人民币纸币识别论文-冷素汝

人民币纸币识别论文-冷素汝

导读:本文包含了人民币纸币识别论文开题报告文献综述及选题提纲参考文献,主要关键词:纸币清分机,图像清分识别,特征提取,图像二值化

人民币纸币识别论文文献综述

冷素汝[1](2016)在《人民币纸币智能识别系统研究与设计》一文中研究指出目前市面上每天流通的纸币数量非常庞大,金融行业内部纸币的整理清分工作繁重,怎样快速精确的对纸币进行清分在金融行业中目前存在困难和问题,纸币清分算法能使繁琐的纸币清分工作变得简易、快捷和可靠,从而有效的提高金融行业的工作效率,从这一点出发,研究和设计人民币纸币智能识别系统具有重要的意义和价值。本文对人民币纸币智能识别中的纸币边缘点的序列异常点检测与剔除问题及其目前的研究现状进行了综述,分析并指出了有关其研究的局限性。针对国内通用的人民币,采用数字图像处理及模式识别技术,设计与实现了一套纸币清分识别算法,包括面额清分、朝向面向清分、版别清分、新旧清分和残缺清分等。具体研究的内容如下:(1)本文设计的清分算法在不影响纸币清分准确率的同时复杂度都较低,大大减少了程序耗时,能很好的满足纸币清分系统的实时性要求。在进行纸币清分识别之前,需对纸币图像进行预处理操作,主要包括纸币边缘检测、纸币特征区域提取、纸币图像增强和纸币图像二值化,其中本文巧妙的了运用了纸币特征区域提取算法,在特征提取的同时就已将目标区域旋转。(2)纸币边缘点的序列中的异常点的检测与剔除方法的优化设计,以及线性拟合方法在异常点存在的情况下的直线拟合的准确性研究和最小二乘法在纸币边缘线拟合的有针对性的改进研究。图像处理最重要的就是二值化之后图像的效果,本文结合了两大主流二值化算法Otsu和Bernsen,设计了一种效果较好的二值化算法,可以降低算法复杂度、减少程序运行时间,有利于后续纸币图像清分识别。从面向对象的角度,运用标准建模语言UML,设计和实现了一个人民币纸币智能识别系统原型,并且构建了一个实际的实验和测试环境,对系统进行了测试,测试结果表明:原型系统在面额清分、朝向面向清分、版别清分、新旧清分和残缺清分具有较好的智能识别的功能,达到了预期要求。(本文来源于《湖南大学》期刊2016-11-16)

焦梦姝,彭佳红[2](2015)在《人民币纸币面额手机识别系统设计研究》一文中研究指出纸币识别技术是机器学习和模式识别技术的重要应用,纸币图像识别系统作为一个比较独立的模块,已经广泛应用到自动存取款机、无人售货机、自动售票机等中。本设计研究基于Android开发平台,系统服务器端主要包括接收客户端上传的纸币图像、调用MATLAB程序识别图像、返回识别结果给客户端以及纸币图像处理,其中纸币图像处理包括图像裁剪、反色、二值化等图像预处理功能与遗传算法惩罚因子和核函数参数寻优、支持向量机(SVM)训练识别模型;客户端包括选择本地图库中的纸币图像、调用本地摄像头拍照并存储、上传纸币图像和语音播放输出识别结果等。系统为手机识别人民币纸币真伪提供一定技术支持,具有有效性和实用性,有利于保护视障人士在货币交易管理中的权益。(本文来源于《电脑知识与技术》期刊2015年17期)

卢伯雄[3](2015)在《怎样识别第叁套人民币纸币的暗记》一文中研究指出第叁套人民币各有什么暗记第叁套人民币纸币系我国自行设计、采用国产纸印刷的一套纸币,发行开始就经历了新中国经济较困难时期,使用的时间有37年多。1.1960年枣红1角,正背面双凹印刷,触摸正背的花纹,银行名等有极强烈的凸凹感。是第叁套纸币中较特(本文来源于《东方收藏》期刊2015年05期)

李欣[4](2015)在《基于TMR传感器的人民币纸币鉴别与面值识别技术研究》一文中研究指出随着我国经济的发展与国际地位的提高,人民币纸币发行量和国内外流通量不断增加,但假币也随之不断出现且数量和种类并呈逐年递增趋势。在银行、车站等场所,每天都有大量现金流入流出。为鉴别种类繁多的高仿假币,同时为提高纸币面值识别的准确性与快速性,一方面需要国家造币部门不断改进和增加机读特征,另一方面迫切需要金融机具研发生产企业不断升级、改进人民币纸币鉴别与面值识别技术。磁信号作为人民币重要的机读特征,研究基于磁信号检测的人民币纸币鉴别与面值识别技术具有重要意义。TMR传感器是一种灵敏度高、温度特性好、输出信号强的新型磁阻传感器,非常适用于检测人民币纸币磁信号。鉴于此,本文利用TMR金融磁头在磁信号检测数据采集实验平台上检测纸币磁信号,并设计了基于磁信号检测的纸币鉴别与面值识别技术研究方案。针对采集的磁信号,利用小波变换技术对信号降噪并分别采用改进的能量差法和门限阈值法提取有效磁信号以减少数据冗余并实现数据压缩;提取信号特征并确定判定阈值,然后建立特征样本库,基于冠字码磁信号设计纸币鉴别算法,基于安全线磁信号设计并改进纸币面值识别算法。针对纸币鉴别与面值识别技术的国标要求,本文设计并提出了以下研究方案:(1)纸币磁信号预处理与特征提取技术研究鉴于国家对点验钞机在纸币鉴别与面值识别技术上具有准确性、快速性的高指标要求,针对纸币磁信号的噪声、冗余及无用数据会导致原信号失真变形而降低纸币鉴别与面值识别准确性与快速性的问题,本文提出磁信号预处理与特征提取技术研究方案,该方案实现了降噪并剔除了信号中的冗余及无用数据,保留了有效信号并实现了特征提取与数据压缩,大大提高了后续纸币鉴别与面值识别算法的准确性和快速性。首先,综合分析均值滤波、中值滤波以及小波变换等叁种降噪技术的降噪性能;其次,深入研究能量比法、能量差法、门限阈值法在有效信号提取方面的特点,对比分析以上叁种方法的准确性与可靠性;最后,对磁信号数据提取时域特征并统计阈值范围,根据判定阈值建立特征样本库,为后续纸币鉴别与面值识别算法的设计、验证和改进提供数据源。(2)基于冠字码磁信号的纸币鉴别技术研究针对目前金融磁头检测到的冠字码磁信号特征规律不明显的问题以及部分点验钞机对冠字码磁信号仅定性检测导致漏辨“拼凑币”、“涂磁币”等问题,本文提出利用TMR金融磁头检测冠字码磁信号并在此基础上设计算法鉴别纸币,通过TMR检测得出冠字码磁信号内部固有特征规律,将定性检测提高到了定量检测水平,并以离线仿真的方式解决了对“拼凑币”、“涂磁币”的漏辨问题。本文分别设计了最近邻算法和BP神经网络算法鉴别纸币,从线性和非线性两个角度研究并论证了基于冠字码磁信号的纸币鉴别技术的可行性、准确性与可靠性;最后仿真实验证明:在现有实验条件下,最近邻算法和BP神经网络算法均可鉴别纸币,但是鉴于实验数据的局限性与假币的多样性以及BP神经网络算法分类性能的优越性,优先选择BP神经网络算法鉴别纸币。(3)基于安全线磁信号的纸币面值识别技术研究鉴于TMR金融磁头检测到的不同面值纸币安全线磁信号特征规律稳定、明显且可区分性较大,针对目前部分点验钞机存在计数、金额累加、面额显示不准确以及点验钞机在基于图像技术识别纸币时速度慢、成本高等问题,本文提出利用TMR金融磁头检测安全线磁信号并在此基础上设计并改进算法识别纸币面值,该方案以离线仿真的方式解决了点钞计数、金额显示及累加不准确的问题,取得了快速、准确识别纸币面值的效果。首先,训练SVM分类模型并根据经验设定SVM相关参数,利用训练好的SVM模型识别纸币面值;其次,对比分析网格搜索算法、粒子群算法、遗传算法优化的SVM模型在识别纸币面值时的分类性能;最后,实验仿真得出,遗传算法在优化SVM时具有收敛性好、计算精度高、计算时间短、鲁棒性高等优点,GA-SVM识别纸币面值时准确率最高。设计基于磁信号检测的纸币鉴别与面值识别技术研究方案,根据此方案搭建磁信号检测数据采集实验平台,利用TMR金融磁头在此实验平台上采集冠字码和安全线磁信号数据,对数据进行小波降噪、提取有效信号、提取特征并统计特征阈值,根据特征阈值建立特征样本库,基于冠字码磁信号设计BP神经网络算法鉴别纸币,纸币鉴别准确率达100%,基于安全线磁信号设计并改进SVM算法识别纸币面值,识别准确率达98.3%。实验仿真结果验证了基于磁信号检测的纸币鉴别与面值识别技术研究方案的可行性、正确性与可靠性,同时为点验钞机等金融机具中的基于磁信号的纸币鉴别与面值识别技术的升级提供理论和实验基础。(本文来源于《杭州电子科技大学》期刊2015-03-01)

陈正伟,朱建华,周律,刘浏[5](2014)在《人民币纸币冠字号码字符识别方法研究》一文中研究指出以倾斜校正算法和模式识别算法2项核心技术为目标,充分利用霍夫变换法和最小二乘法在直线检测中的优点,采用一种结合霍夫变换法和最小二乘法的直线检测算法来求得人民币纸币图像的边缘直线及边缘直线的倾斜角度参数,并采用图像旋转变换算法实现对原倾斜人民币图像的倾斜校正。采用Hopfield神经网络的联想记忆功能,缩小待识模式与标准模板的差异,再用模板匹配法对Hopfield神经网络的输出结果进行识别,得到最终的识别结果。实验证明,结合Hopfield神经网络和模板匹配法的人民币冠字号码识别方法具备较高的识别率。(本文来源于《浙江科技学院学报》期刊2014年06期)

董静,王立峰[6](2014)在《颜色传感器在人民币纸币识别系统中的应用》一文中研究指出介绍一种基于TCS230颜色传感器的人民币纸币面值识别方法。在点钞机人民币纸币识别系统中,以单片机为核心,利用两个TCS230分别对人民币纸币水印位置和人像位置进行颜色检测,将采集到的频率信号送入单片机中进行数据处理。采用RGB色彩空间转换到HSV色彩空间的颜色算法,根据转换得到的亮度和色调值判别纸币颜色,进而得到被测纸币的面值。实验结果表明,该系统具有良好的精度。(本文来源于《微型机与应用》期刊2014年09期)

童巨红[7](2014)在《基于图像处理的人民币纸币特征提取与识别的研究》一文中研究指出伴随着社会经济的快速发展,越来越多的行业和领域都实现了信息化和自动化,银行业务的全面自动化将是银行业发展的必然趋势,纸币清分机的智能化将是银行业务自动化最好的体现,基于国内纸币清分机技术都有一定的缺陷,存在着分类准确性差,易受环境制约,挑残能力差等缺陷。本文针对基于图像处理的纸币特征识别技术进行了深入的研究和分析。本文主要采用目前流通的人民币第四版、第五版作为识别样本图像,在研究特征识别之前,先对采集到的待处理纸币图像进行预处理,文中分析了纸币图像的预处理算法,主要包括图像的增强,倾斜校正和图像分割叁大部分。采用线性增强以及空域滤波增强的方法实现了图像的对比度增强。对于图像的倾斜校正,采用的是多级Hough变换,用由粗到细的角度搜索步长进行图像的倾斜检测,并根据倾斜角度来使用双线性差值法进行旋转校正。图像的分割采用基于区域定位的分割算法,粗略定位序列号所在区域。纸币面额识别中,分析和比较一维灰度投影算法和二维模板匹配算法,针对算法的计算量问题,采用了基于一维灰度投影的匹配算法,该算法主要原理是,对纸币图像分别进行水平投影和纵向投影变换,将二维纸币图像转换为一维图像之后再进行匹配试验。识别实验获得了95%以上的识别率,相对理想。并在已知纸币面额和版本基础上,针对不同种类的纸币建立和训练相应的改进后的SOFM神经网络,实现了对纸币图像四种面向的识别,识别率高于95%。针对纸币序列号识别,反复采用投影法来实现序列号字符分割,通过逐像素特征提取法提取字母和数字的灰度特征来作为输入建立网络模型,采用两个不同的BP神经网络对字母和数字分别进行识别,完成对序列号的识别,系统中数字和字母的识别率均在在96%以上。最后通过纸币图像直方图变化分析及阈值分割实现了对纸币的新旧及残损的识别。实验结果表明,本文研究的纸币图像识别算法可以满足纸币清分的相关技术要求。(本文来源于《武汉理工大学》期刊2014-04-01)

王焱,刘洋,宋百春[8](2013)在《人民币纸币号码识别算法研究》一文中研究指出为了提高人民币纸币号码识别算法的适应度,基于字符结构特征的思想,提出了一种利用多个相互补偿结构特征的人民币号码识别算法,并研究了包括人民币号码的图像定位、图像的二值化、单个字符分割、字符大小归一化等图像预处理过程。对人民币纸币号码的字母排列、数字排列以及它们的组合排列分别进行了算法设计,以字母、数字组合排列识别程序的部分流程图为例做了算法阐述。利用ARM嵌入式系统对叁组识别程序进行了实验验证,并对实验过程中遇到的字符字体差异、字符干扰问题提出了应对方法。通过对叁组识别程序识别正确率的统计可以看出,该算法有较高的识别精度,能较好地满足实际需求。(本文来源于《计算机工程与科学》期刊2013年08期)

陶胜[9](2013)在《人民币纸币号码的快速识别》一文中研究指出探讨人民币纸币号码的快速识别,首先要将采集到的人民币纸币图像进行去噪、二值化、细化、剔除毛刺、字符分割等预处理,然后针对人民币纸币号码只有数字和大写字母的特殊性,设计出一种基于字符结构特征和拓扑特征的数字和字母识别方法。最后应用Matlab编程实现了人民币纸币号码的快速识别。仿真实验表明,该识别方法具有识别率高、速度快、抗噪能力强等优点。该方法对车牌识别和汉字手写体识别的研究有一定的借鉴和指导作用。(本文来源于《电脑编程技巧与维护》期刊2013年03期)

刘洋[10](2012)在《人民币纸币号码识别算法的研究》一文中研究指出由于中国人口众多,所以钞票的发行量巨大,由钞票带来这许多的社会问题,特别是许多恶性犯罪往往和现钞有关系,例如抢劫银行、绑架、制造假钞等。利用OCR(OpticalCharacter Recognition光学字符识别)技术,来实现人民币号码快速识别,可以完成纸币跟踪,从而解决上述问题。国内外相关的机构已经做了大量的工作和研究,但依然存在不足之处。人民币号码图像的处理算法和识别算法是实现人民币号码自动识别的关键技术,这里以第五版一百元人民币为研究对象,对人民币号码图像的预处理过程做了研究,包括快速滤波过程,人民币字符串图像的定位方法,图像二值化分割方法,字符分割,大小归一化。选择了一种基于叁种字符结构特征的识别算法,并对给出了人民币号码具体的识别算法和算法流程图。利用ARM嵌入式系统对识别程序进行了实验验证,并对实验过程中遇到的字符字体差异、字符干扰问题提出了应对方法。通过对识别程序识别正确率进行的统计,可以看出该算法有较高的识别精度,能较好地满足实际需求。(本文来源于《辽宁工程技术大学》期刊2012-12-01)

人民币纸币识别论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

纸币识别技术是机器学习和模式识别技术的重要应用,纸币图像识别系统作为一个比较独立的模块,已经广泛应用到自动存取款机、无人售货机、自动售票机等中。本设计研究基于Android开发平台,系统服务器端主要包括接收客户端上传的纸币图像、调用MATLAB程序识别图像、返回识别结果给客户端以及纸币图像处理,其中纸币图像处理包括图像裁剪、反色、二值化等图像预处理功能与遗传算法惩罚因子和核函数参数寻优、支持向量机(SVM)训练识别模型;客户端包括选择本地图库中的纸币图像、调用本地摄像头拍照并存储、上传纸币图像和语音播放输出识别结果等。系统为手机识别人民币纸币真伪提供一定技术支持,具有有效性和实用性,有利于保护视障人士在货币交易管理中的权益。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

人民币纸币识别论文参考文献

[1].冷素汝.人民币纸币智能识别系统研究与设计[D].湖南大学.2016

[2].焦梦姝,彭佳红.人民币纸币面额手机识别系统设计研究[J].电脑知识与技术.2015

[3].卢伯雄.怎样识别第叁套人民币纸币的暗记[J].东方收藏.2015

[4].李欣.基于TMR传感器的人民币纸币鉴别与面值识别技术研究[D].杭州电子科技大学.2015

[5].陈正伟,朱建华,周律,刘浏.人民币纸币冠字号码字符识别方法研究[J].浙江科技学院学报.2014

[6].董静,王立峰.颜色传感器在人民币纸币识别系统中的应用[J].微型机与应用.2014

[7].童巨红.基于图像处理的人民币纸币特征提取与识别的研究[D].武汉理工大学.2014

[8].王焱,刘洋,宋百春.人民币纸币号码识别算法研究[J].计算机工程与科学.2013

[9].陶胜.人民币纸币号码的快速识别[J].电脑编程技巧与维护.2013

[10].刘洋.人民币纸币号码识别算法的研究[D].辽宁工程技术大学.2012

标签:;  ;  ;  ;  

人民币纸币识别论文-冷素汝
下载Doc文档

猜你喜欢