of more than 97% was achieved.

Key word： RMB； version identification； projection； template matching； image processing

0 引 言

人民幣是國家發(fā)行的貨幣符號，是目前貨幣的主要流通形式，在國民經(jīng)濟活動中起著至關(guān)重要的作用[1]。隨著經(jīng)濟的發(fā)展，市場的需求，印刷工藝的提高， 國家每隔一定的時間就會發(fā)行一套新的人民幣，這時舊版本人民幣就需要回收，以避免舊版本與新版本的混合使用，造成市場混亂，此外版本的混用，也不利于對假幣的監(jiān)督。如果使用傳統(tǒng)的人工回收就會造成大量人力資源的浪費且效率低下。所以自動對人民幣版本的識別，將會具有十分重要的意義[2]。

人民幣版本原始的識別方法是人工識別，這種方法會造成人力資源的浪費。目前在人民幣版本識別方面主要有基于紙幣長寬不同進行識別和基于局部區(qū)域的差別。不同版本的人民幣長寬相差很小，甚至第五版50元與第四版5元長寬都一樣，這就無法僅用基于長寬來判斷紙幣的版本[3]。但是不同版本的人民幣背部的印刷年份都不相同，因此利用這一特征，就可以采用基于印刷年份這一局部區(qū)域的差別來進行版本的判別，這能很好地提高人民幣版本的識別率和簡化版本識別方法。

1 圖像的預(yù)處理

圖像的預(yù)處理是圖像識別前十分重要的工作。為了獲取印刷年份，需要對圖像預(yù)處理，包括圖像的灰度化、邊緣檢測、傾斜校正等[4]。因為印刷年份字符位置相對固定，經(jīng)過預(yù)處理就可進行初步的定位和提取，下面以99版100元人民幣為基礎(chǔ)，探討基于印刷年份的人民幣版本識別。

1.1 圖像的采集與灰度化

將人民幣背面向上放在固定位置上，通過攝像裝置拍攝多幅圖像，采集到的圖像是RGB彩色圖，RGB彩色圖幾乎包含了人類視力所能感知的所有顏色，干擾信息較多，而灰度圖只有圖像的強弱信息，此外RGB圖像存儲三種顏色的信息，所需的內(nèi)存要比灰度圖大得多。所以需要把RGB彩色圖轉(zhuǎn)化為灰度圖如圖1所示。本文采用加權(quán)平均法進行圖像的灰度化，灰度化公式采用工業(yè)標準化公式[3]，公式如下：

1.2 圖像的邊緣檢測

檢測圖像邊緣點是為了通過得到的邊緣點進行最小二乘擬合得到邊緣直線，進而得到圖像的傾斜角[5]。從圖1可以看出紙幣的區(qū)域與背景的像素值有十分大的差距，設(shè)紙幣區(qū)域與背景之間閾值為T。由于圖像傾斜緣故，邊緣點可能不在同一條直線上，因此需要從紙幣中間取邊緣點。邊緣點檢測的具體步驟是：x從80到W-80（W為圖像區(qū)域的寬度）由上至下直線搜索上，當(dāng)灰度值發(fā)生階躍性變化即大于T標記為邊緣點，由下至上直線搜索下邊緣點。令上邊緣點為P0（x0，y0），下邊緣點為P1（x1，y1）。y從80到H-80（H為圖像區(qū)域的高度）由左至右直線搜索左邊緣點，由右至左直線搜索右邊緣點。令左邊緣點為P2（x2，y2），右邊緣點為P3（x3，y3）。圖2所示綠點部分標出了錢幣圖像的邊緣。

用檢測到的所有上邊緣點P0，下邊緣點P1，左邊緣點P2，右邊緣點P3進行最小二乘擬合，得到上邊緣直線為[y=k0x+d0]，下邊緣直線為[y=k1x+d1]，左邊緣直線為[y=k2x+d2]，右邊緣直線為[y=k3x+d3]，相鄰邊緣直線的交點就是紙幣的頂點。根據(jù)上邊緣直線的斜率k1得到[cos2θ=1（1+k12）]，傾斜角[θ=arccos11+k12]。

1.3 圖像旋轉(zhuǎn)

邊緣檢測中得到了頂點坐標和傾斜角θ，只需將圖像繞左下角旋轉(zhuǎn)θ度，就可進行圖像旋轉(zhuǎn)校正，得到水平圖像。設(shè)左下角坐標為（x0，y0），原圖像上任意一點為（x，y），旋轉(zhuǎn)之后的坐標為（x1，y1），坐標變換矩陣方程為：

2 印刷年份的提取

2.1 印刷年份的初步提取

印刷年份位置是相對固定的，圖像經(jīng)過預(yù)處理，就可以初步從原圖上切割出印刷年份的圖像，由于切割出來區(qū)域印刷年份字符非常小，不利于識別，需要進行放大處理，本文將分割出來區(qū)域的寬高各放大為原來的4倍。放大后印刷年份初步提取圖像如圖3所示。初步提取出來的圖像范圍較大，有其他的干擾信息，需要進一步精確定位，圖3可以發(fā)現(xiàn)字符區(qū)域灰度值較小，為了使字符的灰度值與背景區(qū)分更加明顯，先將圖像最小值濾波，最小值濾波后的圖像如圖4所示。

2.2 印刷年份的精確定位

印刷年份字符與其他區(qū)域灰度值有明顯差別，且印刷年份字符的高度基本一致。

通過計算印刷年份區(qū)域圖像灰度值的水平投影，得到其水平方向的差分矩陣記為T1，通過掃描矩陣T1得到一個最大值位置即為上邊界，得到一個最小值即為下邊界。假設(shè)有M×N個像素的灰度圖像f（i，j），則水平，垂直投影差值分別如下：

[T1x（i）=fx（i+1）-fx（i）=j=1Mf（i+1，j）-j=1Mf（i，j）] [T1y（j）=fy（j+1）-fy（j）=i=1Nf（i，j+1）-i=1Nf（i，j）]

印刷年份區(qū)域及其水平方向的差分如圖5所示。計算垂直投影，得到其垂直方向的差分矩陣T2，掃描T2得到左邊界和下邊界，印刷年分區(qū)域及其垂直方向的差分如圖6所示。

3 人民幣版本的判別

3.1 字符特征的提取

本文提取的是圖像的八向特征，即提取圖像8個方向的梯度特征作為統(tǒng)計特征[6]?？梢赃x用Sobel算子或Robert算子來計算圖像的梯度，本文選用的是Sobel算子。特征提取步驟如下：選用Sobel算子計算圖像在x方向和y方向的梯度，圖像在點（x，y）處的梯度向量[g（x，y）=][[gx，gy]T]。

根據(jù)上述梯度向量[g（x，y）=][[gx，gy]T]，然后把該向量分解到8個方向上，生成8個梯度子圖，梯度子圖如圖7所示的。

3.2 字符特征的識別

將提取的特征向量與模板中的特征向量逐一比較，計算兩向量之間的歐氏距離[7]。與待測樣本相似度的距離最小的模板樣本的版本作為待測樣本的版本。假設(shè)第i個模板的特征向量為[Zi]，圖像提取的特征為X，它們之間的歐氏距離如下：

[Di=（X-Zi）T（X-Zi）]

4 實驗結(jié)果

本實驗選取了100張99版和100張05版的100元人民幣樣張，模板樣本有99版和05版的圖像，將待測樣本與模板樣本一一匹配，與待測樣本最為相似（即歐氏距離最?。┑哪０鍢颖镜陌姹咀鳛樽R別結(jié)果，最終實驗結(jié)果如表1所示。

表1 識別結(jié)果

從表1可以看到，利用人民幣紙幣背面印刷年份特征這一特征進行版本識別具有很高的識別率，在進行八向模板匹配后，其99版和05版人民幣的識別都比較理想，完全可以應(yīng)用到實際的系統(tǒng)中。

5 結(jié) 語

本文通過對圖像處理中已有算法的研究，實現(xiàn)了八向模板匹配的人民幣版本的識別，取得了良好的實驗效果。這種識別技術(shù)不僅可以運用到紙幣識別當(dāng)中，還可以運用到銀行卡號，車牌號碼等識別當(dāng)中[8]。當(dāng)然，該方法也有不足之處，對于紙幣有褶皺或殘缺會影響實驗識別效果，而且紙幣的新舊等差別也會對實驗結(jié)果產(chǎn)生一定的影響，這是有待進一步改進的。

參考文獻

[1] 張露.貨幣倫理研究[D].南京：南京師范大學(xué)，2012.

[2] 吳凱波.人民幣均衡匯率的實證研究[D].昆明：云南財經(jīng)大學(xué)，2011.

[3] 丁瑞昕.紙幣清分機圖像識別系統(tǒng)的研究與設(shè)計[D].鞍山：遼寧科技大學(xué)，2008.

[4] 高麗燕.基于DSP+FPGA的圖像識別系統(tǒng)設(shè)計與實現(xiàn)[D].南京：南京理工大學(xué)，2006.

[5] 于新瑞，王石剛，王高中，等.數(shù)字圖象直線特征的亞像素位置檢測[J].光學(xué)技術(shù)，2004（2）：138?141.

[6] 凌璐.美元紙幣關(guān)鍵信息的圖像檢測以及號碼識別[D].南京：南京理工大學(xué)，2012.

[7] 王琪，萬中南，韓俊偉.基于圖像中心矩和特征向量的目標識別方法[J].激光與紅外，2009（8）：895?898.

[8] 梁琎，包志強.人民幣冠字號碼的提取與識別[J].現(xiàn)代電子技術(shù)，2013，36（11）：70?74.

[9] 劉倩.基于圖像處理的水廠水質(zhì)濁度檢測系統(tǒng)[D].廈門：廈門大學(xué)，2013.