本發(fā)明涉及一種歐元硬幣國別識別方法，特別涉及一種基于圖像的歐元硬幣國別識別方法。

背景技術：

歐盟28個成員國家中使用歐元的國家有17個，其中法國、德國、西班牙、葡萄牙、荷蘭、愛爾蘭、芬蘭、希臘、意大利、盧森堡、比利時、奧地利等12個國家的流通量大。斯洛文尼亞、塞浦路斯、馬耳他、斯洛伐克、愛沙尼亞5個國家的硬幣市場流通量小。市面上流通的歐元硬幣，幣值有8種，即2歐，1歐，50歐分，20歐分，10歐分，5歐分，2歐分，1歐分，其中5歐分，2歐分，1歐分3種幣值流通較少。所有國家的歐元硬幣正面圖案相同，而反面圖案由每一個國家自行設計。因此利用背面圖案可以實現(xiàn)對歐元硬幣的國別識別，從而有助于對硬幣進行分揀。

對歐元硬幣國別進行識別需要解決的關鍵技術在于特征提取與表達，其需要考慮的因素有：①抗旋轉(zhuǎn)；②抗干擾(劃痕、污漬、磨損等)；③抗照明變化(新舊硬幣對光的反射差異很大)。常規(guī)方法主要分為基于全局特征描述和基于局部特征描述兩大類方法：

1)基于全局特征描述的方法，主要采用模板匹配、提取紋理、邊緣、形狀等特征的統(tǒng)計信息，實現(xiàn)目標的外觀建模。該類方法容易受圖像變換、噪聲、照明變化的影響，對圖像的局部信息描述不夠精細，因此識別性能欠佳；

2)基于局部特征描述的方法，則側(cè)重于對圖像關鍵點或關鍵區(qū)域的描述。該類方法具有良好的定位性，鑒別性高，具有魯棒性好、抗干擾、抗遮擋能力強等特點，因此已經(jīng)成為圖像目標檢測與識別的主流技術。但是其在設計構建過程中，需要著重考慮圖像特征描述的抗旋轉(zhuǎn)、抗照明和抗噪聲能力。

歐元硬幣圖像的識別問題在以往文獻中鮮有報導，相關方法性能缺乏對比依據(jù)和基準，根據(jù)市場調(diào)研，設計的算法應該使得識別錯誤率達到0.5％以下，如何解決上述技術問題是有待探索和研究的問題。

技術實現(xiàn)要素：

為了解決上述技術問題，本發(fā)明提供一種計算簡單、準確識別率高的基于圖像的歐元硬幣國別識別方法。

本發(fā)明解決上述問題的技術方案是：一種基于局部二值模式的歐元硬幣國別識別方法，包括以下步驟：

步驟一：獲取硬幣的灰度圖像，對獲取的硬幣圖像提取待檢測目標區(qū)域，并做尺寸歸一化處理；

步驟二：將目標區(qū)域進行環(huán)狀空間分解；

步驟三：提取每一個環(huán)狀區(qū)域的統(tǒng)一旋轉(zhuǎn)不變局部二值模式，并統(tǒng)計其直方圖分布特征，然后按照從內(nèi)環(huán)到外環(huán)的順序進行組裝，得到最終的硬幣圖像描述特征；

步驟四：利用支持向量機設計分類器，分別按不同幣值設計多個分類器對不同幣值的歐元硬幣進行檢測與識別。

上述基于局部二值模式的歐元硬幣國別識別方法，所述步驟一具體步驟為

1-1：采用同軸光照明方案，獲取歐元硬幣的灰度圖像I；

1-2：根據(jù)背景灰度值確定閾值th，令

其中I_BW為分割后的圖像，I(x，y)為I中坐標(x，y)的像素值；

1-3：將二值圖像I_BW用大小為10×10像素的均值濾波器進行濾波計算，隨后使用孔洞填充操作；

填充過程公式如下

其中X表示被填充的所有孔洞，迭代k次時結(jié)束，表示膨脹操作，B為對應的結(jié)構元素，A^C表示孔洞區(qū)域的取反；

1-4：濾波后的二值圖像用半徑為10像素的圓形結(jié)構元素進行腐蝕操作后，得到掩膜圖像M，通過掩膜圖像M計算出目標區(qū)域面積S、中心O與半徑R；計算公式如下：

式中m，n為M的邊長，O_x，O_y為O的坐標，表示M(x，y)值為1的x和y坐標值；

1-5：將掩膜圖像M與原圖I進行掩膜計算，得到目標區(qū)域圖像I^*，表示為I^*＝I.*M，其中.*為點乘算子；

1-6：在I^*中以O為中心，2*R為邊長提取正方形區(qū)域，并將其歸一化為200×200像素大小的圖像I_ROI。

上述基于局部二值模式的歐元硬幣國別識別方法，所述步驟二具體步驟為：在200×200的區(qū)域中，以點(100，100)作為圓心，重疊地生成W＝24個等面積的圓環(huán)模板Ψ_i，其中第i個圓環(huán)半徑范圍為其中

上述基于局部二值模式的歐元硬幣國別識別方法，所述步驟三具體步驟為：

3-1：將每個圓環(huán)模板Ψ_i與原圖I進行掩膜處理，得到環(huán)形圖像區(qū)域I_i，I_i＝I.*Ψ_i；

3-2：在I_i中對每個像素點的P個鄰域的灰度值g_p與該點灰度值g_c作比較，并做二值化處理得到與g_p對應鄰域點的值S_p，計算如下：

3-3：選取某一鄰域點為起始點，按順時針方向組成當前像素點的紋理描述T＝[S₁S₂S₃S₄S₅S₆S₇S₈]，隨后通過下式計算U值，U值為紋理T一個移位周期內(nèi)值的變化次數(shù)

3-4：將U>2的點劃分為模式值P+1，對U≤2的點計算統(tǒng)一旋轉(zhuǎn)不變模式計算公式如下，

3-5：對第i個環(huán)狀空間的模式值作直方圖統(tǒng)計H_i，按照從內(nèi)環(huán)到外環(huán)的順序進行組裝，得到最終的硬幣圖像描述特征F＝[H₁H₂H₃，...，H₂₄]。

上述基于局部二值模式的歐元硬幣國別識別方法，所述步驟四具體步驟為：

4-1：使用支持向量機進行分類器設計，其中支持向量機的核函數(shù)選用線性核函數(shù)；

4-2：采用面積S作為特征，區(qū)分2歐、1歐、50歐分、20歐分、10歐分共5種不同幣值的歐元硬幣；

4-3：采用最終提取的圖像描述特征F，對不同幣值的歐元硬幣分別選取足夠的訓練樣本學習得到5個支持向量機分類器；

4-4：利用訓練好的支持向量機分類器對待檢測歐元硬幣圖像進行檢測與識別。

本發(fā)明的有益效果在于：

1、本發(fā)明采用面積作為特征來確定歐元硬幣的幣值，考慮到歐元硬幣的形狀和外觀特點，例如硬幣為圓形圖案，不同幣值的硬幣大小不同，不同國別的硬幣的背面圖案不同，同一國別硬幣背面圖案風格相似。因此，根據(jù)圖像目標區(qū)域的面積可以確定幣值，進而根據(jù)幣值選擇不同的分類器進行識別，從而將問題進行分解，降低問題難度，以保證后續(xù)國別識別的準確率。

2、本發(fā)明選取統(tǒng)一旋轉(zhuǎn)不變二值模式作為局部區(qū)域描述特征，該特征提取方式具有抗旋轉(zhuǎn)變換能力，同時繼承了局部二值模式LBP對單調(diào)照明變化不敏感的優(yōu)點，從而保證了所提取特征的魯棒性。

3、本發(fā)明在空間池化操作時，充分利用了歐元硬幣為圓形圖案的特點，同時采用了具有旋轉(zhuǎn)不變性的環(huán)形空間池化操作策略，保證了對整體圖案描述的旋轉(zhuǎn)不變性。

附圖說明

圖1為本發(fā)明的流程圖。

圖2為本發(fā)明的流程框圖。

圖3為本發(fā)明的圓環(huán)模板劃分示意圖。

圖4為本發(fā)明LBP計算過程示意圖。

圖5為本發(fā)明的準確率測試結(jié)果圖。

具體實施方式

下面結(jié)合附圖和實施例對本發(fā)明作進一步的說明。

如圖1、圖2所示，一種基于局部二值模式的歐元硬幣國別識別方法，包括以下步驟：

步驟一：獲取硬幣的灰度圖像，對獲取的硬幣圖像提取待檢測目標區(qū)域，并做尺寸歸一化處理。具體步驟為：

1-1：為了盡可能抑制金屬表面的反射，采用同軸光照明方案，使用CCD相機拍攝圖像后轉(zhuǎn)化為灰度圖像，從而獲取歐元硬幣的灰度圖像I；

1-2：根據(jù)背景灰度值確定閾值th，通常th取比背景區(qū)域最大像素值稍大即可，令

其中I_BW為分割后的圖像，I(x，y)為I中坐標(x，y)的像素值；

1-3：將二值圖像I_BW用大小為10×10像素的均值濾波器進行濾波計算，隨后使用孔洞填充操作；

填充過程公式如下

其中X表示被填充的所有孔洞，迭代k次時結(jié)束，表示膨脹操作，B為對應的結(jié)構元素，A^C表示孔洞區(qū)域的取反；

1-4：濾波后的二值圖像用半徑為10像素的圓形結(jié)構元素進行腐蝕操作后，得到掩膜圖像M，通過掩膜圖像M計算出目標區(qū)域面積S、中心O與半徑R；計算公式如下：

式中m，n為M的邊長，O_x，O_y為O的坐標，表示M(x，y)值為1的x和y坐標值；

1-5：將掩膜圖像M與原圖I進行掩膜計算，得到目標區(qū)域圖像I^*，表示為I^*＝I.*M，其中.*為點乘算子；

1-6：在I^*中以O為中心，2*R為邊長提取正方形區(qū)域，并將其歸一化為200×200像素大小的圖像I_ROI。

步驟二：將目標區(qū)域進行環(huán)狀空間分解。具體步驟為：在200×200的區(qū)域中，以點(100，100)作為圓心，重疊地生成W＝24個等面積的圓環(huán)模板Ψ_i，其中第i個圓環(huán)半徑范圍為其中

步驟三：提取每一個環(huán)狀區(qū)域的統(tǒng)一旋轉(zhuǎn)不變局部二值模式，并統(tǒng)計其直方圖分布特征，然后按照從內(nèi)環(huán)到外環(huán)的順序進行組裝，得到最終的硬幣圖像描述特征。

具體步驟為：將每個圓環(huán)模板Ψ_i與原圖I進行掩膜處理，得到環(huán)形圖像區(qū)域I_i，I_i＝I.*Ψ_i；

3-2：在I_i中以每個像素點為中心，選擇半徑r＝1處的P個鄰域，對中心像素灰度值g_c與鄰域像素點灰度值g_p做比較，并根據(jù)大小關系做二值化處理得到與g_p對應鄰域點的值S_p，計算如下：

圖4給出了計算示例。

3-3：選取某一鄰域點為起始點，按順時針方向組成當前像素點的紋理描述T＝[S₁S₂S₃S₄S₅S₆S₇S₈]，隨后通過下式計算U值，U值為紋理T一個移位周期內(nèi)值的變化次數(shù)

3-4：將U>2的點劃分為模式值P+1，對U≤2的點計算統(tǒng)一旋轉(zhuǎn)不變模式計算公式如下，

3-5：對第i個環(huán)狀空間的模式值作直方圖統(tǒng)計H_i，按照從內(nèi)環(huán)到外環(huán)的順序進行組裝，得到最終的硬幣圖像描述特征F＝[H₁H₂H₃，...，H₂₄]。

步驟四：利用支持向量機(SVM)設計分類器，分別按不同幣值設計多個分類器對不同幣值的歐元硬幣進行檢測與識別。具體步驟為：

4-1：使用支持向量機進行分類器設計，其中支持向量機的核函數(shù)選用線性核函數(shù)；

4-2：由于不同幣值的歐元硬幣的尺寸有較大差別，因此基于面積的幣值識別準確率可以達到100％。采用面積S作為特征，區(qū)分2歐、1歐、50歐分、20歐分、10歐分共5種不同幣值的歐元硬幣；

4-3：采用最終提取的圖像描述特征F，對5種不同幣值的歐元硬幣分別設計支持向量機分類器，12個國家的每種幣值硬幣反面圖片各取8張，正面取96張作為訓練樣本學習得到5個SVM分類器，另外8547張圖片作為測試集。選取足夠的訓練樣本學習得到5個支持向量機分類器；

4-4：利用訓練好的支持向量機分類器對待檢測歐元硬幣圖像進行檢測與識別，最終統(tǒng)計準確率達到99.871％(見圖5)，錯誤率在0.2％以下，可以滿足實際應用指標要求。