本發(fā)明實施例涉及紙幣檢驗技術領域,尤其涉及一種紙幣鑒偽的方法及裝置。
背景技術:
假幣的傳播對經(jīng)濟發(fā)展造成不良的影響,精準而快速地實現(xiàn)紙幣的識別對維護金融安全穩(wěn)定有著重要的意義。隨著科技的進步,對紙幣進行鑒偽的技術不斷提高,運用在紙幣上的防偽手段也越來越豐富,采用特性油墨是其中的一種常用技術,利用不同特性的油墨印刷在紙幣上呈現(xiàn)不同的防偽效果,例如有的是磁性油墨、有的是變色油墨等。
針對特殊油墨印刷在紙幣上的防偽圖案的檢測,現(xiàn)有技術中經(jīng)常采用二值化、求均值等方法,當圖案較復雜時,檢測結(jié)果往往不能讓人滿意,而且檢測得過于精細會增加紙幣識別的時間,從而降低驗鈔的速度,而檢測得過于粗糙就失去了鑒偽的意義。
技術實現(xiàn)要素:
本發(fā)明實施例提供一種紙幣鑒偽的方法及裝置,以實現(xiàn)對紙幣中防偽圖案的檢測,從而達到對紙幣鑒偽的目的。
第一方面,本發(fā)明實施例還提供了一種紙幣鑒偽的方法,該方法包括:
獲取待鑒偽紙幣的紅外透射圖;
在所述紅外透射圖中確定待檢測區(qū)域;
提取所述待檢測區(qū)域的圖像主結(jié)構,得到所述待檢測區(qū)域的主結(jié)構圖像;
計算所述主結(jié)構圖像的灰度共生矩陣;
根據(jù)所述主結(jié)構圖像的灰度共生矩陣特征值與真幣主結(jié)構圖像的灰度共生矩陣特征值之間的關系,確定待鑒偽紙幣的鑒偽結(jié)果。
進一步地,所述灰度共生矩陣特征值包括下述至少一種:角二階矩能量、對比度、逆差矩、熵或自相關系數(shù)。
進一步地,在計算所述主結(jié)構圖像的灰度共生矩陣之前還包括:
計算所述待檢測區(qū)域的行差分矩陣和列差分矩陣;
分別計算所述行差分矩陣中各元素構成的第一組數(shù)據(jù)的方差和所述列差分矩陣中各元素構成的第二組數(shù)據(jù)的方差;
根據(jù)所述第一組數(shù)據(jù)的方差與所述第二組數(shù)據(jù)的方差之間的關系,確定計算所述主結(jié)構圖像灰度共生矩陣時采用的距離差分值的方向。
進一步地,所述距離差分值的方向包括垂直方向、水平方向或?qū)蔷€方向。
進一步地,提取所述待檢測區(qū)域的圖像主結(jié)構,得到所述待檢測區(qū)域的主結(jié)構圖像包括:
基于總變差形式的模型,提取所述待檢測區(qū)域的圖像主結(jié)構,得到所述待檢測區(qū)域的主結(jié)構圖像。
第二方面,本發(fā)明實施例還提供了一種紙幣鑒偽的裝置,該裝置包括:
圖像獲取模塊,用于獲取待鑒偽紙幣的紅外透射圖;
區(qū)域確定模塊,用于在所述紅外透射圖中確定待檢測區(qū)域;
主結(jié)構提取模塊,用于提取所述待檢測區(qū)域的圖像主結(jié)構,得到所述待檢測區(qū)域的主結(jié)構圖像;
矩陣計算模塊,用于計算所述主結(jié)構圖像的灰度共生矩陣;
紙幣鑒偽模塊,用于根據(jù)所述主結(jié)構圖像的灰度共生矩陣特征值與真幣主結(jié)構圖像的灰度共生矩陣特征值之間的關系,確定待鑒偽紙幣的鑒偽結(jié)果。
進一步地,所述灰度共生矩陣特征值包括下述至少一種:角二階矩能量、對比度、逆差矩、熵或自相關系數(shù)。
進一步地,還包括:
方向確定模塊,用于在計算所述主結(jié)構圖像的灰度共生矩陣之前,計算所述待檢測區(qū)域的行差分矩陣和列差分矩陣;分別計算所述行差分矩陣中各元素構成的第一組數(shù)據(jù)的方差和所述列差分矩陣中各元素構成的第二組數(shù)據(jù)的方差;根據(jù)所述第一組數(shù)據(jù)的方差與所述第二組數(shù)據(jù)的方差之間的關系,確定計算所述主結(jié)構圖像灰度共生矩陣時采用的距離差分值的方向。
進一步地,所述距離差分值的方向包括垂直方向、水平方向或?qū)蔷€方向。
進一步地,所述主結(jié)構提取模塊具體用于:
基于總變差形式的模型,提取所述待檢測區(qū)域的圖像主結(jié)構,得到所述待檢測區(qū)域的主結(jié)構圖像。
本發(fā)明實施例通過采用提取待鑒偽紙幣圖像主結(jié)構,計算主結(jié)構圖像的灰度共生矩陣,并利用灰度共生矩陣特征進行鑒偽的方法,解決了復雜防偽圖案難以檢測的問題,實現(xiàn)了簡單快捷地獲取防偽圖案特征,使紙幣鑒偽過程簡單化。
附圖說明
圖1是本發(fā)明實施例一提供的一種紙幣鑒偽的方法流程圖;
圖2是本發(fā)明實施例提供的一種紙幣鑒偽的方法中的面值50新西蘭元的新 西蘭幣的紅外透射圖;
圖3是本發(fā)明實施例提供的一種紙幣鑒偽的方法中圖2中待鑒偽紙幣的一個待檢測區(qū)域;
圖4是本發(fā)明實施例提供的一種紙幣鑒偽的方法中圖3中待檢測區(qū)域的主結(jié)構圖像;
圖5是本發(fā)明實施例提供一種紙幣鑒偽的裝置示意圖。
具體實施方式
下面結(jié)合附圖和實施例對本發(fā)明作進一步的詳細說明??梢岳斫獾氖?,此處所描述的具體實施例僅僅用于解釋本發(fā)明,而非對本發(fā)明的限定。另外還需要說明的是,為了便于描述,附圖中僅示出了與本發(fā)明相關的部分而非全部結(jié)構。
實施例一
圖1是本發(fā)明實施例一提供的一種紙幣鑒偽的方法流程圖。該方法適用于對紙幣進行鑒偽的情況,該方法可以由紙幣鑒偽裝置來執(zhí)行,該裝置可以由軟件和/或硬件的方式來實現(xiàn),一般集成于驗鈔機或存取款一體機等設備中。該方法具體包括:
S110、獲取待鑒偽紙幣的紅外透射圖。
其中通過紅外光源對待鑒偽紙幣進行照射,紅外光源與傳感器分別位于待鑒偽紙幣的兩側(cè),通過傳感器獲取紅外光照射下的待鑒偽紙幣的圖像,由于從紅外光源發(fā)出的紅外光經(jīng)待鑒偽紙幣透射到傳感器,因此,獲取到的圖像就是所述紅外透射圖。示例性地,圖2是本發(fā)明實施例提供的一種紙幣鑒偽的方法 中的面值50新西蘭元的新西蘭幣的紅外透射圖。
S120、在所述紅外透射圖中確定待檢測區(qū)域。
其中,確定包含防偽圖案的區(qū)域作為待檢測區(qū)域,可以采用坐標定位的方式進行選取,也可以采用滑動窗口的方法進行待檢測區(qū)域的確定。示例性地,從圖2中可以看出可檢測的防偽圖案主要由三個,左下角的羽毛圖案,右側(cè)中間位置的螺旋橢圓以及右下角的“50”字樣和一部分人像衣服圖案。可以采用坐標定位的方法確定待檢測區(qū)域,以供下一步的分析,示例性地,圖3是本發(fā)明實施例提供的一種紙幣鑒偽的方法中圖2中待鑒偽紙幣的一個待檢測區(qū)域。
S130、提取所述待檢測區(qū)域的圖像主結(jié)構,得到所述待檢測區(qū)域的主結(jié)構圖像。
其中,結(jié)構是圖像的本質(zhì),是視覺感知的主要數(shù)據(jù),通過對防偽圖案主結(jié)構的檢測可以達到較高的準確度。很多圖像是由有意義的結(jié)構和紋理融合在一起構成的,由于有的防偽圖案特征較為復雜,對圖像進行主結(jié)構的提取有利于圖案的檢測,舍去個體細節(jié),對圖像進行了簡化,可以減少在后續(xù)檢測過程中的計算量,減少算法的時間復雜度,從而減短驗鈔時間。提取主結(jié)構的方法適用于分析所有包括紋理的圖案的分析,尤其解決了特征復雜的圖案難以辨識的問題。示例性地,以圖2中的防偽圖案為例,由于右側(cè)的兩個防偽圖案基本是單連通域的或由幾個單連通區(qū)域構成的,且圖形較規(guī)則,而左側(cè)的羽毛圖案較復雜,由不同亮度的點構成明暗交替的多連通域,羽毛形狀也不屬于常規(guī)的規(guī)則圖形,因此采用例如二值化等簡單的圖像分析方法很難確定其特征,采用提取主結(jié)構的方法就能很快地實現(xiàn)圖案辨識。圖4是本發(fā)明實施例提供的一種紙幣鑒偽的方法中圖3中待檢測區(qū)域的主結(jié)構圖像。
S140、計算所述主結(jié)構圖像的灰度共生矩陣。
其中,灰度共生矩陣是一種通過研究灰度的空間相關特性來描述紋理的常用方法?;叶裙采仃囀菍D像上保持某距離的兩像素點分別具有的灰度的狀況進行統(tǒng)計得到的。假設在圖像中任意取一個像素點(x,y)及偏離它的一點(x+a,y+b)(其中,x和y表示像素點的位置,a、b為整數(shù),人為定義)構成點對。設該點對的灰度值為(f1,f2),再令點(x,y)在整幅圖像上移動,則會得到不同的(f1,f2)值。設圖像的灰度級為L,則f1與f2的組合共有L*L種。對于整幅圖像,統(tǒng)計出每一種(f1,f2)值出現(xiàn)的次數(shù),然后排列成一個方陣,再將每一種(f1,f2)出現(xiàn)出現(xiàn)的次數(shù)均與總次數(shù)相比,歸一化為出現(xiàn)的概率P(f1,f2),由此產(chǎn)生的矩陣為灰度共生矩陣。距離(a,b)為距離差分值,其取值不同,灰度共生矩陣中的值不同,a和b的取值要根據(jù)紋理周期分布的特性來選擇。
S150、根據(jù)所述主結(jié)構圖像的灰度共生矩陣特征值與真幣主結(jié)構圖像的灰度共生矩陣特征值之間的關系,確定待鑒偽紙幣的鑒偽結(jié)果。
其中,待鑒偽紙幣主結(jié)構圖像的灰度共生矩陣與真幣主結(jié)構圖像的灰度共生矩陣的計算方式完全相同,真幣主結(jié)構圖像的灰度共生矩陣可以采用統(tǒng)計的方法獲得,對多張真幣進行相同處理,再進行平均,使結(jié)果更接近真實值。采用灰度共生矩陣表征圖像的特征,根據(jù)灰度共生矩陣特征值之間的關系,判斷待鑒偽紙幣主結(jié)構圖像的灰度共生矩陣與真幣主結(jié)構圖像的灰度共生矩陣的相似程度,當相似程度達到一定規(guī)定時,將待鑒偽紙幣確定為真幣。
本實施例的技術方案,通過采用提取待鑒偽紙幣圖像主結(jié)構,計算主結(jié)構圖像的灰度共生矩陣,并利用灰度共生矩陣特征進行鑒偽的方法,解決了復雜防偽圖案難以檢測的問題,實現(xiàn)了簡單快捷地獲取防偽圖案特征,使紙幣鑒偽 過程簡單化。
在上述技術方案的基礎上,可選的,所述灰度共生矩陣特征值包括下述至少一種:角二階矩能量、對比度、逆差矩、熵或自相關系數(shù)。
其中,角二階矩(angular second moment,ASM)能量的表達式為其中G(i,j)代表灰度共生矩陣中的每個元素,k表示灰度共生矩陣的行數(shù)或列數(shù)。ASM能量就是指每個矩陣元素的平方和,也稱能量,反映了圖像灰度分布均勻程度的紋理粗細度。如果共生矩陣的所有元素值均相等,則ASM值小;相反,如果其中一些值大而其它值小,則ASM值大。當共生矩陣中元素集中分布時,此時ASM值大。ASM值大則表明一種較均一和規(guī)則變化的紋理模式。
對比度(contrast,CON)的表達式為直接反映了某個像素值及其領域像素值的亮度的對比情況。如果偏離對角線的元素有較大值,即圖像亮度值變化很快,則CON會有較大取值。反映了圖像的清晰度和紋理溝紋深淺的程度。紋理溝紋越深,其對比度越大,視覺效果越清晰;反之,對比度小,則溝紋淺,效果模糊。
逆差矩(inverse different moment,IDM)計算公式為 如果灰度共生矩陣對角元素有較大值,IDM就會取較大的值。逆差矩反映圖像紋理的同質(zhì)性,度量圖像紋理局部變化的多少。IDM的值較大則說明圖像紋理的不同區(qū)域間缺少變化,局部較為均勻。
熵(entropy,ENT)的計算公式為若灰度共生矩陣值分布均勻,即圖像中噪聲較大,熵的值會較大。熵是圖像所具有的信息量的度量,紋理信息也屬于圖像的信息,是一個隨機性的度量,當共生矩陣 中所有元素有最大的隨機性、空間共生矩陣中所有值幾乎相等時,共生矩陣中元素分散分布時,熵較大。它表示了圖像中紋理的非均勻程度或復雜程度。
自相關系數(shù)(correlation,COR)的計算公式為 其中μ表示灰度共生矩陣的均值,σ表示灰度共生矩陣的標準差。自相關反應了圖像紋理的一致性。如果圖像中有水平方向紋理,則水平方向矩陣的COR大于其余矩陣的COR值。它度量空間灰度共生矩陣元素在行或列方向上的相似程度,因此,自相關系數(shù)大小反映了圖像中局部灰度相關性。當矩陣元素值均勻相等時,自相關系數(shù)就大;相反,如果矩陣像元值相差很大則自相關系數(shù)小。
以上介紹的幾個標量均能表征灰度共生矩陣,可以利用其中至少一種來進行比對,對紙幣進行鑒偽。也可以選用其中的多個構成一個特征向量,綜合后的向量可以用來表征灰度共生矩陣的各方面特征,判斷待鑒偽紙幣的主結(jié)構圖像的灰度共生矩陣對應的特征向量與真幣主結(jié)構圖像的灰度共生矩陣對應的特征向量之間的相似關系,確定紙幣的真?zhèn)巍?/p>
在上述技術方案的基礎上,可選地,在計算所述主結(jié)構圖像的灰度共生矩陣之前還包括:
計算所述待檢測區(qū)域的行差分矩陣和列差分矩陣;
分別計算所述行差分矩陣中各元素構成的第一組數(shù)據(jù)的方差和所述列差分矩陣中各元素構成的第二組數(shù)據(jù)的方差;
根據(jù)所述第一組數(shù)據(jù)的方差與所述第二組數(shù)據(jù)的方差之間的關系,確定計算所述主結(jié)構圖像灰度共生矩陣時采用的距離差分值的方向。
其中,行差分矩陣中的每個元素為待檢測區(qū)域中從第二行開始的每一行中 的每個元素與其對應的前一行中的每個元素之間的差值,列差分矩陣同理。行差分矩陣中的每個元素一起構成第一組數(shù)據(jù),列差分矩陣中的每個元素一起構成第二組數(shù)據(jù),分別計算兩組數(shù)據(jù)的方差,根據(jù)兩組數(shù)據(jù)的方差大小之間的關系,可以選取距離差分值合適的方向。
優(yōu)選地,所述距離差分值的方向包括垂直方向、水平方向或?qū)蔷€方向。
其中,當?shù)谝唤M數(shù)據(jù)的方差遠大于第二組數(shù)據(jù)的方差時,可以將距離差分值的方向選為垂直方向,當?shù)诙M數(shù)據(jù)的方差遠大于第一組數(shù)據(jù)的方差時,可以將距離差分值的方向選為水平方向,當兩組數(shù)據(jù)的方差相近時,可以將距離差分值的方向選為對角線方向。采用差分矩陣的方差來判斷圖像中紋理變化主要集中在行方向還是在列方向,相應地選取合適方向的距離差分值。示例性地,圖2中,羽毛圖案的紋理變化主要集中在垂直方向,因此將距離差分值選取為水平方向,例如可以選為[2,0],即水平方向保持距離為2。
在上述技術方案的基礎上,提取所述待檢測區(qū)域的圖像主結(jié)構,得到所述待檢測區(qū)域的主結(jié)構圖像包括:
基于總變差形式的模型,提取所述待檢測區(qū)域的圖像主結(jié)構,得到所述待檢測區(qū)域的主結(jié)構圖像。
其中,總變差形式的模型具體公式為其中I代表輸入圖像,由像素點組成,矩陣里每一個元素的數(shù)值表示該像素的灰度值,P代表2D圖像像素的位置索引,即I當中每個元素的下標i和j。S代表輸出主結(jié)構圖像,結(jié)構與I相同。其中λ是一個不可或缺的權重,它用來控制圖像的光滑程度,一般選取為0.01到0.03之間。其中可寫成如下各向異性的形式:該模型可以有效地分解圖像中的結(jié)構信 息和紋理,并且無需特別指定紋理是否規(guī)則或?qū)ΨQ,換言之,該方法具有一般性和隨意性,它適用于非統(tǒng)一的或各向異性的紋理。
實施例二
圖5是本發(fā)明實施例提供一種紙幣鑒偽的裝置,該裝置包括:
圖像獲取模塊210,用于獲取待鑒偽紙幣的紅外透射圖;
區(qū)域確定模塊220,用于在所述紅外透射圖中確定待檢測區(qū)域;
主結(jié)構提取模塊230,用于提取所述待檢測區(qū)域的圖像主結(jié)構,得到所述待檢測區(qū)域的主結(jié)構圖像;
矩陣計算模塊240,用于計算所述主結(jié)構圖像的灰度共生矩陣;
紙幣鑒偽模塊250,用于根據(jù)所述主結(jié)構圖像的灰度共生矩陣特征與真幣主結(jié)構圖像的灰度共生矩陣特征之間的關系,確定待鑒偽紙幣的鑒偽結(jié)果。
進一步地,表征所述灰度共生矩陣特征的標量包括下述至少一種:角二階矩能量、對比度、逆差矩、熵或自相關系數(shù)。
進一步地,還包括:
方向確定模塊,用于在計算所述主結(jié)構圖像的灰度共生矩陣之前,計算所述待檢測區(qū)域的行差分矩陣和列差分矩陣;分別計算所述行差分矩陣中各元素構成的第一組數(shù)據(jù)的方差和所述列差分矩陣中各元素構成的第二組數(shù)據(jù)的方差;根據(jù)所述第一組數(shù)據(jù)的方差與所述第二組數(shù)據(jù)的方差之間的關系,確定計算所述主結(jié)構圖像灰度共生矩陣時采用的距離差分值的方向。
進一步地,所述距離差分值的方向包括垂直方向、水平方向或?qū)蔷€方向。
進一步地,所述主結(jié)構提取模塊230具體用于:
基于總變差形式的模型,提取所述待檢測區(qū)域的圖像主結(jié)構,得到所述待檢測區(qū)域的主結(jié)構圖像。
上述紙幣鑒偽的裝置可執(zhí)行本發(fā)明任意實施例所提供的紙幣鑒偽的方法,具備執(zhí)行方法相應的功能模塊和有益效果。
注意,上述僅為本發(fā)明的較佳實施例及所運用技術原理。本領域技術人員會理解,本發(fā)明不限于這里所述的特定實施例,對本領域技術人員來說能夠進行各種明顯的變化、重新調(diào)整和替代而不會脫離本發(fā)明的保護范圍。因此,雖然通過以上實施例對本發(fā)明進行了較為詳細的說明,但是本發(fā)明不僅僅限于以上實施例,在不脫離本發(fā)明構思的情況下,還可以包括更多其他等效實施例,而本發(fā)明的范圍由所附的權利要求范圍決定。