本發(fā)明涉及冠字號識別技術(shù)領(lǐng)域，尤其涉及一種基于DSP的紙幣冠字號智能識別方法。
背景技術(shù)：
目前主流的冠字號識別方法，大多數(shù)采用人工神經(jīng)網(wǎng)絡(luò)、骨骼特征、特征點匹配等單一的算法來實現(xiàn)對冠字號的識別。
中國專利公開號為CN105261110A的發(fā)明專利公開一種高效的DSP紙幣冠字號識別方法，其具體步驟為：
a)采集紙幣圖像，尋找紙幣的邊緣點；
b)將找到的紙幣邊緣點鐘的異常邊緣點排出，并擬合邊緣直線，得到紙幣上、下、左、右四條邊的斜率和截距；
c)對紙幣的面向以及朝向進行識別；
d)對紙幣上的冠字號進行定位；
e)對最后得到的精確定位的冠字號圖像進行冠字號分割；
f)通過神經(jīng)網(wǎng)絡(luò)算法對冠字號進行識別。
該方法的識別原理為：首先尋找紙幣的邊緣點，擬合出紙幣四條邊的直線，即斜率和截距，然后識別出紙幣的面向和朝向，接著分別采用粗定位、細定位來獲取圖像的冠字號，最后用神經(jīng)網(wǎng)絡(luò)算法對冠字號進行識別。該方法是現(xiàn)有冠字號識別方法中比較典型的識別方法，對于DSP等集成度較高、運算量和實時性要求較高的嵌入式設(shè)備來講，存在以下缺陷：
1.邊緣計算法復(fù)雜，各個國家使用的紙幣通常都是矩形的，即上下邊平行、左右邊平行，在使用上述方法時，需要通過邊緣點的大量采樣，擬合出所有邊緣的直線方程，其計算量上存在冗余；
2.人工神經(jīng)網(wǎng)絡(luò)計算量較大，普遍用于字符判別的神經(jīng)網(wǎng)絡(luò)模型至少是3-4層的模型，即起碼包含輸入層、輸出層和中間層。如果不做降維處理，該算法的輸入層幾點個數(shù)有wc×hc個，輸出層節(jié)點個數(shù)有34個，另外還存在2層以上的中間層，因此存在大量的浮點運算，對DSP的性能要求和預(yù)算實時性要求很高，一般的系統(tǒng)無法達到。
技術(shù)實現(xiàn)要素：
針對現(xiàn)有技術(shù)中的問題，本發(fā)明提供一種對DSP性能和預(yù)算實時性要求低、計算速度快和識別準確度高的基于DSP的紙幣冠字號智能識別方法。
為實現(xiàn)以上技術(shù)目的，本發(fā)明的技術(shù)方案是：
一種基于DSP的紙幣冠字號智能識別方法，其具體步驟包括：
A.采集紙幣正、反面圖像；
B.根據(jù)已建立的紙幣信息數(shù)據(jù)庫，判斷并得出紙幣的幣種、幣值、正反、顛倒、冠字號排列規(guī)律信息；
C.選取包含有冠字號信息的紙幣面的圖像，計算出紙幣的中心，根據(jù)中心裁剪出包含冠字號的1/4局部圖像；
D.從局部圖像中分割出只包含有紙幣的圖像，計算紙幣圖像邊緣的正弦、余弦以及角點坐標；
E.根據(jù)冠字號區(qū)域在紙幣圖像中的相對位置的統(tǒng)計數(shù)據(jù)，從紙幣圖像中粗略定位冠字號區(qū)域，對冠字號區(qū)域的圖像進行顛倒、傾斜校正；
F.從已校正的冠字號區(qū)域圖像中精確定位冠字號區(qū)域并將該區(qū)域的圖像分割出來；
G.對分割出來的冠字號區(qū)域圖像中的冠字號進行字符圖像分離，并對字符圖像進行歸一化處理；
H.結(jié)合冠字號排列規(guī)律，利用模板匹配法，將字符圖像與字符模板圖像比對，相似度最高的字符模板圖像所對應(yīng)的字符即為該字符圖像所識別出來的字符；
I.對識別出的字符為易混淆字符的字符圖像提取骨骼特征，利用骨骼特征對該字符圖像進行二次判別，確認該字符圖像對應(yīng)的最終字符；
J.根據(jù)步驟H和步驟I，輸出識別的冠字號信息。
本發(fā)明所述的基于DSP的紙幣冠字號智能識別方法主要分為兩大步：圖像預(yù)處理和冠字號識別。圖像預(yù)處理步驟主要包括：首先對紙幣圖像(包括正面和反面)進行采集，然后對紙幣的幣種(包括國別和版本)、幣值、正反(紙幣正面或反面)、顛倒(紙幣是正置的還是倒置的)等信息進行判別，然后從獲取的紙幣正面圖像中截取出包含有冠字號的1/4圖像，再對1/4圖像進行裁切，分割出只包含紙幣部分的圖像，接著對紙幣部分的圖像的冠字號區(qū)域依次進行粗略定位、精確定位，最終獲得二值化的冠字號區(qū)域圖像；冠字號識別步驟主要包括：將圖像預(yù)處理步驟獲得的冠字號區(qū)域圖像中的字符圖像中分離出來，再與字符模板圖像進行比對，計算相似度，以識別字符圖像中的字符，對于識別出的字符為易混淆字符的字符圖像再進行骨骼特征提取，利用骨骼特征進行二次判別，以確認該字符圖像對應(yīng)的字符，最后結(jié)合模板比對結(jié)果和骨骼特征判別結(jié)果，輸出識別出來的冠字號字符。
從以上描述可以看出，本發(fā)明具備以下優(yōu)點：
(1)在冠字號提取過程中，利用局部圖像處理后的特征值來定位冠字號區(qū)域，減少了大量計算過程，從而提高了冠字號區(qū)域定位速度；
(2)基于冠字號排列規(guī)律，通過模板比對方法對冠字號字符圖像中的字符進行識別，降低了算法的復(fù)雜度，從而提高了識別速度；
(3)對易混淆字符對應(yīng)的字符圖像利用骨骼特征進行二次判別，提高了識別結(jié)果的準確性。
作為優(yōu)選，對所述步驟G分離出來的字符圖像進行歸一化處理，以獲得模板匹配時的字符模板圖像。
作為優(yōu)選，所述步驟C具體包括以下步驟：C1.選取包含有冠字號信息的紙幣面的圖像；C2.計算出紙幣在圖像中的相對位置；C3.根據(jù)相對位置粗略計算紙幣上、下、左、右各邊的中點坐標，再利用均值平均法計算出紙幣的中心坐標；C4.以中心坐標為原點，將紙幣劃分為四個象限；C5.結(jié)合步驟B獲得的紙幣顛倒信息，選取包含冠字號信息的象限，將該象限所對應(yīng)的局部圖像記作Is。
作為優(yōu)選，所述步驟D具體包括以下步驟：D1.對圖像Is采用3×3的模板進行均值濾波，再利用閾值分割法分割出圖像Is中只包含有紙幣的圖像，記作It；D2.結(jié)合步驟B獲得的紙幣信息，對圖像It分別進行相應(yīng)地縱向和橫向分段掃描，獲得紙幣的縱向邊緣采樣點點集和橫向邊緣采樣點點集；D3.利用最小二乘法擬合出兩個點集所對應(yīng)的兩條直線的方程并求解，根據(jù)兩條直線的方程即可得知紙幣邊緣的正弦、余弦，再根據(jù)兩條直線的方程計算得到兩條直線的交點P，交點P即為紙幣的角點。
作為優(yōu)選，所述步驟E具體包括以下步驟：E1.根據(jù)冠字號區(qū)域在紙幣圖像中的相對位置的統(tǒng)計數(shù)據(jù)，以交點P為原點，粗略定位冠字號區(qū)域在圖像Is的位置；E2.根據(jù)步驟B獲得的紙幣顛倒信息，對冠字號區(qū)域圖像進行顛倒校正；E3.通過仿射變換，對已進行顛倒校正的冠字號區(qū)域圖像進行傾斜校正，校正后的圖像記作Ir。
作為優(yōu)選，所述步驟F具體包括以下步驟：F1.對圖像Ir進行水平掃面，統(tǒng)計出小于閾值的像素點，得到一個數(shù)組；F2.檢測數(shù)組中相鄰的三個元素，當這三個元素均大于指定的數(shù)值時，數(shù)組索引所對應(yīng)圖像的那一行包含有效的冠字號像素，從而在縱向上精確定位冠字號區(qū)域的位置；F3.采用3×3的模板對步驟F2的結(jié)果進行高斯濾波，去除圖像中的噪聲，以便于冠字號的準確分割；F4.利用動態(tài)閾值分割算法，對步驟F3的結(jié)果進行圖像分割處理，獲得冠字號圖像，記作Ibi。
作為優(yōu)選，所述步驟G利用垂直映射實現(xiàn)冠字號的字符圖像分離。垂直映射法簡單、快速。
附圖說明
圖1是本發(fā)明的流程示意圖；
具體實施方式
結(jié)合附圖，詳細說明本發(fā)明的一個具體實施例，但不對本發(fā)明的權(quán)利要求做任何限定。
一種基于DSP的冠字號智能識別方法,包括以下步驟：
1.采集紙幣正、反面圖像。
2.根據(jù)已建立的紙幣信息數(shù)據(jù)庫，判斷并得出所采集紙幣的幣種(包括國別和版本)、幣值、正反(紙幣正面、反面)、顛倒(紙幣正置、倒置)、冠字號排列規(guī)律等信息。
3.根據(jù)步驟2采集的紙幣信息，選取包含有冠字號的紙幣面對應(yīng)的圖像并記作圖像I(例如，采集的若為人民幣，由于人民幣的冠字號在紙幣正面，則選取人民幣正面對應(yīng)的圖像信息)，然后根據(jù)圖像I，計算出紙幣在圖像中的相對位置，具體方法為：由于采集圖像時，會采集到紙幣邊緣以外的圖像，根據(jù)亮度(紙幣區(qū)域亮度高，紙幣邊緣以外區(qū)域亮度低)即可計算出紙幣在圖像中的相對位置。
4.根據(jù)步驟3獲得的紙幣在圖像中的相對位置，粗略計算圖像I中紙幣上、下、左、右邊緣的中點坐標，利用均值平均法大致計算出紙幣中心的坐標，再以該中心為原點，將圖像I劃分為四個象限，再根據(jù)步驟2獲得的紙幣顛倒信息，選取四個象限中包含冠字號的象限。(例如若步驟2獲得的信息為：人民幣、正置，則選第三象限，如果人民幣倒置，若步驟2獲得的信息為：人民幣、倒置，則選第一象限)，將該象限對應(yīng)的局部圖像記作Is。
5.利用3×3的模板對圖像Is進行均值濾波，利用閾值分割法分割出圖像中的紙幣，分割獲得的圖像記作It。
6.結(jié)合步驟2獲得的紙幣信息，對圖像It分別進行相應(yīng)地縱向和橫向分段掃描，獲得紙幣的縱向邊緣采樣點點集和橫向邊緣采樣點點集，并利用最小二乘法擬合出兩個點集所對應(yīng)的兩條直線的方程并求解，根據(jù)兩條直線的方程即可得知紙幣邊緣的正弦、余弦，再根據(jù)兩條直線的方程計算得到兩條直線的交點P，交點P即為紙幣的角點。
例如：(1)若步驟2獲得的信息為：人民幣、正置，由于冠字號位于正置人民幣的左下角，因此對圖像It，自左向右分段掃描以獲得人民幣的左邊緣采樣點點集，自下而上分段掃描以獲得人民幣的下邊緣采樣點點集，并利用最小二乘法擬合出兩個點集所對應(yīng)的兩條直線的方程并求解，根據(jù)兩條直線的方程即可得知紙幣邊緣的正弦、余弦，再根據(jù)兩條直線的方程計算得到兩條直線的交點P，交點P即為圖像Is中人民幣的左下角的頂點；(2)若步驟2獲得的信息為：人民幣、倒置，由于冠字號位于倒置人民幣的右上角，因此對圖像It自右向左分段掃描以獲得人民幣的右邊緣采樣點點集，自上而下分段掃描以獲得人民幣的上邊緣采樣點點集，并利用最小二乘法擬合出兩個點集所對應(yīng)的兩條直線的方程并求解，根據(jù)兩條直線的方程即可得知紙幣邊緣的正弦、余弦，再根據(jù)兩條直線的方程計算得到兩條直線的交點P，交點P即為圖像Is中人民幣右上角的頂點。
其中兩條直線方程的擬合方法為：
設(shè)一條直線上x和y之間的函數(shù)關(guān)系為：y＝a+bx,則最小距離公式為：
式(1)中，(xi,yi)為對應(yīng)點集中的點，n為點集中點的個數(shù)。
對上式分別對a、b求偏導(dǎo)后聯(lián)立方程組，求解后得到參數(shù)a、b，從而得到兩個點集分別對應(yīng)的兩條直線方程。
7.根據(jù)冠字號區(qū)域在紙幣圖像中的相對位置的統(tǒng)計數(shù)據(jù)，以交點P為原點，粗略定位冠字號區(qū)域在圖像Is的位置。
其中，冠字號區(qū)域在紙幣圖像中的相對位置的統(tǒng)計數(shù)據(jù)可前期經(jīng)人工或機器對冠字號區(qū)域在紙幣中的相對位置信息進行數(shù)據(jù)采集并統(tǒng)計分析，得出冠字號區(qū)域在紙幣圖像中的相對位置信息，該相對位置信息優(yōu)選為含有冠字號的一定的矩形區(qū)域?qū)?yīng)的坐標信息。
8.根據(jù)步驟2獲得的紙幣顛倒信息，對粗略定位獲得的冠字號區(qū)域圖像進行顛倒校正。
例如：(1)若步驟2獲得的信息為：人民幣、倒置，則對冠字號區(qū)域圖像進行顛倒；(2)若步驟2獲得的信息為：人民幣、正置，則不操作。
9.通過仿射變換，對已進行顛倒校正的冠字號區(qū)域圖像進行傾斜校正，校正后的圖像記作Ir。
其中，傾斜校正的具體公式如下：
式(2)中，sinθ、cosθ為步驟6中計算得到的水平邊緣的正弦、余弦值，(v，w)為原圖像Is中像素的坐標，(x,y)為校正后圖像像素中對應(yīng)的坐標。
10.對圖像Ir進行水平掃面，統(tǒng)計出小于閾值的像素點，得到一個數(shù)組；檢測數(shù)組中相鄰的三個元素，當這三個元素均大于指定的數(shù)值時，數(shù)組索引所對應(yīng)圖像的那一行包含有效的冠字號像素，從而在縱向上精確定位冠字號區(qū)域的位置。
11.采用3×3的模板對精確定位的冠字號區(qū)域圖像進行高斯濾波，去除圖像中的噪聲，以便于冠字號的準確分割。
其中，高斯模板如下：
12.再利用動態(tài)閾值分割算法，對步驟11的結(jié)果進行圖像分割處理，獲得二值化的冠字號圖像，記作Ibi。
13.對圖像Ibi進行垂直映射，將冠字號字符分離出來，獲得字符圖像，并對字符圖像進行歸一化處理。
14.結(jié)合步驟2獲得的冠字號排列規(guī)律信息，利用模板匹配法，將字符圖像與字符模板圖像比對，相似度最高的字符模板圖像所對應(yīng)的字符即為該字符圖像所識別出來的字符。
其中，字符模板圖像的獲取可前期經(jīng)人工或機器對冠字號字符圖像進行數(shù)據(jù)采集并統(tǒng)計分析，再進行歸一化處理獲得。
例如：若步驟2獲得的紙幣信息為人民幣，則其對應(yīng)的冠字號排列規(guī)律信息為：首字符為字母，后六個字符為數(shù)字，第二、三、四個字符，其中一個為字母，其余兩個為數(shù)字，且第二、三、四個字符中，字母字符的高度高于數(shù)字字符的高度，結(jié)合該規(guī)律，分下述步驟識別：
(1)對于首個字符圖像，將其與字母模板圖像比對，相似度最高的字符模板圖像所對應(yīng)的字符即為該字符圖像所識別出來的字符。
其中，相似度公式為：
式(4)中：S(m,n)為步驟歸一化的待識別的字符圖像，T(m,n)為對應(yīng)的模板圖像。
(2)對于后六個字符圖像，將其與數(shù)字模板圖像比對，相似度最高的字符模板圖像所對應(yīng)的字符即為該字符圖像所識別出來的字符。
其中，相似度公式為：
式(4)中：S(m,n)為步驟歸一化的待識別的字符圖像，T(m,n)為對應(yīng)的模板圖像。
(3)對于第二、三、四個字符圖像，在步驟13進行處理時，要先剔除字符圖像中上、下、左、右多余的背景，確保字符圖像中的前景最大化，并記錄前景高度。
A.若記錄的三個字符圖像中前景的高度與字符類型無關(guān)，則將其分別與字母模板和數(shù)字模板進行對比，同時分別找出相似度最高值，則它們的最高相似度為：R2c、R2n、R3c、R3n、R4c、R4n。計算出組合相似度，當其取最大值時，此時各個相似度相應(yīng)模板所對應(yīng)的字符，即為識別出來的字符。組合相似度有三組，其計算公式如下：
B.若三個字符圖像中前景的高度與字符類型相關(guān)，則將前景高度最大的字符圖像與字母模板進行對比，計算相似度，相似度最高的字符模板對應(yīng)的字符，即為識別出來的字符；將其余兩個字符圖像與數(shù)字模板進行對比，計算相似度，相似度最高的字符模板對應(yīng)的字符，即為識別出來的字符。
其中，相似度公式為：
式(4)中：S(m,n)為步驟歸一化的待識別的字符圖像，T(m,n)為對應(yīng)的字符模板圖像。
15.對識別出的字符為易混淆字符的字符圖像進行細化處理，提取其骨骼特征，利用穿插掃面方法判斷該骨骼特征，確認該字符圖像對應(yīng)的最終字符。
16.根據(jù)步驟14和步驟15的結(jié)果，輸出識別的冠字號信息。
上述步驟中，值得注意的有：
(1)步驟2中所述的紙幣信息數(shù)據(jù)庫存儲的紙幣信息數(shù)據(jù)至少包括幣種(包括國別和版本)、幣值、正反(紙幣正面、反面)、顛倒(紙幣正置、倒置)、冠字號排列規(guī)律信息，其中冠字號排列規(guī)律信息是指每種紙幣所對應(yīng)的冠字號排列規(guī)律，可以經(jīng)前期統(tǒng)計分析獲得；步驟2中對所采集紙幣的幣種(包括國別和版本)、幣值、正反(紙幣正面、反面)、顛倒(紙幣正置、倒置)信息判斷的方法采用現(xiàn)有技術(shù)的常規(guī)方法，故不再贅述，對所采集紙幣的冠字號排列規(guī)律判斷是指根據(jù)紙幣判斷得出的幣種和幣值信息，獲得相應(yīng)的冠字號排列規(guī)律信息；
(2)步驟6中對紙幣邊緣采樣點的采集，要結(jié)合紙幣信息(幣種、幣值、冠字號區(qū)域位置等)進行采集；
(3)步驟14中模板匹配法的使用，要結(jié)合紙幣信息(主要是冠字號排列規(guī)律)，在統(tǒng)計策略的基礎(chǔ)上進行比對；
(4)步驟15的骨骼特征判別方法與現(xiàn)有技術(shù)的骨骼特征判別方法相同，故不再贅述。
本發(fā)明所述的基于DSP的紙幣冠字號智能識別方法的流程圖如圖1所示。
本發(fā)明所述的基于DSP的紙幣冠字號智能識別方法主要分為兩大步：圖像預(yù)處理和冠字號識別。圖像預(yù)處理步驟主要包括：首先對紙幣圖像(包括正面和反面)進行采集，然后對紙幣的幣種(包括國別和版本)、幣值、正反(紙幣正面或反面)、顛倒(紙幣是正置的還是倒置的)等信息進行判別，然后從獲取的紙幣正面圖像中截取出包含有冠字號的1/4圖像，再對1/4圖像進行裁切，分割出只包含紙幣部分的圖像，接著對紙幣部分的圖像的冠字號區(qū)域依次進行粗略定位、精確定位，最終獲得二值化的冠字號區(qū)域圖像；冠字號識別步驟主要包括：將圖像預(yù)處理步驟獲得的冠字號區(qū)域圖像中的字符圖像中分離出來，再與字符模板圖像進行比對，計算相似度，以識別字符圖像中的字符，對于識別出的字符為易混淆字符的字符圖像再進行骨骼特征提取，利用骨骼特征進行二次判別，以確認該字符圖像對應(yīng)的字符，最后結(jié)合模板比對結(jié)果和骨骼特征判別結(jié)果，輸出識別出來的冠字號字符。
從以上描述可以看出，本發(fā)明具備以下優(yōu)點：
(1)在冠字號提取過程中，利用局部圖像處理后的特征值來定位冠字號區(qū)域，減少了大量計算過程，從而提高了冠字號區(qū)域定位速度；
(2)基于冠字號排列規(guī)律，通過模板比對方法對冠字號字符圖像中的字符進行識別，降低了算法的復(fù)雜度，從而提高了識別速度；
(3)對易混淆字符對應(yīng)的字符圖像利用骨骼特征進行二次判別，提高了識別結(jié)果的準確性。
將本發(fā)明所述方法應(yīng)用到冠字號判別產(chǎn)品時，可將前期統(tǒng)計獲得的冠字號區(qū)域位置數(shù)據(jù)(即冠字號區(qū)域位于紙幣的哪個象限)、冠字號區(qū)域相對位置數(shù)據(jù)(即冠字號區(qū)域位于所處象限的大致矩形區(qū)域范圍)、冠字號字符模板數(shù)據(jù)和冠字號字符骨骼特征數(shù)據(jù)等也建立在紙幣信息數(shù)據(jù)庫中。
本發(fā)明所述基于DSP的紙幣冠字號智能識別方法，可以應(yīng)用于單幣種單幣值的冠字號識別、單幣種多幣值的冠字號識別，也可以應(yīng)用于多幣種的冠字號識別，只要根據(jù)相應(yīng)的需求，建立相應(yīng)的紙幣信息數(shù)據(jù)庫即可。
可以理解的是，以上關(guān)于本發(fā)明的具體描述，僅用于說明本發(fā)明而并非受限于本發(fā)明實施例所描述的技術(shù)方案。本領(lǐng)域的普通技術(shù)人員應(yīng)當理解，仍然可以對本發(fā)明進行修改或等同替換，以達到相同的技術(shù)效果；只要滿足使用需要，都在本發(fā)明的保護范圍之內(nèi)。