本發(fā)明涉及有價票據技術領域，具體而言，涉及一種有價票據的缺陷管理方法、一種有價票據的圖像分析方法、一種有價票據的質量檢測方法、一種有價票據的缺陷管理系統(tǒng)、一種有價票據的圖像分析系統(tǒng)和一種有價票據的質量檢測系統(tǒng)。

背景技術：

目前，對于有價票據的質量核查，都是直接使用清分機來執(zhí)行。雖然清分機的核查速度很快，但往往容易造成誤判斷，如，樣本過少導致部分與樣本有差異的正常圖像不能通過檢測，導致誤報，樣本過多導致允許的范圍過寬，導致漏報，將原本合格的有價票據判定為不合格。在相關技術中，為了避免浪費，對于清分機判定為不合格的有價票據，需要采用人工的方式進行二次核查，不僅核查效率低，同時也需要耗費較多的人力和物力資源。

此外，精確的缺陷管理有利于對提高檢測能力，同時缺陷的精確分類能為前工序提供重要的反饋信息，幫助提升印刷質量。常用的分類方法包括：決策樹，神經網絡，樸素貝葉斯，SVM(Support Vector Machine，支持向量機)等。在實際應用中都具有各自的優(yōu)缺點，比如：

一、決策樹分類方法，優(yōu)點：

1)決策樹的構造不需要任何領域知識或參數設置，因此適合于探測式知識發(fā)現(xiàn)；

2)決策樹可以處理高維數據，且處理速度相對較快；

3)決策樹歸納的學習步驟簡單快速；

缺點：

1)分類魯棒性不強；

2)當類別太多時，錯誤可能就會增加的比較快；

二、神經網絡，優(yōu)點：

1)算法魯棒，抗噪音數據，具有對未經訓練的數據進行分析的能力；

2)可以處理離散、連續(xù)、向量等多種數據形式；

3)算法固有并行性，適用于并行計算加快計算過程；

缺點：

1)網絡訓練時間長；

2)網絡模型缺乏可解釋性，隱含層和權值中包含的信息難以理解；

3)由于sigmoid型的激勵函數都存在飽和區(qū)，網絡訓練容易產生麻痹現(xiàn)象；

三、SVM使用非線性映射，將原始數據映射到更高維的空間，然后再高維空間中找到一個超平面原始數據被分離的最好，

其優(yōu)點：

1)分類魯棒性強；

2)具有很強的泛化和學習能；

3)能很好克服傳統(tǒng)算法的維數空間和過學習問。

缺點：當數據量過大時，訓練時間長。

在有價票據印刷品缺陷管理中分類準確和計算時間是考慮的兩個重要因素。由于印刷產品多，需要分類處理疑似缺陷也隨之增加，尤其在連續(xù)廢的情況下，分類處理時間就至關重要。

因此，如何減少樣本個數、計算量以及特征提取的時間，在設計出多節(jié)點二次核查系統(tǒng)后，如何確保二次核查系統(tǒng)可以更加合理地分配任務，從而提高二次核查系統(tǒng)的核查效率，提高核查的準確率，降低核查成本，在缺陷管理算法設計中，如何提高分類精度，如何將計算速度降到可以接受的范圍，從而提高質量檢測系統(tǒng)的魯棒性成為目前亟待解決的技術問題。

技術實現(xiàn)要素：

本發(fā)明正是基于上述問題，提出了一種新的有價票據的綜合判定技術，可以減少樣本個數、計算量以及特征提取的時間，還可提高二次核查系統(tǒng)的核查效率，提高核查的準確率，降低核查成本，提高分類精度，提高質量檢測系統(tǒng)的魯棒性。

有鑒于此，本發(fā)明的第一方面提出了一種有價票據的缺陷管理方法，包括：獲取有價票據的樣本圖像，并根據所述樣本圖像生成攜帶有疑似缺陷殘點的模版圖像；計算所述模版圖像中的多個疑似缺陷殘點組成的幾何圖形的質心的位置和幾何中心的位置；根據所述質心的位置和所述幾何中心的位置，判斷所述多個疑似缺陷殘點中的任一疑似缺陷殘點是否為缺陷殘點。

在該技術方案中，根據模版圖像中的多個疑似缺陷殘點組成的幾何圖形的質心的位置和幾何中心的位置判斷多個疑似缺陷殘點中的任一疑似缺陷殘點是否為真正的缺陷殘點，其中，可以利用LLE算法(Locally Linear Embedding，局部線性嵌入算法)將有價票據的樣本圖像生成模版圖像，因此，通過上述技術方案，可以避免相關技術中通過高低模版匹配法、或相似性檢測法確定疑似缺陷殘點是否為真正地缺陷殘點，從而避免出現(xiàn)將疑似缺陷殘點誤判的情況，有效地提高了缺陷殘點的檢測正確率，進而提高了印刷質量檢測系統(tǒng)的魯棒性。

在上述技術方案中，優(yōu)選地，計算所述模版圖像中的多個疑似缺陷殘點組成的幾何圖形的質心的位置和幾何中心的位置，以根據所述質心的位置和所述幾何中心的位置，判斷所述多個疑似缺陷殘點中的任一疑似缺陷殘點是否為缺陷殘點的步驟包括：計算所述多個疑似缺陷殘點組成的幾何圖形的第一質心的位置和第一幾何中心的位置，并計算除所述任一疑似缺陷殘點之外的其他疑似缺陷殘點組成的幾何圖形的第二質心的位置和第二幾何中心的位置；判斷所述第一質心的位置和所述第二質心的位置之間的距離是否大于第一閾值，且所述第一幾何中心的位置和所述第二幾何中心的位置之間的距離是否小于第二閾值；若判斷結果為否，則所述任一疑似缺陷殘點為所述缺陷殘點，否則，所述任一疑似缺陷殘點不是所述缺陷殘點。

在該技術方案中，通過將多個疑似缺陷殘點組成的幾何圖形的第一質心的位置和除任一疑似缺陷殘點組成的幾何圖形的第二質心的位置進行比較，以及將多個疑似缺陷殘點組成的幾何圖形的第一幾何中心的位置和除任一疑似缺陷殘點組成的幾何圖形的第二幾何中心的位置進行比較，從而可以根據比較結果確定任一疑似缺陷殘點是否為真正地缺陷殘點，具體的，當第一質心的位置和第二質心的位置之間的距離大于第一閾值，且第一幾何中心的位置和第二幾何中心的位置之間的距離小于第二閾值時，也就說明第二質心的位置相較于第一質心的位置發(fā)生的變化較大，而第二幾何中心的位置相較于第一幾何中心的位置發(fā)生的變化較小，則確定任一疑似缺陷殘點有干擾，即任一疑似缺陷殘點不是真正的缺陷殘點，可以排除該任一缺陷殘點，否則，除上述情況外，其他情況均可認為疑似缺陷殘點為真正地缺陷殘點，如此，可以比較準確地判斷任一疑似缺陷殘點是否為真正的缺陷殘點。

在上述任一技術方案中，優(yōu)選地，所述根據所述樣本圖像生成攜帶有疑似缺陷殘點的模版圖像的步驟，具體包括：根據所述樣本圖像中的每個樣本點的臨近點計算權值矩陣；根據所述權值矩陣生成攜帶有所述疑似缺陷殘點的所述模版圖像。

在該技術方案中，通過計算每個樣本點和該樣本點的臨近點之間的權值矩陣，例如，可以通過度量歐式距離的方法找到每個樣本點的臨近點，從而可以根據該權值矩陣生成攜帶有疑似缺陷殘點的模版圖像。

在上述任一技術方案中，優(yōu)選地，所述根據所述樣本圖像中的每個樣本點的臨近點計算權值矩陣的步驟，具體包括：通過以下公式計算所述權值矩陣：

其中，ε(w)表示誤差值，X_i表示任一樣本點，X_j(j＝1，2，…，k)表示所述任一樣本點的k個臨近點，w_ij表示所述任一樣本點和所述臨近點之間的所述權值矩陣。

在該技術方案中，通過上述公式來計算權值矩陣，其中，當ε(w)的值最小時，即可計算出權值矩陣的值，另外，k為預先給定的值。

在上述任一技術方案中，優(yōu)選地，所述權值矩陣的每一行的和為1。

在該技術方案中，權值矩陣的每一行的和為1，即∑_jw_ij＝1，如此，通過使權值矩陣滿足上述約束條件，可以確保權值矩陣的有效性。

本發(fā)明的第二方面提出了一種有價票據的缺陷管理方法，包括：獲取有價票據的樣本圖像；對所述樣本圖像進行傅立葉變換，以確定所述樣本圖像的幅度圖像和相位圖像；獲取所述幅度圖像對應的幅度還原圖像、以及所述相位圖像對應的相位X向偏導還原圖像和相位Y向偏導還原圖像；根據所述幅度還原圖像、所述相位X向偏導還原圖像和所述相位Y向偏導還原圖像生成還原圖像；將所述樣本圖像和所述還原圖像進行差分，根據差分結果確定所述有價票據的殘差圖像。

在該技術方案中，通過獲取有價票據的樣本圖像的幅度圖像對應的幅度還原圖像和相位圖像對應的相位X向偏導還原圖像和相位Y向偏導還原圖像，其中，X表示坐標軸的X向，Y表示坐標軸的Y向，并將幅度還原圖像、相位X向偏導還原圖像和相位Y向偏導還原圖像生成的還原圖像和樣本圖像進行差分，并根據差分結果確定有價票據的殘差圖像，可以有效地提高印刷質量檢測系統(tǒng)的魯棒性。

在上述技術方案中，優(yōu)選地，所述獲取所述幅度圖像對應的幅度還原圖像、以及所述相位圖像對應的相位X向偏導還原圖像和相位Y向偏導還原圖像的步驟，具體包括：將所述相位圖像中的任一圖像的相位作為基礎相位，并根據所述基礎相位對所述相位圖像中除所述任一圖像之外的其他圖像的相位進行處理，以得到相位圖像差；根據所述相位圖像差確定所述幅度還原圖像、所述相位X向偏導還原圖像和所述相位Y向偏導還原圖像。

在該技術方案中，通過將相位圖像中的任一圖像的相位作為基礎相位，例如，將相位圖像中的第一幅圖像的相位作為基礎相位，并根據基礎相位對相位圖像中的其他圖像的相位進行處理，以得到相位圖像差，從而可以通過對相位圖像差進行偏導計算以比較準確地確定相位X向偏導還原圖像和相位Y向偏導還原圖像。

在上述任一技術方案中，優(yōu)選地，所述根據所述幅度還原圖像、所述相位X向偏導還原圖像和所述相位Y向偏導還原圖像生成還原圖像的步驟，具體包括：根據所述相位X向偏導還原圖像或所述相位Y向偏導還原圖像與初始點，確定解卷繞相位還原圖像；根據所述解卷繞相位還原圖像和所述基礎相位確定相位還原圖像；對所述相位還原圖像和所述幅度還原圖像進行傅立葉反變換，以確定所述還原圖像。

在該技術方案中，通過將相位X向偏導還原圖像(或者相位Y向偏導還原圖像)和幅度還原圖像逆向生成為還原圖像，利用了“當圖像的幾何位移發(fā)生變化時，圖像的頻譜中幅度譜保持不變、相位譜只出現(xiàn)線性偏移”的原理，可以有效地說明本發(fā)明的有價票據的缺陷管理方法具有較強的形變容忍性。

在上述任一技術方案中，優(yōu)選地，所述根據所述相位圖像差確定所述幅度還原圖像、所述相位X向偏導還原圖像和所述相位Y向偏導還原圖像的步驟，具體包括：對所述相位圖像差在X向和Y向分別進行偏導計算，以得到所述相位圖像差的X向的偏導數和所述相位圖像差的Y向的偏導數；對所述幅度圖像、所述X向的偏導數、所述Y向的偏導數進行分析和還原，根據分析和還原結果確定所述幅度還原圖像、所述相位X向偏導還原圖像和所述相位Y向偏導還原圖像。

在該技術方案中，通過對相位圖像差在X向和Y向分別進行偏導計算，可以比較準確地根據X向的偏導數和Y向的偏導數獲取相位X向偏導還原圖像和相位Y向偏導還原圖像，從而能夠比較準確地根據相位X向偏導還原圖像、相位Y向偏導還原圖像和幅度還原圖像獲取到還原圖像。

在上述任一技術方案中，優(yōu)選地，所述根據所述基礎相位對所述相位圖像中除所述任一圖像之外的其他圖像的相位進行處理，以得到相位圖像差的步驟，具體包括：將所述其他圖像的相位與所述基礎相位進行減法計算，并對計算結果進行相位解卷繞處理，根據相位解卷繞處理結果確定所述相位圖像差。

在該技術方案中，通過將其他圖像的相位與基礎相位相減并進行相位解卷繞處理，可以得到相位圖像差，從而可以通過對相位圖像差進行偏導計算以比較準確地確定相位X向偏導還原圖像和相位Y向偏導還原圖像。

本發(fā)明第三方面提出了一種有價票據的缺陷管理方法，包括：根據有價票據訓練集中每個有價票據的缺陷特征，生成第一級子節(jié)點；計算每個所述第一級子節(jié)點的分割值，并根據所述分割值對所述缺陷特征進行分類；判斷所有所述第一級子節(jié)點是否不可再分類，在判斷結果為是時，分類完成。

其中，優(yōu)選地，根據所述分割值對所述缺陷特征進行分類的步驟，具體包括：若所述分割值小于設定閾值，則采用支持向量機方法對所述缺陷特征進行分類；若所述分割值大于等于所述設定閾值，則采用決策樹方法對所述缺陷特征進行分類。

在該技術方案中，通過每個第一級子節(jié)點的分割值與設定的閥值進行比較，確定采用向量機方法和決策樹方法進行的分類，進一步判斷所有節(jié)點是否不可再分類，確定分類完成，通過采用向量機方法和決策樹方法來對缺陷特征進行分類，可以有效的提高分類精度，計算速度也降到了可以接受的范圍，提高了算法效率。

在上述任一項技術方案中，優(yōu)選地，根據有價票據的訓練集中每個有價票據的缺陷特征，生成第一級子節(jié)點的步驟，具體包括：計算所述有價票據訓練集中每個有價票據的缺陷特征與其他有價票據的缺陷特征之間的信息增益值；根據所述每個有價票據對應的信息增益值構造所述第一級子節(jié)點。

在該技術方案中，通過計算有價票據訓練集中每個有價票據的缺陷特征與其他有價票據的缺陷特征之間的信息增益值，可以有效的避免錯誤缺陷的提取，進而對缺陷殘點進行再檢測，計算缺陷衰減程度，根據衰減程度區(qū)分是正常缺陷還是錯誤缺陷，對衰減程度的判斷，可以有效的提高分類精度，并且提高了算法效率。

在上述任一項技術方案中，優(yōu)選地，還包括：計算每個有價票據的殘點到缺陷質心的歐氏距離；在任一有價票據的殘點到缺陷質心的所述歐氏距離大于或等于預設距離時，刪除根據所述任一有價票據的缺陷特征生成的所述第一級子節(jié)點。歐氏

在該技術方案中，通過計算歐氏距離與預設距離進行比較，可以有效的避免異常點對缺陷特征的影響。

在上述任一項技術方案中，優(yōu)選地，所述缺陷特征包括：能量、密度、殘點密度、殘點飽和度、殘點散度和/或殘點黑白特性。

本發(fā)明的第四方面提出了一種有價票據的質量檢測系統(tǒng)，用于對有價票據進行質量核查的二次核查系統(tǒng)，包括：獲取單元，用于獲取所述二次核查系統(tǒng)中的清分機檢測為不合格的有價票據的圖像信息；第一分配單元，用于根據所述二次核查系統(tǒng)中記錄的二次核查節(jié)點的狀態(tài)數據和分配模式，將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點；配置單元，用于獲取所述二次核查系統(tǒng)的系統(tǒng)配置信息，根據所述系統(tǒng)配置信息對所述二次核查節(jié)點進行配置；觸發(fā)單元，用于獲取所述不合格的有價票據的批次信息，根據所述批次信息觸發(fā)所述二次核查節(jié)點開始圖像分析工作或結束圖像分析工作，獲取所述不合格的有價票據的品種信息，觸發(fā)所述二次核查節(jié)點切換到與所述品種信息對應的圖像檢測模板。

在該技術方案中，根據二次核查系統(tǒng)中記錄的二次核查節(jié)點的狀態(tài)數據和分配模式，將清分機檢測為不合格的有價票據的圖像信息分配給二次核查節(jié)點，可以使得不合格的有價票據的圖像信息分配地更加合理，有效地提高了二次核查系統(tǒng)對不合格的有價票據的核查效率以及提升了二次核查系統(tǒng)的自動化性能。

在上述技術方案中，優(yōu)選地，還包括：存儲單元，用于將所述二次核查節(jié)點的二次核查結果和所述批次信息進行關聯(lián)存儲，以得到匯總數據；提取單元，用于從所述匯總數據中提取出所述二次核查結果為不合格的有價票據的圖像信息和冠字號信息，并按照所述批次信息將所述二次核查結果為不合格的有價票據的圖像信息和冠字號信息寫入數據庫，以供綜合判定系統(tǒng)進行處理。

在該技術方案中，通過將二次核查節(jié)點的二次核查結果為不合格的有價票據的圖像信息和冠字號信息寫入數據庫，從而使得綜合判定系統(tǒng)可以對不合格的有價票據的圖像信息再次進行處理以確定不合格的有價票據是否確實為不合格的有價票據，進一步地提升了核查的準確率。

在上述任一技術方案中，優(yōu)選地，所述提取單元還用于，從所述匯總數據中提取出檢測過程數據，并將所述檢測過程數據提供給關聯(lián)成套圖像實時存儲系統(tǒng)進行內容關聯(lián)和成套存儲。

在該技術方案中，通過將從匯總數據中提取的檢測過程數據提供給關聯(lián)成套圖像實時存儲系統(tǒng)，以進行內容關聯(lián)和成套存儲，從而可以將檢測過程數據記錄下來。

在上述任一技術方案中，優(yōu)選地，還包括：第二分配單元，用于若所有所述二次核查節(jié)點出現(xiàn)故障，將所述不合格的有價票據的圖像信息分配給所述綜合判定系統(tǒng)，以供所述綜合判定系統(tǒng)最終判定所述不合格的有價票據是否合格。

在該技術方案中，當二次核查節(jié)點出現(xiàn)故障時，可以將不合格的有價票據的圖像信息分配給綜合判定系統(tǒng)，以供綜合判定系統(tǒng)最終判定不合格的有價票據是否合格，如此，可以提高二次核查系統(tǒng)的可靠性，避免在二次核查節(jié)點出現(xiàn)故障時不能對不合格的有價票據進行二次核查而導致較多的不合格的有價票據被誤判的情況。

在上述任一技術方案中，優(yōu)選地，所述分配單元具體用于，若所述分配模式為第一分配模式時，根據所述狀態(tài)數據中的所述二次核查節(jié)點與質量檢測系統(tǒng)的連接時間，將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點；若所述分配模式為第二分配模式時，根據所述狀態(tài)數據中的處理速度，將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點；若所述分配模式為第三分配模式時，根據所述狀態(tài)數據中的已處理量將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點。

在該技術方案中，在不同的分配模式下，將不合格的有價票據分配給二次核查節(jié)點的依據不同，如此，可以使得不合格的有價票據的分配更加合理，從而提高了不合格的有價票據的核查效率。

本發(fā)明第五方面提出了一種有價票據的質量檢測方法，包括：將所有有價票據的樣本集劃分成多個檢測區(qū)域；將所述多個檢測區(qū)域中的每個檢測區(qū)域對應的樣本集按照特征進行聚類，以將所述每個檢測區(qū)域對應的樣本集分成多個類別；用所述每個檢測區(qū)域中多個類別中的每個類別的樣本集學習對應的檢測區(qū)域的參數空間，以得到每個檢測區(qū)域對應的參數空間；采用每個參數空間對對應的檢測區(qū)域中的樣本集進行質量檢測。

在該技術方案中，將樣本集劃分的多個檢測區(qū)域按照特征進行聚類，分成多個類別，這樣，每個子類所構成的空間會更加均勻和平坦，同時縮小樣本規(guī)模，用每個類別的樣本集學習對應的參數空間，根據每個參數空間對對應的檢測區(qū)域中的樣本集進行質量檢測，保證模式分析算法的穩(wěn)定性，并且有效的減少樣本個數、計算量以及特征提取的時間，提高了算法效率。

在上述技術方案中，優(yōu)選地，將所述多個檢測區(qū)域中的每個檢測區(qū)域對應的樣本集按照特征進行聚類，具體包括：將所述每個檢測區(qū)域中的任一樣本作為一個聚類中心的初始值；計算所述檢測區(qū)域中其他樣本與所述任一樣本之間的第一歐氏距離；在所述第一歐氏距離大于預設距離時，將所述其他樣本作為一個新的聚類中心，否則，將所述其他樣本作為以所述任一樣本為中心的聚類。

在該技術方案中，通過歐氏距離與預設距離的比較，可以避免異常點對確定聚類中心的影響。

在上述任一項技術方案中，優(yōu)選地，在將所述其他樣本作為一個新的聚類中心時，分別計算所述檢測區(qū)域中的剩余樣本與所述任一樣本之間的第二歐氏距離，以及所述剩余樣本與所述其他樣本之間的第三歐氏距離，歐氏以確定所述剩余樣本所屬的聚類。

其中，優(yōu)選地，確定所述剩余樣本所屬的聚類的步驟，具體包括：在所述第二歐氏距離小于或等于所述預設距離時，將所述剩余樣本作為以所述任一樣本為中心的聚類，在所述第三歐氏距離小于或等于所述預設距離時，將所述剩余樣本作為以所述其他樣本為中心的聚類，在所述第二歐氏距離以及所述第三歐氏距離均大于所述預設距離時，比較所述第二歐氏距離與所述第三歐氏距離的大小，在所述第二歐氏距離大于所述第三歐氏距離時，將所述剩余樣本作為以所述其他樣本為中心的聚類，以及在所述第二歐氏距離小于所述第三歐氏距離時，將所述剩余樣本作為以所述任一樣本為中心的聚類。

在該技術方案中，通過歐氏距離與預設距離的比較來確定樣本為中心的聚類，這樣，可以使構成的空間更加均勻和平坦，同時縮小了樣本規(guī)模，保證模式算法的穩(wěn)定性，提高了算法效率。

在上述任一項技術方案中，優(yōu)選地，根據以下計算公式計算所述第一歐氏距離、所述第二歐氏距離及所述第三歐氏距離：

其中，D表示所述歐氏距離，表示作為聚類中心的樣本的均值向量，C為總體的協(xié)方差矩陣，x表示樣本。

本發(fā)明第六方面提出了一種有價票據的圖像分析方法，包括：按照預設順序對有價票據的圖像的多個面向信息進行檢測，其中，所述面向信息包括正面信息、背面信息、透視信息和/或紅外信息；在檢測到任一面向信息不合格時，判定為所述圖像不合格；在檢測到所述多個面向信息中每個面向信息均合格時，判定為所述圖像合格；對所述不合格圖像的錯誤類型和錯誤工序進行分析并記錄，以對所述不合格圖像進行管理和統(tǒng)計。

在該技術方案中，分別對圖像的多種信息進行多次檢測，一套圖像含有正面、背面、透視、紅外等多面向信息，如果其中某一面向不合格，則認為該套圖像不合格，只有當所有面向信息都合格時，才認為該套圖像合格。這樣相當于在進行信息不合格判定時對圖像進行了多次檢測，使得判定結果更加可靠，有效地提高了判定的準確率，還代替了人工檢測，降低了核查成本。

在上述技術方案中，優(yōu)選地，包括：當需要檢測的圖像的個數為多個時，將所述多個圖像分配給多個不同的檢測節(jié)點，以同時使用所述多個不同的檢測節(jié)點對所述多個圖像進行檢測。

在該技術方案中，當某一批需要判定的圖像數量過多時，可以使用多節(jié)點并發(fā)運行的方式進行圖像的判定，以節(jié)約所述多個圖像的判定時間。多節(jié)點運行涉及到系統(tǒng)內部的調度方法，可以根據各節(jié)點各自運行情況分配待判圖像至不同的節(jié)點。

在上述任一項技術方案中，優(yōu)選地，還包括：分別獲取所述不合格圖像和所述合格圖像的冠字號信息；將所述不合格圖像的冠字號信息添加到黑名單中，將所述合格圖像的冠字號信息添加到白名單中，以及將所述不合格圖像的冠字號信息中的或所述合格圖像的冠字號信息中的符合指定條件的冠字號信息添加到灰名單中。

在該技術方案中，判定結果的存取皆以數據庫為主要載體，系統(tǒng)在判定過程中，判定過程信息和最終結果同步寫入數據庫中，當軟硬件異常或者其它崩潰情況，系統(tǒng)可以智能的從數據庫中恢復成當前判定狀態(tài)，以保持系統(tǒng)運行的一致性。因此，將圖像的冠字號信息添加到名單中保存起來，使得系統(tǒng)可以在異常或其他特殊情況下支持調閱圖像的判定結果，真實還原以往圖像的判定信息。其中，系統(tǒng)支持三種類型的冠字號清單輸出：白名單是指系統(tǒng)判定為合格圖像的冠字號集；黑名單是指系統(tǒng)判定為不合格圖像的冠字號集；灰名單是指符合指定條件的冠字號集。

在上述任一項技術方案中，優(yōu)選地，所述不合格圖像的錯誤類型包括：蹭臟、墨漬、折角、缺印；所述不合格圖像的錯誤工序包括：白紙、膠印、凹印。

在上述任一項技術方案中，優(yōu)選地，根據所述不合格的圖像的錯誤類型和/或錯誤工序，設置所述預設順序。

在該技術方案中，面向判定順序可以自定義，一般來說，在判斷時，對所有需要判定的圖像先判定其正面信息，如果某套圖像的正面判定為不合格，則該套圖像為不合格，該套圖像的其余面向無需再判定；當全部圖像的正面判定完畢后，正面判定合格的圖像，再進行背面判定。上述規(guī)則對判定透視、紅外等其他面向信息同樣適用。比如，該批圖像已知透視面向不合格較多，可以選擇默認首先判定透視面向，根據透視判定結果再判定其正面、背面等面向，以節(jié)約判定時間并提高系統(tǒng)的運行效率。另外，還可以將多個面向設置設為統(tǒng)一優(yōu)先級，即將多個面向設置為并列第一判斷的標準。因為在有些情況下，圖像上的某些信息需要多面結合才能判定其是否合格，此時可同時展示任意數量面向(比如只打開正面/紅外兩個面向)進行綜合信息的判定。在該模式下，系統(tǒng)判定的結果為該套圖像的最終結果，無需再進行其它面向的判定。

本發(fā)明的第七方面提出了一種有價票據的缺陷管理系統(tǒng)，包括：生成單元，用于獲取有價票據的樣本圖像，并根據所述樣本圖像生成攜帶有疑似缺陷殘點的模版圖像；第一計算單元，用于計算所述模版圖像中的多個疑似缺陷殘點組成的幾何圖形的質心的位置和幾何中心的位置；判斷單元，用于根據所述質心的位置和所述幾何中心的位置，判斷所述多個疑似缺陷殘點中的任一疑似缺陷殘點是否為缺陷殘點。

在該技術方案中，根據模版圖像中的多個疑似缺陷殘點組成的幾何圖形的質心的位置和幾何中心的位置判斷多個疑似缺陷殘點中的任一疑似缺陷殘點是否為真正的缺陷殘點，其中，可以利用LLE算法(Locally Linear Embedding，局部線性嵌入算法)將有價票據的樣本圖像生成模版圖像，因此，通過上述技術方案，可以避免相關技術中通過高低模版匹配法、或相似性檢測法確定疑似缺陷殘點是否為真正地缺陷殘點，從而避免出現(xiàn)將疑似缺陷殘點誤判的情況，有效地提高了缺陷殘點的檢測正確率，進而提高了印刷質量檢測系統(tǒng)的魯棒性。

在上述技術方案中，優(yōu)選地，所述第一計算單元具體用于，計算所述多個疑似缺陷殘點組成的幾何圖形的第一質心的位置和第一幾何中心的位置，并計算除所述任一疑似缺陷殘點之外的其他疑似缺陷殘點組成的幾何圖形的第二質心的位置和第二幾何中心的位置；所述判斷單元具體用于，判斷所述第一質心的位置和所述第二質心的位置之間的距離是否大于第一閾值，且所述第一幾何中心的位置和所述第二幾何中心的位置之間的距離是否小于第二閾值，若判斷結果為否，則所述任一疑似缺陷殘點為所述缺陷殘點，否則，所述任一疑似缺陷殘點不是所述缺陷殘點。

在該技術方案中，通過將多個疑似缺陷殘點組成的幾何圖形的第一質心的位置和除任一疑似缺陷殘點組成的幾何圖形的第二質心的位置進行比較，以及將多個疑似缺陷殘點組成的幾何圖形的第一幾何中心的位置和除任一疑似缺陷殘點組成的幾何圖形的第二幾何中心的位置進行比較，從而可以根據比較結果確定任一疑似缺陷殘點是否為真正地缺陷殘點，具體的，當第一質心的位置和第二質心的位置之間的距離大于第一閾值，且第一幾何中心的位置和第二幾何中心的位置之間的距離小于第二閾值時，也就說明第二質心的位置相較于第一質心的位置發(fā)生的變化較大，而第二幾何中心的位置相較于第一幾何中心的位置發(fā)生的變化較小，則確定任一疑似缺陷殘點有干擾，即任一疑似缺陷殘點不是真正的缺陷殘點，可以排除該任一缺陷殘點，否則，除上述情況外，其他情況均可認為疑似缺陷殘點為真正地缺陷殘點，如此，可以比較準確地判斷任一疑似缺陷殘點是否為真正的缺陷殘點。

在上述任一技術方案中，優(yōu)選地，所述生成單元包括：第二計算單元，用于根據所述樣本圖像中的每個樣本點的臨近點計算權值矩陣；所述生成單元具體用于，根據所述權值矩陣生成攜帶有所述疑似缺陷殘點的所述模版圖像。

在該技術方案中，通過計算每個樣本點和該樣本點的臨近點之間的權值矩陣，例如，可以通過度量歐式距離的方法找到每個樣本點的臨近點，從而可以根據該權值矩陣生成攜帶有疑似缺陷殘點的模版圖像。

在上述任一技術方案中，優(yōu)選地，所述第二計算單元具體用于，通過以下公式計算所述權值矩陣：

其中，ε(w)表示誤差值，X_i表示任一樣本點，X_j(j＝1，2，…，k)表示所述任一樣本點的k個臨近點，w_ij表示所述任一樣本點和所述臨近點之間的所述權值矩陣。

在該技術方案中，通過上述公式來計算權值矩陣，其中，當ε(w)的值最小時，即可計算出權值矩陣的值，另外，k為預先給定的值。

在上述任一技術方案中，優(yōu)選地，所述權值矩陣的每一行的和為1。

在該技術方案中，權值矩陣的每一行的和為1，即∑_jw_ij＝1，如此，通過使權值矩陣滿足上述約束條件，可以確保權值矩陣的有效性。

本發(fā)明的第八方面提出了一種有價票據的缺陷管理系統(tǒng)，包括：第一獲取單元，用于獲取有價票據的樣本圖像；變換單元，用于對所述樣本圖像進行傅立葉變換，以確定所述樣本圖像的幅度圖像和相位圖像；第二獲取單元，用于獲取所述幅度圖像對應的幅度還原圖像、以及所述相位圖像對應的相位X向偏導還原圖像和相位Y向偏導還原圖像；生成單元，用于根據所述幅度還原圖像、所述相位X向偏導還原圖像和所述相位Y向偏導還原圖像生成還原圖像；差分單元，用于將所述樣本圖像和所述還原圖像進行差分，根據差分結果確定所述有價票據的殘差圖像。

在該技術方案中，通過獲取有價票據的樣本圖像的幅度圖像對應的幅度還原圖像和相位圖像對應的相位X向偏導還原圖像和相位Y向偏導還原圖像，其中，X表示坐標軸的X向，Y表示坐標軸的Y向，并將幅度還原圖像、相位X向偏導還原圖像和相位Y向偏導還原圖像生成的還原圖像和樣本圖像進行差分，并根據差分結果確定有價票據的殘差圖像，可以有效地提高印刷質量檢測系統(tǒng)的魯棒性。

在上述技術方案中，優(yōu)選地，所述第二獲取單元包括：處理單元，用于將所述相位圖像中的任一圖像的相位作為基礎相位，并根據所述基礎相位對所述相位圖像中除所述任一圖像之外的其他圖像的相位進行處理，以得到相位圖像差；所述第二獲取單元具體用于，根據所述相位圖像差確定所述幅度還原圖像、所述相位X向偏導還原圖像和所述相位Y向偏導還原圖像。

在該技術方案中，通過將相位圖像中的任一圖像的相位作為基礎相位，例如，將相位圖像中的第一幅圖像的相位作為基礎相位，并根據基礎相位對相位圖像中的其他圖像的相位進行處理，以得到相位圖像差，從而可以通過對相位圖像差進行偏導計算以比較準確地確定相位X向偏導還原圖像和相位Y向偏導還原圖像。

在上述任一技術方案中，優(yōu)選地，所述生成單元包括：第一確定單元，用于根據所述相位X向偏導還原圖像或所述相位Y向偏導還原圖像與初始點，確定解卷繞相位還原圖像；第二確定單元，用于根據所述解卷繞相位還原圖像和所述基礎相位確定相位還原圖像；反變換單元，用于對所述相位還原圖像和所述幅度還原圖像進行傅立葉反變換，以確定所述還原圖像。

在該技術方案中，通過將相位X向偏導還原圖像(或者相位Y向偏導還原圖像)和幅度還原圖像逆向生成為還原圖像，利用了“當圖像的幾何位移發(fā)生變化時，圖像的頻譜中幅度譜保持不變、相位譜只出現(xiàn)線性偏移”的原理，可以有效地說明本發(fā)明的有價票據的缺陷管理方法具有較強的形變容忍性。

在上述任一技術方案中，優(yōu)選地，所述第二獲取單元包括：計算單元，用于對所述相位圖像差在X向和Y向分別進行偏導計算，以得到所述相位圖像差的X向的偏導數和所述相位圖像差的Y向的偏導數；還原單元，用于對所述幅度圖像、所述X向的偏導數、所述Y向的偏導數進行分析和還原，根據分析和還原結果確定所述幅度還原圖像、所述相位X向偏導還原圖像和所述相位Y向偏導還原圖像。

在該技術方案中，通過對相位圖像差在X向和Y向分別進行偏導計算，可以比較準確地根據X向的偏導數和Y向的偏導數獲取相位X向偏導還原圖像和相位Y向偏導還原圖像，從而能夠比較準確地根據相位X向偏導還原圖像、相位Y向偏導還原圖像和幅度還原圖像獲取到還原圖像。

在上述任一技術方案中，優(yōu)選地，所述處理單元具體用于，將所述其他圖像的相位與所述基礎相位進行減法計算，并對計算結果進行相位解卷繞處理，根據相位解卷繞處理結果確定所述相位圖像差。

在該技術方案中，通過將其他圖像的相位與基礎相位相減并進行相位解卷繞處理，可以得到相位圖像差，從而可以通過對相位圖像差進行偏導計算以比較準確地確定相位X向偏導還原圖像和相位Y向偏導還原圖像。

本發(fā)明第九方面提出了一種有價票據的缺陷管理系統(tǒng)，包括：生成單元，用于根據有價票據訓練集中每個有價票據的缺陷特征，生成第一級子節(jié)點；分類單元，用于計算每個所述第一級子節(jié)點的分割值，并根據所述分割值對所述缺陷特征進行分類；處理單元，用于判斷所有所述第一級子節(jié)點是否不可再分類，在判斷結果為是時，分類完成。

其中，優(yōu)選地，所述分類單元具體用于：若所述分割值小于設定閾值，則采用支持向量機方法對所述缺陷特征進行分類，以及若所述分割值大于等于所述設定閾值，則采用決策樹方法對所述缺陷特征進行分類。

在該技術方案中，通過每個第一級子節(jié)點的分割值與設定的閥值進行比較，確定采用向量機方法和決策樹方法進行的分類，進一步判斷所有節(jié)點是否不可再分類，確定分類完成，通過采用向量機方法和決策樹方法來對缺陷特征進行分類，可以有效的提高分類精度，計算速度也降到了可以接受的范圍，提高了算法效率。

在上述任一項技術方案中，優(yōu)選地，所述生成單元具體用于：計算所述有價票據訓練集中每個有價票據的缺陷特征與其他有價票據的缺陷特征之間的信息增益值，以及根據所述每個有價票據對應的信息增益值構造所述第一級子節(jié)點。

在該技術方案中，通過計算有價票據訓練集中每個有價票據的缺陷特征與其他有價票據的缺陷特征之間的信息增益值，可以有效的避免錯誤缺陷的提取，進而對缺陷殘點進行再檢測，計算缺陷衰減程度，根據衰減程度區(qū)分是正常缺陷還是錯誤缺陷，對衰減程度的判斷，可以有效的提高分類精度，并且提高了算法效率。

在上述任一項技術方案中，優(yōu)選地，還包括：計算單元，用于計算每個有價票據的殘點到缺陷質心的歐氏距離；刪除單元，用于在任一有價票據的殘點到缺陷質心的所述歐氏距離大于或等于預設距離時，刪除根據所述任一有價票據的缺陷特征生成的所述第一級子節(jié)點。

在該技術方案中，通過計算歐氏距離與預設距離進行比較，可以有效的避免異常點對缺陷特征的影響。

在上述任一項技術方案中，優(yōu)選地，所述缺陷特征包括：能量、密度、殘點密度、殘點飽和度、殘點散度和/或殘點黑白特性。

本發(fā)明的第十方面提出了一種有價票據的質量檢測方法，用于對有價票據進行質量核查的二次核查系統(tǒng)，包括：獲取所述二次核查系統(tǒng)中的清分機檢測為不合格的有價票據的圖像信息；根據所述二次核查系統(tǒng)中記錄的二次核查節(jié)點的狀態(tài)數據和分配模式，將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點；獲取所述二次核查系統(tǒng)的系統(tǒng)配置信息，根據所述系統(tǒng)配置信息對所述二次核查節(jié)點進行配置；獲取所述不合格的有價票據的批次信息，根據所述批次信息觸發(fā)所述二次核查節(jié)點開始圖像分析工作或結束圖像分析工作；獲取所述不合格的有價票據的品種信息，觸發(fā)所述二次核查節(jié)點切換到與所述品種信息對應的圖像檢測模板。

在該技術方案中，根據二次核查系統(tǒng)中記錄的二次核查節(jié)點的狀態(tài)數據和分配模式，將清分機檢測為不合格的有價票據的圖像信息分配給二次核查節(jié)點，可以使得不合格的有價票據的圖像信息分配地更加合理，有效地提高了二次核查系統(tǒng)對不合格的有價票據的核查效率以及提升了二次核查系統(tǒng)的自動化性能。

在上述技術方案中，優(yōu)選地，還包括：將所述二次核查節(jié)點的二次核查結果和所述批次信息進行關聯(lián)存儲，以得到匯總數據；從所述匯總數據中提取出所述二次核查結果為不合格的有價票據的圖像信息和冠字號信息，并按照所述批次信息將所述二次核查結果為不合格的有價票據的圖像信息和冠字號信息寫入數據庫，以供綜合判定系統(tǒng)進行處理。

在該技術方案中，通過將二次核查節(jié)點的二次核查結果為不合格的有價票據的圖像信息和冠字號信息寫入數據庫，從而使得綜合判定系統(tǒng)可以對不合格的有價票據的圖像信息再次進行處理以確定不合格的有價票據是否確實為不合格的有價票據，進一步地提升了核查的準確率。

在上述任一技術方案中，優(yōu)選地，所述將所述二次核查節(jié)點的二次核查結果和所述批次信息進行關聯(lián)存儲，以得到匯總數據的步驟之后，還包括：從所述匯總數據中提取出檢測過程數據，并將所述檢測過程數據提供給關聯(lián)成套圖像實時存儲系統(tǒng)進行內容關聯(lián)和成套存儲。

在該技術方案中，通過將從匯總數據中提取的檢測過程數據提供給關聯(lián)成套圖像實時存儲系統(tǒng)，以進行內容關聯(lián)和成套存儲，從而可以將檢測過程數據記錄下來。

在上述任一技術方案中，優(yōu)選地，還包括：若所有所述二次核查節(jié)點出現(xiàn)故障，將所述不合格的有價票據的圖像信息分配給所述綜合判定系統(tǒng)，以供所述綜合判定系統(tǒng)最終判定所述不合格的有價票據是否合格。

在該技術方案中，當二次核查節(jié)點出現(xiàn)故障時，可以將不合格的有價票據的圖像信息分配給綜合判定系統(tǒng)，以供綜合判定系統(tǒng)最終判定不合格的有價票據是否合格，如此，可以提高二次核查系統(tǒng)的可靠性，避免在二次核查節(jié)點出現(xiàn)故障時不能對不合格的有價票據進行二次核查而導致較多的不合格的有價票據被誤判的情況。

在上述任一技術方案中，優(yōu)選地，所述根據所述二次核查系統(tǒng)中記錄的二次核查節(jié)點的狀態(tài)數據和分配模式，將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點的步驟，具體包括：若所述分配模式為第一分配模式時，根據所述狀態(tài)數據中的所述二次核查節(jié)點與質量檢測系統(tǒng)的連接時間，將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點；若所述分配模式為第二分配模式時，根據所述狀態(tài)數據中的處理速度，將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點；若所述分配模式為第三分配模式時，根據所述狀態(tài)數據中的已處理量將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點。

在該技術方案中，在不同的分配模式下，將不合格的有價票據分配給二次核查節(jié)點的依據不同，如此，可以使得不合格的有價票據的分配更加合理，從而提高了不合格的有價票據的核查效率。

本發(fā)明第十一方面提出了一種有價票據的質量檢測系統(tǒng)，包括：劃分單元，用于將所有有價票據的樣本集劃分成多個檢測區(qū)域；聚類單元，用于將所述多個檢測區(qū)域中的每個檢測區(qū)域對應的樣本集按照特征進行聚類，以將所述每個檢測區(qū)域對應的樣本集分成多個類別；學習單元，用于用所述每個檢測區(qū)域中多個類別中的每個類別的樣本集學習對應的檢測區(qū)域的參數空間，以得到每個檢測區(qū)域對應的參數空間；檢測單元，用于采用每個參數空間對對應的檢測區(qū)域中的樣本集進行質量檢測。

在該技術方案中，將樣本集劃分的多個檢測區(qū)域按照特征進行聚類，分成多個類別，這樣，每個子類所構成的空間會更加均勻和平坦，同時縮小樣本規(guī)模，用每個類別的樣本集學習對應的參數空間，根據每個參數空間對對應的檢測區(qū)域中的樣本集進行質量檢測，保證模式分析算法的穩(wěn)定性，并且有效的減少樣本個數、計算量以及特征提取的時間，提高了算法效率。

在上述技術方案中，優(yōu)選地，所述聚類單元包括：設置單元，用于將所述每個檢測區(qū)域中的任一樣本作為一個聚類中心的初始值；計算單元，用于計算所述檢測區(qū)域中其他樣本與所述任一樣本之間的第一歐氏距離；確認單元，用于在所述第一歐氏距離大于預設距離時，將所述其他樣本作為一個新的聚類中心，否則，將所述其他樣本作為以所述任一樣本為中心的聚類。

在該技術方案中，通過歐氏距離與預設距離的比較，可以避免異常點對確定聚類中心的影響。

在上述任一項技術方案中，優(yōu)選地，所述計算單元，還用于在將所述其他樣本作為一個新的聚類中心時，分別計算所述檢測區(qū)域中的剩余樣本與所述任一樣本之間的第二歐氏距離，以及所述剩余樣本與所述其他樣本之間的第三歐氏距離，以確定所述剩余樣本所屬的聚類。

其中，優(yōu)選地，所述確定單元，還用于在所述第二歐氏距離小于或等于所述預設距離時，將所述剩余樣本作為以所述任一樣本為中心的聚類，在所述第三歐氏距離小于或等于所述預設距離時，將所述剩余樣本作為以所述其他樣本為中心的聚類，在所述第二歐氏距離以及所述第三歐氏距離均大于所述預設距離時，比較所述第二歐氏距離與所述第三歐氏距離的大小，在所述第二歐氏距離大于所述第三歐氏距離時，將所述剩余樣本作為以所述其他樣本為中心的聚類，以及在所述第二歐氏距離小于所述第三歐氏距離時，將所述剩余樣本作為以所述任一樣本為中心的聚類。

在該技術方案中，通過歐氏距離與預設距離的比較來確定樣本為中心的聚類，這樣，可以使構成的空間更加均勻和平坦，同時縮小了樣本規(guī)模，保證模式算法的穩(wěn)定性，提高了算法效率。

在上述任一項技術方案中，優(yōu)選地，所述計算單元具體用于，根據以下計算公式計算所述第一歐氏距離、所述第二歐氏距離及所述第三歐氏距離：

其中，D表示所述歐氏距離，表示作為聚類中心的樣本的均值向量，C為總體的協(xié)方差矩陣，x表示樣本。

通過以上技術方案，在不影響檢測精度的條件下，可以減少樣本個數、計算量以及特征提取的時間，提高了算法效率。

本發(fā)明第十二方面還提出了一種有價票據的圖像分析系統(tǒng)，包括：檢測單元，用于按照預設順序對有價票據的圖像的多個面向信息進行檢測，其中，所述面向信息包括正面信息、背面信息、透視信息和/或紅外信息；判定單元，用于在檢測到任一面向信息不合格時，判定為所述圖像不合格，以及在檢測到所述多個面向信息中每個面向信息均合格時，判定為所述圖像合格；處理單元，用于對所述不合格圖像的錯誤類型和錯誤工序進行分析并記錄，以對所述不合格圖像進行管理和統(tǒng)計。

在該技術方案中，分別對圖像的多種信息進行多次檢測，一套圖像含有正面、背面、透視、紅外等多面向信息，如果其中某一面向不合格，則認為該套圖像不合格，只有當所有面向信息都合格時，才認為該套圖像合格。這樣相當于在進行信息不合格判定時對圖像進行了多次檢測，使得判定結果更加可靠，有效地提高了判定的準確率，還代替了人工檢測，降低了核查成本。

在上述技術方案中，優(yōu)選地，包括：分配單元，用于當需要檢測的圖像的個數為多個時，將所述多個圖像分配給多個不同的檢測節(jié)點，以同時使用所述多個不同的檢測節(jié)點對所述多個圖像進行檢測。

在該技術方案中，當某一批需要判定的圖像數量過多時，可以使用多節(jié)點并發(fā)運行的方式進行圖像的判定，以節(jié)約所述多個圖像的判定時間。多節(jié)點運行涉及到系統(tǒng)內部的調度方法，可以根據各節(jié)點各自運行情況分配待判圖像至不同的節(jié)點。

在上述技術方案中，優(yōu)選地，還包括：獲取單元，用于分別獲取所述不合格圖像的和所述合格圖像的冠字號信息；添加單元，用于將所述不合格圖像的冠字號信息添加到黑名單中，將所述合格圖像的冠字號信息添加到白名單中，以及將所述不合格圖像的冠字號信息中的或所述合格圖像的冠字號信息中的符合指定條件的冠字號信息添加到灰名單中。

在該技術方案中，判定結果的存取皆以數據庫為主要載體，系統(tǒng)在判定過程中，判定過程信息和最終結果同步寫入數據庫中，當軟硬件異?；蛘咂渌罎⑶闆r，系統(tǒng)可以智能的從數據庫中恢復成當前判定狀態(tài)，以保持系統(tǒng)運行的一致性。因此，將圖像的冠字號信息添加到名單中保存起來，使得系統(tǒng)可以在異?；蚱渌厥馇闆r下支持調閱圖像的判定結果，真實還原以往圖像的判定信息。其中，系統(tǒng)支持三種類型的冠字號清單輸出：白名單是指系統(tǒng)判定為合格圖像的冠字號集；黑名單是指系統(tǒng)判定為不合格圖像的冠字號集；灰名單是指符合指定條件的冠字號集。

在上述任一項技術方案中，優(yōu)選地，所述不合格圖像的錯誤類型包括：蹭臟、墨漬、折角和/或缺??；所述不合格圖像的錯誤工序包括：白紙、膠印和/或凹印。

在上述任一項技術方案中，優(yōu)選地，根據所述不合格的圖像的錯誤類型和/或錯誤工序，設置所述預設順序。

在該技術方案中，面向判定順序可以自定義，一般來說，在判斷時，對所有需要判定的圖像先判定其正面信息，如果某套圖像的正面判定為不合格，則該套圖像為不合格，該套圖像的其余面向無需再判定；當全部圖像的正面判定完畢后，正面判定合格的圖像，再進行背面判定。上述規(guī)則對判定透視、紅外等其他面向信息同樣適用。比如，該批圖像已知透視面向不合格較多，可以選擇默認首先判定透視面向，根據透視判定結果再判定其正面、背面等面向，以節(jié)約判定時間并提高系統(tǒng)的運行效率。另外，還可以將多個面向設置設為統(tǒng)一優(yōu)先級，即將多個面向設置為并列第一判斷的標準。因為在有些情況下，圖像上的某些信息需要多面結合才能判定其是否合格，此時可同時展示任意數量面向(比如只打開正面/紅外兩個面向)進行綜合信息的判定。在該模式下，系統(tǒng)判定的結果為該套圖像的最終結果，無需再進行其它面向的判定。

通過以上技術方案，可以減少樣本個數、計算量以及特征提取的時間，還可提高二次核查系統(tǒng)的核查效率，提高核查的準確率，降低核查成本，提高分類精度，提高質量檢測系統(tǒng)的魯棒性。

附圖說明

圖1示出了根據本發(fā)明的第一方面實施例的一個實施例的有價票據的缺陷管理方法的流程示意圖；

圖2示出了根據本發(fā)明的第二方面實施例的一個實施例的有價票據的缺陷管理方法的流程示意圖；

圖3示出了根據本發(fā)明的第三方面實施例的一個實施例的有價票據的缺陷管理方法的示意流程圖；

圖4示出了根據本發(fā)明的第三方面實施例的另一個實施例的有價票據的缺陷管理方法的示意流程圖；

圖5示出了根據本發(fā)明的第四方面實施例的一個實施例的有價票據的質量檢測系統(tǒng)的結構示意圖；

圖6示出了根據本發(fā)明的第五方面實施例的一個實施例的有價票據的質量檢測方法的示意流程圖；

圖7示出了根據本發(fā)明的第五方面實施例的另一個實施例的有價票據的質量檢測方法的示意流程圖；

圖8示出了根據本發(fā)明的第六方面實施例的一個實施例的有價票據的圖像分析方法的示意流程圖；

圖9示出了根據本發(fā)明第六方面實施例的另一個的實施例的有價票據的圖像分析方法的系統(tǒng)處理示意圖；

圖10示出了根據本發(fā)明的第七方面實施例的一個實施例的有價票據的缺陷管理系統(tǒng)的結構示意圖；

圖11示出了根據本發(fā)明的第八方面實施例的一個實施例的有價票據的缺陷管理系統(tǒng)的結構示意圖；

圖12示出了根據本發(fā)明的第九方面實施例的一個實施例的有價票據的缺陷管理系統(tǒng)的示意框圖；

圖13示出了根據本發(fā)明的第十方面實施例的一個實施例的有價票據的質量檢測方法的流程示意圖；

圖14示出了根據本發(fā)明的第十方面實施例的另一個實施例的有價票據的質量檢測方法的流程示意圖；

圖15示出了根據本發(fā)明的第十方面實施例的一個實施例的二次核查系統(tǒng)的結構示意圖；

圖16示出了根據本發(fā)明的第十一方面實施例的一個實施例的有價票據的質量檢測系統(tǒng)的示意框圖；

圖17示出了根據本發(fā)明的第十二方面實施例的一個實施例的有價票據的圖像分析系統(tǒng)的示意框圖。

具體實施方式

為了能夠更清楚地理解本發(fā)明的上述目的、特征和優(yōu)點，下面結合附圖和具體實施方式對本發(fā)明進行進一步的詳細描述。需要說明的是，在不沖突的情況下，本申請的實施例及實施例中的特征可以相互組合。

在下面的描述中闡述了很多具體細節(jié)以便于充分理解本發(fā)明，但是，本發(fā)明還可以采用其他不同于在此描述的其他方式來實施，因此，本發(fā)明的保護范圍并不受下面公開的具體實施例的限制。

圖1示出了根據本發(fā)明的第一方面實施例的一個實施例的有價票據的缺陷管理方法的流程示意圖。

如圖1所示，根據本發(fā)明的一個實施例的有價票據的缺陷管理方法，包括：

步驟102，獲取有價票據的樣本圖像，并根據所述樣本圖像生成攜帶有疑似缺陷殘點的模版圖像；

步驟104，計算所述模版圖像中的多個疑似缺陷殘點組成的幾何圖形的質心的位置和幾何中心的位置；

步驟106，根據所述質心的位置和所述幾何中心的位置，判斷所述多個疑似缺陷殘點中的任一疑似缺陷殘點是否為缺陷殘點。

在該技術方案中，根據模版圖像中的多個疑似缺陷殘點組成的幾何圖形的質心的位置和幾何中心的位置判斷多個疑似缺陷殘點中的任一疑似缺陷殘點是否為真正的缺陷殘點，其中，可以利用LLE算法(Locally Linear Embedding，局部線性嵌入算法)將有價票據的樣本圖像生成模版圖像，因此，通過上述技術方案，可以避免相關技術中通過高低模版匹配法、或相似性檢測法確定疑似缺陷殘點是否為真正地缺陷殘點，從而避免出現(xiàn)將疑似缺陷殘點誤判的情況，有效地提高了缺陷殘點的檢測正確率，進而提高了印刷質量檢測系統(tǒng)的魯棒性。

在上述技術方案中，優(yōu)選地，步驟104和步驟106包括：計算所述多個疑似缺陷殘點組成的幾何圖形的第一質心的位置和第一幾何中心的位置，并計算除所述任一疑似缺陷殘點之外的其他疑似缺陷殘點組成的幾何圖形的第二質心的位置和第二幾何中心的位置；判斷所述第一質心的位置和所述第二質心的位置之間的距離是否大于第一閾值，且所述第一幾何中心的位置和所述第二幾何中心的位置之間的距離是否小于第二閾值；若判斷結果為否，則所述任一疑似缺陷殘點為所述缺陷殘點，否則，所述任一疑似缺陷殘點不是所述缺陷殘點。

在該技術方案中，通過將多個疑似缺陷殘點組成的幾何圖形的第一質心的位置和除任一疑似缺陷殘點組成的幾何圖形的第二質心的位置進行比較，以及將多個疑似缺陷殘點組成的幾何圖形的第一幾何中心的位置和除任一疑似缺陷殘點組成的幾何圖形的第二幾何中心的位置進行比較，從而可以根據比較結果確定任一疑似缺陷殘點是否為真正地缺陷殘點，具體的，當第一質心的位置和第二質心的位置之間的距離大于第一閾值，且第一幾何中心的位置和第二幾何中心的位置之間的距離小于第二閾值時，也就說明第二質心的位置相較于第一質心的位置發(fā)生的變化較大，而第二幾何中心的位置相較于第一幾何中心的位置發(fā)生的變化較小，則確定任一疑似缺陷殘點有干擾，即任一疑似缺陷殘點不是真正的缺陷殘點，可以排除該任一缺陷殘點，否則，除上述情況外，其他情況均可認為疑似缺陷殘點為真正地缺陷殘點，如此，可以比較準確地判斷任一疑似缺陷殘點是否為真正的缺陷殘點。

在上述任一技術方案中，優(yōu)選地，步驟102具體包括：根據所述樣本圖像中的每個樣本點的臨近點計算權值矩陣；根據所述權值矩陣生成攜帶有所述疑似缺陷殘點的所述模版圖像。

在該技術方案中，通過計算每個樣本點和該樣本點的臨近點之間的權值矩陣，例如，可以通過度量歐式距離的方法找到每個樣本點的臨近點，從而可以根據該權值矩陣生成攜帶有疑似缺陷殘點的模版圖像。

在上述任一技術方案中，優(yōu)選地，所述根據所述樣本圖像中的每個樣本點的臨近點計算權值矩陣的步驟，具體包括：通過以下公式計算所述權值矩陣：

其中，ε(w)表示誤差值，x_i表示任一樣本點，x_j(j＝1，2，…，k)表示所述任一樣本點的k個臨近點，w_ij表示所述任一樣本點和所述臨近點之間的所述權值矩陣。

在該技術方案中，通過上述公式來計算權值矩陣，其中，當ε(w)的值最小時，即可計算出權值矩陣的值，另外，k為預先給定的值。

在上述任一技術方案中，優(yōu)選地，所述權值矩陣的每一行的和為1。

在該技術方案中，權值矩陣的每一行的和為1，即∑_jw_ij＝1，如此，通過使權值矩陣滿足上述約束條件，可以確保權值矩陣的有效性。

圖2示出了根據本發(fā)明的第二方面實施例的一個實施例的有價票據的缺陷管理方法的流程示意圖。

如圖2所示，根據本發(fā)明的一個實施例的有價票據的缺陷管理方法包括：

步驟202，獲取有價票據的樣本圖像；

步驟204，對所述樣本圖像進行傅立葉變換，以確定所述樣本圖像的幅度圖像和相位圖像；

步驟206，獲取所述幅度圖像對應的幅度還原圖像、以及所述相位圖像對應的相位X向偏導還原圖像和相位Y向偏導還原圖像；

步驟208，根據所述幅度還原圖像、所述相位X向偏導還原圖像和所述相位Y向偏導還原圖像生成還原圖像；

步驟210，將所述樣本圖像和所述還原圖像進行差分，根據差分結果確定所述有價票據的殘差圖像。

在該技術方案中，通過獲取有價票據的樣本圖像的幅度圖像對應的幅度還原圖像和相位圖像對應的相位X向偏導還原圖像和相位Y向偏導還原圖像，其中，X表示坐標軸的X向，Y表示坐標軸的Y向，并將幅度還原圖像、相位X向偏導還原圖像和相位Y向偏導還原圖像生成的還原圖像和樣本圖像進行差分，并根據差分結果確定有價票據的殘差圖像，可以有效地提高印刷質量檢測系統(tǒng)的魯棒性。

在上述技術方案中，優(yōu)選地，步驟206具體包括：將所述相位圖像中的任一圖像的相位作為基礎相位，并根據所述基礎相位對所述相位圖像中除所述任一圖像之外的其他圖像的相位進行處理，以得到相位圖像差；根據所述相位圖像差確定所述幅度還原圖像、所述相位X向偏導還原圖像和所述相位Y向偏導還原圖像。

在該技術方案中，通過將相位圖像中的任一圖像的相位作為基礎相位，例如，將相位圖像中的第一幅圖像的相位作為基礎相位，并根據基礎相位對相位圖像中的其他圖像的相位進行處理，以得到相位圖像差，從而可以通過對相位圖像差進行偏導計算以比較準確地確定相位X向偏導還原圖像和相位Y向偏導還原圖像。

在上述任一技術方案中，優(yōu)選地，步驟208具體包括：根據所述相位X向偏導還原圖像或所述相位Y向偏導還原圖像與初始點，確定解卷繞相位還原圖像；根據所述解卷繞相位還原圖像和所述基礎相位確定相位還原圖像；對所述相位還原圖像和所述幅度還原圖像進行傅立葉反變換，以確定所述還原圖像。

在該技術方案中，通過將相位X向偏導還原圖像(或者相位Y向偏導還原圖像)和幅度還原圖像逆向生成為還原圖像，利用了“當圖像的幾何位移發(fā)生變化時，圖像的頻譜中幅度譜保持不變、相位譜只出現(xiàn)線性偏移”的原理，可以有效地說明本發(fā)明的有價票據的缺陷管理方法具有較強的形變容忍性。

在上述任一技術方案中，優(yōu)選地，所述根據所述相位圖像差確定所述幅度還原圖像、所述相位X向偏導還原圖像和所述相位Y向偏導還原圖像的步驟，具體包括：對所述相位圖像差在X向和Y向分別進行偏導計算，以得到所述相位圖像差的X向的偏導數和所述相位圖像差的Y向的偏導數；對所述幅度圖像、所述X向的偏導數、所述Y向的偏導數進行分析和還原，根據分析和還原結果確定所述幅度還原圖像、所述相位X向偏導還原圖像和所述相位Y向偏導還原圖像。

在該技術方案中，通過對相位圖像差在X向和Y向分別進行偏導計算，可以比較準確地根據X向的偏導數和Y向的偏導數獲取相位X向偏導還原圖像和相位Y向偏導還原圖像，從而能夠比較準確地根據相位X向偏導還原圖像、相位Y向偏導還原圖像和幅度還原圖像獲取到還原圖像。

在上述任一技術方案中，優(yōu)選地，所述根據所述基礎相位對所述相位圖像中除所述任一圖像之外的其他圖像的相位進行處理，以得到相位圖像差的步驟，具體包括：將所述其他圖像的相位與所述基礎相位進行減法計算，并對計算結果進行相位解卷繞處理，根據相位解卷繞處理結果確定所述相位圖像差。

在該技術方案中，通過將其他圖像的相位與基礎相位相減并進行相位解卷繞處理，可以得到相位圖像差，從而可以通過對相位圖像差進行偏導計算以比較準確地確定相位X向偏導還原圖像和相位Y向偏導還原圖像。

圖3示出了根據本發(fā)明的第三方面實施例的一個實施例的有價票據的缺陷管理方法的流程圖。

如圖3所示，根據本發(fā)明的實施例的有價票據的缺陷管理方法，包括：

步驟302，根據有價票據訓練集中每個有價票據的缺陷特征，生成第一級子節(jié)點；

步驟304，計算每個所述第一級子節(jié)點的分割值，并根據所述分割值對所述缺陷特征進行分類；

步驟306，判斷所有所述第一級子節(jié)點是否不可再分類，在判斷結果為是時，分類完成。

其中，優(yōu)選地，根據所述分割值對所述缺陷特征進行分類的步驟，具體包括：若所述分割值小于設定閾值，則采用支持向量機方法對所述缺陷特征進行分類；若所述分割值大于等于所述設定閾值，則采用決策樹方法對所述缺陷特征進行分類。

在該技術方案中，通過每個第一級子節(jié)點的分割值與設定的閥值進行比較，確定采用向量機方法和決策樹方法進行的分類，進一步判斷所有節(jié)點是否不可再分類，確定分類完成，通過采用向量機方法和決策樹方法來對缺陷特征進行分類，可以有效的提高分類精度，計算速度也降到了可以接受的范圍，提高了算法效率。

在上述任一項技術方案中，優(yōu)選地，根據有價票據的訓練集中的每個有價票據的缺陷特征，生成第一級子節(jié)點的步驟，具體包括：計算所述有價票據訓練集中每個有價票據的缺陷特征與其他有價票據的缺陷特征之間的信息增益值；根據所述每個有價票據對應的信息增益值構造所述第一級子節(jié)點。

在該技術方案中，通過計算有價票據訓練集中每個有價票據的缺陷特征與其他有價票據的缺陷特征之間的信息增益值，可以有效的避免錯誤缺陷的提取，進而對缺陷殘點進行再檢測，計算缺陷衰減程度，根據衰減程度區(qū)分是正常缺陷還是錯誤缺陷，對衰減程度的判斷，可以有效的提高分類精度，并且提高了算法效率。

在上述任一項技術方案中，優(yōu)選地，還包括：計算每個有價票據的殘點到缺陷質心的歐氏距離；在任一有價票據的殘點到缺陷質心的所述歐氏距離大于或等于預設距離時，刪除根據所述任一有價票據的缺陷特征生成的所述第一級子節(jié)點。

在該技術方案中，通過計算歐氏距離與預設距離進行比較，可以有效的避免異常點對缺陷特征的影響。

在上述任一項技術方案中，優(yōu)選地，所述缺陷特征包括：能量、密度、殘點密度、殘點飽和度、殘點散度和/或殘點黑白特性。

具體地，可以通過以下多個實施例來具體實施本發(fā)明的技術方案：

實施例一：通過根據有價票據訓練集中每個有價票據的能量、密度、殘點密度、殘點飽和度、殘點散度和/或殘點黑白特性等缺陷特征，生成第一級子節(jié)點，并計算每個第一級子節(jié)點的分割值，以在分割值小于設定閾值，采用支持向量機方法對缺陷特征進行分類；在分割值大于等于設定閾值，采用決策樹方法對所述缺陷特征進行分類，直至所有第一級子節(jié)點不可再分類，確定分類完成，可以有效的提高分類精度，計算速度也降到了可以接受的范圍，提高了算法效率。其中，訓練集是對系統(tǒng)的參數進行訓練的一定數量的樣本。

實施例二：在實施例一的基礎上，具體還可以通過計算每個有價票據的缺陷特征與其他有價票據的缺陷特征之間的信息增益值，并根據每個有價票據對應的信息增益值構造第一級子節(jié)點，可以有效的避免錯誤缺陷的提取，進而對缺陷殘點進行再檢測，計算缺陷衰減程度，根據衰減程度區(qū)分是正常缺陷還是錯誤缺陷，對衰減程度的判斷，可以有效的提高分類精度，并且提高了算法效率。

實施例三：在實施例一的基礎上，具體還可以進一步排除異常點對缺陷特征的影響：計算每個有價票據的殘點到缺陷質心的歐氏距離，并在任一有價票據的殘點到缺陷質心的歐氏距離大于或等于預設距離時，刪除根據任一有價票據的缺陷特征生成的第一級子節(jié)點。

以下結合圖4對本發(fā)明的技術方案作進一步說明。

如圖4所示，根據本發(fā)明的有價票據的缺陷管理方法，包括：

步驟402，提取特征1，特征1與1進行比較，若特征1大于1時，進入步驟404；若特征1小于等于1時，進入步驟414。

步驟404，提取特征2，若特征2小于0時，進入步驟406；若特征2大于等于0時，進入步驟408。

步驟406，獲得分類1。

步驟408，SVM使用該節(jié)點上的所有訓練集進行SVM分類。

步驟410，獲得分類2。

步驟412，獲得分類n。

步驟414，SVM使用該節(jié)點上的所有訓練集進行SVM分類。

步驟416，獲得分類1。

步驟418，獲得分類n。

具體的步驟如下：

一、特征提取優(yōu)化

1)為避免錯誤缺陷的提取，對缺陷殘點進行再檢測，逐步加強參數，計算缺陷衰減程度。根據衰減程度區(qū)分是正常缺陷還是錯誤缺陷。同時在分類學習中加入錯誤缺陷標記，可以通過分類算法區(qū)分是否為真正缺陷。

2)為了避免異常點對缺陷特征的影響，在特征提取過程中，增加抗干擾處理。通過聚合缺陷殘點，計算每個殘點到缺陷質心的歐氏距離，刪除距離過大的干擾點。

3)設計有效的缺陷特征，能量，面積，殘點密度，殘點飽和度，殘點散度，殘點黑白特性等。

二、分類算法步驟

設缺陷特征為F＝{f₁,f₂,...,f_n}，分類標記C＝{C₁,C₂,...,C_m}。

1)根據訓練集的缺陷特征，生成樹的根節(jié)點即第一級子節(jié)點。在子節(jié)點中分類的分割值最大，使得分類間距離最大。

2)計算第一級子節(jié)點中每個節(jié)點分割值，若分割值小于設定閾值，則說明該節(jié)點中的特征值，用決策樹難以達到較好的分類效果，則采用SVM進行分類；對于可以進一步分類的節(jié)點，按照決策樹方法進行分類。

3)進行SVM分類時，應當采用該節(jié)點上的特征值進行分類，還是采用核函數進行升維分類。

4)計算所有節(jié)點是否不可再分類，如若是，則分類完成，如若沒有，則重復第二、三步，直達不可再分。

三、特征提取優(yōu)化

1)為避免錯誤缺陷的提取，對缺陷殘點進行在檢測，逐步加強參數，計算缺陷衰減程度。根據衰減程度區(qū)分是正常缺陷還是錯誤缺陷。同時在分類學習中加入錯誤缺陷標記，可以通過分類算法區(qū)分是否為真正缺陷。

2)為了避免異常點對缺陷特征的影響，在特征提取過程中，增加抗干擾處理。通過聚合缺陷殘點，計算每個殘點到缺陷質心的歐氏距離，刪除距離過大的干擾點。

3)設計有效的缺陷特征，能量，面積，殘點密度，殘點飽和度，殘點散度，殘點黑白特性等。

四、分類算法步驟

假設獲得缺陷屬性為F＝{f₁,f₂,...,f_k}，缺陷類型記為C＝{C₁,C₂,...,C_m}。訓練樣樣本集S＝{x₁,x₂,...,x_n}，決策樹算法采用ID3。

1)計算屬性F之間的信息增益值Gain(S,f_i)，其中i＝1,2,…,k，表示屬性f_i在集合S上的信息增益。

2)選擇最大的屬性Gain(S,f_i)作為決策樹節(jié)點。

3)按照屬性f_i的離散值d構造子節(jié)點d_j，j＝1,2,…,l，并把樣本集S分為S_j分別對應于d_j，表示f_i有l(wèi)種可能值。

4)計算所有子節(jié)點d_j對應樣本集S_j的信息增益值Gain(S,f_p),其中p＝1,2,…,k,p≠i。

5)如果Gain(S,f_p)＞＝T(T為增益閾值)，可以繼續(xù)重復步驟1)至3)進行決策樹分類；如果Gain(S,f_p)＜T,則進行步驟6)。

6)把子節(jié)點d_j所對應的樣本集S_j使用支持向量機(SVM)方法進行分類，把分類結果直接作為d_j的葉子節(jié)點。

重復步驟4)至6)直到完成所有子節(jié)點d_j的分類，計算出所有分類結果的葉子節(jié)點。

圖5示出了根據本發(fā)明第四方面實施例的的一個實施例的有價票據的質量檢測系統(tǒng)的結構示意圖。

如圖5所示，根據本發(fā)明的一個實施例的有價票據的質量檢測系統(tǒng)500，包括：獲取單元502，第一分配單元504，配置單元506和觸發(fā)單元508，其中，所述獲取單元502，用于獲取所述二次核查系統(tǒng)中的清分機檢測為不合格的有價票據的圖像信息；所述第一分配單元504，用于根據所述二次核查系統(tǒng)中記錄的二次核查節(jié)點的狀態(tài)數據和分配模式，將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點；所述配置單元506，用于獲取所述二次核查系統(tǒng)的系統(tǒng)配置信息，根據所述系統(tǒng)配置信息對所述二次核查節(jié)點進行配置；所述觸發(fā)單元508，用于獲取所述不合格的有價票據的批次信息，根據所述批次信息觸發(fā)所述二次核查節(jié)點開始圖像分析工作或結束圖像分析工作，獲取所述不合格的有價票據的品種信息，觸發(fā)所述二次核查節(jié)點切換到與所述品種信息對應的圖像檢測模板。

在該技術方案中，根據二次核查系統(tǒng)中記錄的二次核查節(jié)點的狀態(tài)數據和分配模式，將清分機檢測為不合格的有價票據的圖像信息分配給二次核查節(jié)點，可以使得不合格的有價票據的圖像信息分配地更加合理，有效地提高了二次核查系統(tǒng)對不合格的有價票據的核查效率以及提升了二次核查系統(tǒng)的自動化性能。

在上述技術方案中，優(yōu)選地，還包括：存儲單元510，用于將所述二次核查節(jié)點的二次核查結果和所述批次信息進行關聯(lián)存儲，以得到匯總數據；提取單元512，用于從所述匯總數據中提取出所述二次核查結果為不合格的有價票據的圖像信息和冠字號信息，并按照所述批次信息將所述二次核查結果為不合格的有價票據的圖像信息和冠字號信息寫入數據庫，以供綜合判定系統(tǒng)進行處理。

在該技術方案中，通過將二次核查節(jié)點的二次核查結果為不合格的有價票據的圖像信息和冠字號信息寫入數據庫，從而使得綜合判定系統(tǒng)可以對不合格的有價票據的圖像信息再次進行處理以確定不合格的有價票據是否確實為不合格的有價票據，進一步地提升了核查的準確率。

在上述任一技術方案中，優(yōu)選地，所述提取單元512還用于，從所述匯總數據中提取出檢測過程數據，并將所述檢測過程數據提供給關聯(lián)成套圖像實時存儲系統(tǒng)進行內容關聯(lián)和成套存儲。

在該技術方案中，通過將從匯總數據中提取的檢測過程數據提供給關聯(lián)成套圖像實時存儲系統(tǒng)，以進行內容關聯(lián)和成套存儲，從而可以將檢測過程數據記錄下來。

在上述任一技術方案中，優(yōu)選地，還包括：第二分配單元514，用于若所有所述二次核查節(jié)點出現(xiàn)故障，將所述不合格的有價票據的圖像信息分配給所述綜合判定系統(tǒng)，以供所述綜合判定系統(tǒng)最終判定所述不合格的有價票據是否合格。

在該技術方案中，當二次核查節(jié)點出現(xiàn)故障時，可以將不合格的有價票據的圖像信息分配給綜合判定系統(tǒng)，以供綜合判定系統(tǒng)最終判定不合格的有價票據是否合格，如此，可以提高二次核查系統(tǒng)的可靠性，避免在二次核查節(jié)點出現(xiàn)故障時不能對不合格的有價票據進行二次核查而導致較多的不合格的有價票據被誤判的情況。

在上述任一技術方案中，優(yōu)選地，所述第一分配單元504具體用于，若所述分配模式為第一分配模式時，根據所述狀態(tài)數據中的所述二次核查節(jié)點與質量檢測系統(tǒng)的連接時間，將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點；若所述分配模式為第二分配模式時，根據所述狀態(tài)數據中的處理速度，將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點；若所述分配模式為第三分配模式時，根據所述狀態(tài)數據中的已處理量將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點。

在該技術方案中，在不同的分配模式下，將不合格的有價票據分配給二次核查節(jié)點的依據不同，如此，可以使得不合格的有價票據的分配更加合理，從而提高了不合格的有價票據的核查效率。

圖6示出了根據本發(fā)明第五方面實施例的的一個實施例的有價票據的質量檢測方法的示意流程圖。

如圖6所示，根據本發(fā)明的一個實施例的有價票據的質量檢測方法，包括：

步驟602，將所有有價票據的樣本集劃分成多個檢測區(qū)域；

步驟604，將所述多個檢測區(qū)域中的每個檢測區(qū)域對應的樣本集按照特征進行聚類，以將所述每個檢測區(qū)域對應的樣本集分成多個類別；

步驟606，用所述每個檢測區(qū)域中多個類別中的每個類別的樣本集學習對應的檢測區(qū)域的參數空間，以得到每個檢測區(qū)域對應的參數空間；

步驟608，采用每個參數空間對對應的檢測區(qū)域中的樣本集進行質量檢測。

在該技術方案中，將樣本集劃分的多個檢測區(qū)域按照特征進行聚類，分成多個類別，這樣，每個子類所構成的空間會更加均勻和平坦，同時縮小樣本規(guī)模，用每個類別的樣本集學習對應的參數空間，根據每個參數空間對對應的檢測區(qū)域中的樣本集進行質量檢測，保證模式分析算法的穩(wěn)定性，并且有效的減少樣本個數、計算量以及特征提取的時間，提高了算法效率。

在上述技術方案中，優(yōu)選地，將所述多個檢測區(qū)域中的每個檢測區(qū)域對應的樣本集按照特征進行聚類，具體包括：將所述每個檢測區(qū)域中的任一樣本作為一個聚類中心的初始值；計算所述檢測區(qū)域中其他樣本與所述任一樣本之間的第一歐氏距離；在所述第一歐氏距離大于預設距離時，將所述其他樣本作為一個新的聚類中心，否則，將所述其他樣本作為以所述任一樣本為中心的聚類。

在該技術方案中，通過歐氏距離與預設距離的比較，可以避免異常點對確定聚類中心的影響。

在上述任一項技術方案中，優(yōu)選地，在將所述其他樣本作為一個新的聚類中心時，分別計算所述檢測區(qū)域中的剩余樣本與所述任一樣本之間的第二歐氏距離，以及所述剩余樣本與所述其他樣本之間的第三歐氏距離，以確定所述剩余樣本所屬的聚類。

其中，優(yōu)選地，確定所述剩余樣本所屬的聚類的步驟，具體包括：在所述第二歐氏距離小于或等于所述預設距離時，將所述剩余樣本作為以所述任一樣本為中心的聚類，在所述第三歐氏距離小于或等于所述預設距離時，將所述剩余樣本作為以所述其他樣本為中心的聚類，在所述第二歐氏距離以及所述第三歐氏距離均大于所述預設距離時，比較所述第二歐氏距離與所述第三歐氏距離的大小，在所述第二歐氏距離大于所述第三歐氏距離時，將所述剩余樣本作為以所述其他樣本為中心的聚類，以及在所述第二歐氏距離小于所述第三歐氏距離時，將所述剩余樣本作為以所述任一樣本為中心的聚類。

在該技術方案中，通過歐氏距離與預設距離的比較來確定樣本為中心的聚類，這樣，可以使構成的空間更加均勻和平坦，同時縮小了樣本規(guī)模，保證模式算法的穩(wěn)定性，提高了算法效率。

在上述任一項技術方案中，優(yōu)選地，根據以下計算公式計算所述第一歐氏距離、所述第二歐氏距離及所述第三歐氏距離：

其中，D表示所述歐氏距離，表示作為聚類中心的樣本的均值向量，C為總體的協(xié)方差矩陣，x表示樣本。

圖7示出了根據本發(fā)明第五方面實施例的的另一個實施例的有價票據的質量檢測方法的示意流程圖。

如圖7所示，根據本發(fā)明的另一個實施例的有價票據的質量檢測方法，包括：

步驟702，獲得樣本集，把產品區(qū)域劃分為k個檢測區(qū)域，分別為步驟704，步驟706，步驟708。

步驟704，劃分區(qū)域1。

步驟706，劃分區(qū)域2，把樣本集所有的產品按照檢測區(qū)域的特征聚類，共m類，分別進入步驟710、步驟714、步驟718。

步驟708，劃分區(qū)域k。

步驟710，樣本集1，用第1類的樣本集學習第1個檢測區(qū)。

步驟712，得到參數空間1。

步驟714，樣本集2，用第2類的樣本集學習第2個檢測區(qū)。

步驟716，得到參數空間2。

步驟718，樣本集m，用第m類的樣本集學習第m個檢測區(qū)。

步驟720，得到參數空間m。

具體的步驟如下：

一、學習部分

把印刷產品劃分為k個檢測區(qū)域；

對每個檢測區(qū)域都進行以下處理；

把樣本集所有產品按照第i個檢測區(qū)域的特征聚類，共m類，其中，

a)、任取一樣本作為一個聚類樣本為中心的初始值，例如令z₁＝x₁，z₁表示聚類樣本為中心。

b)、計算距離其中D表示距離，是聚類中心的樣本的均值向量，C為總體的協(xié)方差矩陣。

c)、若D₂₁>T，其中T表示閾值，則確定一個新的聚類樣本為中心z₂＝x₂，否則，x₂屬于以z₁為樣本為中心的聚類。

d)、假設已有聚類樣本為中心z₁、z₂，計算距離D₃₁，D₃₂。

e)、若D₃₁>T且D₃₂>T，則得一個新的聚類樣本為中心z₃＝x3，否則，x3屬于離z₁、z₂中的最近者的聚類。

f)、如此重復下去，直至將所有樣本分類完畢，共m類。

g)、用第j類，j＝1,2,...,m的樣本集學習第i個檢測區(qū)域的參數空間ψ_ij。

h)、直至所有檢測區(qū)域都處理完成，獲得參數空間ψ_ij，其中i＝1,2,...,k，j＝1,2,...,m

二、檢測部分：

1)、把檢測印刷產品x'劃分為k個檢測區(qū)域。

2)、分別計算第i區(qū)域到中心z_j的距離D_ij。其中i＝1,2,...,k，j＝1,2,...,m。

3)、把x'的第i區(qū)域歸為D_ij最小的一類，如x'＝z₁。

4)、采用ψ_i1參數對x'的第i區(qū)域進行檢測。

重復步驟2)至4)，直到所有k個區(qū)域都檢測完成。

以上結合附圖詳細說明了本發(fā)明的技術方案，通過本發(fā)明的技術方案，在不影響檢測精度的條件下，可以減少樣本個數、計算量以及特征提取的時間，提高了算法效率。

圖8示出了根據本發(fā)明的第六方面實施例的一個實施例的有價票據的圖像分析方法的流程圖。

如圖8所示，根據本發(fā)明的第六方面實施例的一個實施例的有價票據的圖像分析方法，包括：

步驟802，按照預設順序對有價票據的圖像的多個面向信息進行檢測，其中，面向信息包括正面信息、背面信息、透視信息和/或紅外信息。

步驟804，在檢測到任一面向信息不合格時，判定為圖像不合格，在檢測到多個面向信息中每個面向信息均合格時，判定為圖像合格。

步驟806，對不合格圖像的錯誤類型和錯誤工序進行分析并記錄，以對不合格圖像進行管理和統(tǒng)計。

在該技術方案中，分別對圖像的多種信息進行多次檢測，一套圖像含有正面、背面、透視、紅外等多面向信息，如果其中某一面向不合格，則認為該套圖像不合格。只有當所有面向信息都合格時，才認為該套圖像合格。這樣相當于在進行信息不合格判定時對圖像進行了多次檢測，使得判定結果更加可靠，有效地提高了判定的準確率，還代替了人工檢測，降低了核查成本。

在上述技術方案中，優(yōu)選地，包括：當需要檢測的圖像的個數為多個時，將多個圖像分配給多個不同的檢測節(jié)點，以同時使用多個不同的檢測節(jié)點對多個圖像進行檢測。

在該技術方案中，當某一批需要判定的圖像數量過多時，可以使用多節(jié)點并發(fā)運行的方式進行圖像的判定，以節(jié)約多個圖像的判定時間。多節(jié)點運行涉及到系統(tǒng)內部的調度方法，可以根據各節(jié)點各自運行情況分配待判圖像至不同的節(jié)點。

在上述任一項技術方案中，優(yōu)選地，還包括：分別獲取不合格圖像的和合格圖像的冠字號信息；將不合格圖像的冠字號信息添加到黑名單中，將合格圖像的冠字號信息添加到白名單中，以及將不合格圖像的冠字號信息中的或合格圖像的冠字號信息中的符合指定條件的冠字號信息添加到灰名單中。

在該技術方案中，判定結果的存取皆以數據庫為主要載體，系統(tǒng)在判定過程中，判定過程信息和最終結果同步寫入數據庫中，當軟硬件異?；蛘咂渌罎⑶闆r，系統(tǒng)可以智能的從數據庫中恢復成當前判定狀態(tài)，以保持系統(tǒng)運行的一致性。因此，將圖像的冠字號信息添加到名單中保存起來，使得系統(tǒng)可以在異?；蚱渌厥馇闆r下支持調閱圖像的判定結果，真實還原以往圖像的判定信息。其中，系統(tǒng)支持三種類型的冠字號清單輸出：白名單是指系統(tǒng)判定為合格圖像的冠字號集；黑名單是指系統(tǒng)判定為不合格圖像的冠字號集；灰名單是指符合指定條件的冠字號集。

在上述任一項技術方案中，優(yōu)選地，不合格圖像的錯誤類型包括：蹭臟、墨漬、折角、缺?。徊缓细駡D像的錯誤工序包括：白紙、膠印、凹印。

在上述任一項技術方案中，優(yōu)選地，根據不合格的圖像的錯誤類型和/或錯誤工序，設置預設順序。

在該技術方案中，面向判定順序可以自定義，一般來說，在判斷時，對所有需要判定的圖像先判定其正面信息，如果某套圖像的正面判定為不合格，則該套圖像為不合格，該套圖像的其余面向無需再判定；當全部圖像的正面判定完畢后，正面判定合格的圖像，再進行背面判定。上述規(guī)則對判定透視、紅外等其他面向信息同樣適用。比如，該批圖像已知透視面向不合格較多，可以選擇默認首先判定透視面向，根據透視判定結果再判定其正面、背面等面向，以節(jié)約判定時間并提高系統(tǒng)的運行效率。另外，還可以將多個面向設置設為統(tǒng)一優(yōu)先級，即將多個面向設置為并列第一判斷的標準。因為在有些情況下，圖像上的某些信息需要多面結合才能判定其是否合格，此時可同時展示任意數量面向(比如只打開正面/紅外兩個面向)進行綜合信息的判定。在該模式下，系統(tǒng)判定的結果為該套圖像的最終結果，無需再進行其它面向的判定。

具體地，可以通過以下多個實施例來具體實施本發(fā)明的技術方案：

實施例一：首先可以根據不合格的圖像的錯誤類型和/或錯誤工序，設置預設順序，其中，不合格圖像的錯誤類型包括：蹭臟、墨漬、折角和/或缺印等；不合格圖像的錯誤工序包括：白紙、膠印和/或凹印等，然后按照預設順序對有價票據的圖像的正面信息、背面信息、透視信息和/或紅外信息等多個面向信息進行檢測，當檢測到任一面向信息不合格時，判定為圖像不合格；只有在檢測到多個面向信息中每個面向信息均合格時，才判定為圖像合格，并且對不合格圖像的錯誤類型和錯誤工序進行分析并記錄，以對不合格圖像進行管理和統(tǒng)計，使得判定結果更加可靠，有效地提高了判定的準確率，還代替了人工檢測，降低了核查成本。

實施例二：還可以是實施例一的基礎上，增加對需要檢測的圖像的個數的檢測，當需要檢測的圖像的個數為多個時，將多個圖像分配給多個不同的檢測節(jié)點，以同時使用多個不同的檢測節(jié)點對多個圖像進行檢測，使得當某一批需要判定的圖像數量過多時，可以使用多節(jié)點并發(fā)運行的方式進行圖像的判定，以節(jié)約多個圖像的判定時間，多節(jié)點運行涉及到系統(tǒng)內部的調度方法，可以根據各節(jié)點各自運行情況分配待判圖像至不同的節(jié)點。

實施例三：還可以在實施例一的基礎上，增加對不合格圖像的和合格圖像的冠字號信息的檢測，通過分別獲取不合格圖像的和合格圖像的冠字號信息，將不合格圖像的冠字號信息添加到黑名單中，將合格圖像的冠字號信息添加到白名單中，以及將不合格圖像的冠字號信息中的或合格圖像的冠字號信息中的符合指定條件的冠字號信息添加到灰名單中，使得系統(tǒng)可以在異常或其他特殊情況下支持調閱圖像的判定結果，真實還原以往圖像的判定信息。

以下結合圖9對本發(fā)明的技術方案作進一步說明。

如圖9所示，清分機902按照預設順序對有價票據的圖像的多個面向信息進行檢測，其中，面向信息包括正面信息、背面信息、透視信息和/或紅外信息。清分機902與二次核查自動檢測系統(tǒng)904相連，將對一定數量(如7000張)有價票據的圖像的檢測結果發(fā)送至二次核查自動檢測系統(tǒng)904，二次核查自動檢測系統(tǒng)904通過其二次核查，區(qū)分出合格產品、一般廢品和嚴重廢品，并將區(qū)分結果發(fā)送至二次核查圖像綜合分析與判定系統(tǒng)906。二次核查圖像綜合分析與判定系統(tǒng)906對不合格圖像的錯誤類型和錯誤工序進行分析，并記錄，以對不合格圖像進行管理和統(tǒng)計，分別獲取合格產品、一般廢品和嚴重廢品的圖像的冠字號信息，將其冠字號信息發(fā)送至對應的輸出清單中。其中，系統(tǒng)支持三種類型的冠字號清單輸出：白名單是指系統(tǒng)判定為合格圖像的冠字號集；黑名單是指系統(tǒng)判定為不合格圖像的冠字號集；灰名單是指符合指定條件的冠字號集。

在該技術方案中，分別對圖像的多種信息進行多次檢測，一套圖像含有正面、背面、透視、紅外等多面向信息，如果其中某一面向不合格，則認為該套圖像不合格。只有當所有面向信息都合格時，才認為該套圖像合格。這樣相當于在進行信息不合格判定時對圖像進行了多次檢測，使得判定結果更加可靠，有效地提高了判定的準確率。

另外，判定結果的存取皆以數據庫為主要載體，系統(tǒng)在判定過程中，判定過程信息和最終結果同步寫入數據庫中，當軟硬件異?；蛘咂渌罎⑶闆r，系統(tǒng)可以智能的從數據庫中恢復成當前判定狀態(tài)，以保持系統(tǒng)運行的一致性。因此，將圖像的冠字號信息添加到名單中保存起來，使得系統(tǒng)可以在異?；蚱渌厥馇闆r下支持調閱圖像的判定結果，真實還原以往圖像的判定信息。

圖10示出了根據本發(fā)明第七方面實施例的一個實施例的有價票據的缺陷管理系統(tǒng)的結構示意圖。

如圖10所示，根據本發(fā)明的一個實施例的有價票據的缺陷管理系統(tǒng)，包括：生成單元1002，第一計算單元1004和判斷單元1006，其中，所述生成單元1002，用于獲取有價票據的樣本圖像，并根據所述樣本圖像生成攜帶有疑似缺陷殘點的模版圖像；所述第一計算單元1004，用于計算所述模版圖像中的多個疑似缺陷殘點組成的幾何圖形的質心的位置和幾何中心的位置；所述判斷單元1006，用于根據所述質心的位置和所述幾何中心的位置，判斷所述多個疑似缺陷殘點中的任一疑似缺陷殘點是否為缺陷殘點。

在該技術方案中，根據模版圖像中的多個疑似缺陷殘點組成的幾何圖形的質心的位置和幾何中心的位置判斷多個疑似缺陷殘點中的任一疑似缺陷殘點是否為真正的缺陷殘點，其中，可以利用LLE算法(Locally Linear Embedding，局部線性嵌入算法)將有價票據的樣本圖像生成模版圖像，因此，通過上述技術方案，可以避免相關技術中通過高低模版匹配法、或相似性檢測法確定疑似缺陷殘點是否為真正地缺陷殘點，從而避免出現(xiàn)將疑似缺陷殘點誤判的情況，有效地提高了缺陷殘點的檢測正確率，進而提高了印刷質量檢測系統(tǒng)的魯棒性。

在上述技術方案中，優(yōu)選地，所述第一計算單元1004具體用于，計算所述多個疑似缺陷殘點組成的幾何圖形的第一質心的位置和第一幾何中心的位置，并計算除所述任一疑似缺陷殘點之外的其他疑似缺陷殘點組成的幾何圖形的第二質心的位置和第二幾何中心的位置；所述判斷單元1006具體用于，判斷所述第一質心的位置和所述第二質心的位置之間的距離是否大于第一閾值，且所述第一幾何中心的位置和所述第二幾何中心的位置之間的距離是否小于第二閾值，若判斷結果為否，則所述任一疑似缺陷殘點為所述缺陷殘點，否則，所述任一疑似缺陷殘點不是所述缺陷殘點。

在該技術方案中，通過將多個疑似缺陷殘點組成的幾何圖形的第一質心的位置和除任一疑似缺陷殘點組成的幾何圖形的第二質心的位置進行比較，以及將多個疑似缺陷殘點組成的幾何圖形的第一幾何中心的位置和除任一疑似缺陷殘點組成的幾何圖形的第二幾何中心的位置進行比較，從而可以根據比較結果確定任一疑似缺陷殘點是否為真正地缺陷殘點，具體的，當第一質心的位置和第二質心的位置之間的距離大于第一閾值，且第一幾何中心的位置和第二幾何中心的位置之間的距離小于第二閾值時，也就說明第二質心的位置相較于第一質心的位置發(fā)生的變化較大，而第二幾何中心的位置相較于第一幾何中心的位置發(fā)生的變化較小，則確定任一疑似缺陷殘點有干擾，即任一疑似缺陷殘點不是真正的缺陷殘點，可以排除該任一缺陷殘點，否則，除上述情況外，其他情況均可認為疑似缺陷殘點為真正地缺陷殘點，如此，可以比較準確地判斷任一疑似缺陷殘點是否為真正的缺陷殘點。

在上述任一技術方案中，優(yōu)選地，所述生成單元1002包括：第二計算單元10022，用于根據所述樣本圖像中的每個樣本點的臨近點計算權值矩陣；所述生成單元1002具體用于，根據所述權值矩陣生成攜帶有所述疑似缺陷殘點的所述模版圖像。

在該技術方案中，通過計算每個樣本點和該樣本點的臨近點之間的權值矩陣，例如，可以通過度量歐式距離的方法找到每個樣本點的臨近點，從而可以根據該權值矩陣生成攜帶有疑似缺陷殘點的模版圖像。

在上述任一技術方案中，優(yōu)選地，所述第二計算單元具體用于，通過以下公式計算所述權值矩陣：

其中，ε(w)表示誤差值，x_i表示任一樣本點，x_j(j＝1，2，…，k)表示所述任一樣本點的k個臨近點，w_ij表示所述任一樣本點和所述臨近點之間的所述權值矩陣。

在該技術方案中，通過上述公式來計算權值矩陣，其中，當ε(w)的值最小時，即可計算出權值矩陣的值，另外，k為預先給定的值。

在上述任一技術方案中，優(yōu)選地，所述權值矩陣的每一行的和為1。

在該技術方案中，權值矩陣的每一行的和為1，即∑_jw_ij＝1，如此，通過使權值矩陣滿足上述約束條件，可以確保權值矩陣的有效性。

下面通過一個實施例詳細說明根據樣本圖像生成攜帶有疑似缺陷殘點的模版圖像的方法。

根據樣本圖像生成攜帶有疑似缺陷殘點的模版圖像就是將高維度空間中的數據點(即樣本點)映射到低維度空間中。具體步驟分為三個步驟：第一步，尋找每個樣本點的k個臨近點；第二步，由每個樣本點的臨近點計算出該樣本點的權值矩陣；第三步，根據每個樣本點的臨近點和權值矩陣計算出該樣本點的輸出值，最后，根據輸出值生成模版圖像。

其中，通過以下公式計算所述權值矩陣：

其中，ε(w)表示誤差值，X_i表示任一樣本點，X_j(j＝1，2，…，k)表示任一樣本點的k個臨近點，w_ij表示任一樣本點和臨近點之間的權值矩陣。

然后，在保持權值矩陣不變的情況下，設輸出值(即低維度空間中的數據點)為Y_i，則可以通過以下公式計算輸出值：

其中，φ(w)表示損失函數值，Y_j(j＝1，2，…，k)表示輸出值Y_i的k個臨近點，w_ij表示Y_i和Y_j之間的權值矩陣(即X_i和X_j之間的權值矩陣)

上述公式可以轉化為：

其中，M_ij＝(I-w_ij)^T(I-w_ij)，I表示一個單位協(xié)方差矩陣，T表示對(I-w_ij)求轉置矩陣。

另外，Y_i需要滿足兩個約束條件，即∑_iY_i＝0和(N表示樣本點的數量，T表示對Y_i求轉置矩陣)。

在計算出輸出值Y_i后，就可以根據Y_i生成模板圖像。

圖11示出了根據本發(fā)明的第八方面實施例的一個實施例的有價票據的缺陷管理系統(tǒng)的結構示意圖。

如圖11所示，根據本發(fā)明的一個實施例的有價票據的缺陷管理系統(tǒng)1100，包括：第一獲取單元1102，變換單元1104，第二獲取單元1106，生成單元1108和差分單元1110，其中，所述第一獲取單元1102，用于獲取有價票據的樣本圖像；所述變換單元1104，用于對所述樣本圖像進行傅立葉變換，以確定所述樣本圖像的幅度圖像和相位圖像；所述第二獲取單元1106，用于獲取所述幅度圖像對應的幅度還原圖像、以及所述相位圖像對應的相位X向偏導還原圖像和相位Y向偏導還原圖像；所述生成單元1108，用于根據所述幅度還原圖像、所述相位X向偏導還原圖像和所述相位Y向偏導還原圖像生成還原圖像；所述差分單元1110，用于將所述樣本圖像和所述還原圖像進行差分，根據差分結果確定所述有價票據的殘差圖像。

在該技術方案中，通過獲取有價票據的樣本圖像的幅度圖像對應的幅度還原圖像和相位圖像對應的相位X向偏導還原圖像和相位Y向偏導還原圖像，其中，X表示坐標軸的X向，Y表示坐標軸的Y向，并將幅度還原圖像、相位X向偏導還原圖像和相位Y向偏導還原圖像生成的還原圖像和樣本圖像進行差分，并根據差分結果確定有價票據的殘差圖像，可以有效地提高印刷質量檢測系統(tǒng)的魯棒性。

在上述技術方案中，優(yōu)選地，所述第二獲取單元1106包括：處理單元11062，用于將所述相位圖像中的任一圖像的相位作為基礎相位，并根據所述基礎相位對所述相位圖像中除所述任一圖像之外的其他圖像的相位進行處理，以得到相位圖像差；所述第二獲取單元1106具體用于，根據所述相位圖像差確定所述幅度還原圖像、所述相位X向偏導還原圖像和所述相位Y向偏導還原圖像。

在該技術方案中，通過將相位圖像中的任一圖像的相位作為基礎相位，例如，將相位圖像中的第一幅圖像的相位作為基礎相位，并根據基礎相位對相位圖像中的其他圖像的相位進行處理，以得到相位圖像差，從而可以通過對相位圖像差進行偏導計算以比較準確地確定相位X向偏導還原圖像和相位Y向偏導還原圖像。

在上述任一技術方案中，優(yōu)選地，所述生成單元1108包括：第一確定單元11082，用于根據所述相位X向偏導還原圖像或所述相位Y向偏導還原圖像與初始點，確定解卷繞相位還原圖像；第二確定單元11084，用于根據所述解卷繞相位還原圖像和所述基礎相位確定相位還原圖像；反變換單元11086，用于對所述相位還原圖像和所述幅度還原圖像進行傅立葉反變換，以確定所述還原圖像。

在該技術方案中，通過將相位X向偏導還原圖像(或者相位Y向偏導還原圖像)和幅度還原圖像逆向生成為還原圖像，利用了“當圖像的幾何位移發(fā)生變化時，圖像的頻譜中幅度譜保持不變、相位譜只出現(xiàn)線性偏移”的原理，可以有效地說明本發(fā)明的有價票據的缺陷管理方法具有較強的形變容忍性。

在上述任一技術方案中，優(yōu)選地，所述第二獲取單元1106包括：計算單元11064，用于對所述相位圖像差在X向和Y向分別進行偏導計算，以得到所述相位圖像差的X向的偏導數和所述相位圖像差的Y向的偏導數；還原單元11066，用于對所述幅度圖像、所述X向的偏導數、所述Y向的偏導數進行分析和還原，根據分析和還原結果確定所述幅度還原圖像、所述相位X向偏導還原圖像和所述相位Y向偏導還原圖像。

在該技術方案中，通過對相位圖像差在X向和Y向分別進行偏導計算，可以比較準確地根據X向的偏導數和Y向的偏導數獲取相位X向偏導還原圖像和相位Y向偏導還原圖像，從而能夠比較準確地根據相位X向偏導還原圖像、相位Y向偏導還原圖像和幅度還原圖像獲取到還原圖像。

在上述任一技術方案中，優(yōu)選地，所述處理單元11062具體用于，將所述其他圖像的相位與所述基礎相位進行減法計算，并對計算結果進行相位解卷繞處理，根據相位解卷繞處理結果確定所述相位圖像差。

在該技術方案中，通過將其他圖像的相位與基礎相位相減并進行相位解卷繞處理，可以得到相位圖像差，從而可以通過對相位圖像差進行偏導計算以比較準確地確定相位X向偏導還原圖像和相位Y向偏導還原圖像。

圖12示出了根據本發(fā)明的第九方面實施例的一個實施例的有價票據的缺陷管理系統(tǒng)的示意框圖。

如圖12所示，根據本發(fā)明的實施例的有價票據的缺陷管理系統(tǒng)1200，包括：生成單元1202、分類單元1204和處理單元1206。

其中，生成單元1202，用于根據有價票據訓練集中每個有價票據的缺陷特征，生成第一級子節(jié)點；分類單元1204，用于計算每個所述第一級子節(jié)點的分割值，并根據所述分割值對所述缺陷特征進行分類；處理單元1206，用于判斷所有所述第一級子節(jié)點是否不可再分類，在判斷結果為是時，分類完成。

其中，優(yōu)選地，所述分類單元1204具體用于：若所述分割值小于設定閾值，則采用支持向量機方法對所述缺陷特征進行分類，以及若所述分割值大于等于所述設定閾值，則采用決策樹方法對所述缺陷特征進行分類。

在該技術方案中，通過每個第一級子節(jié)點的分割值與設定的閥值進行比較，確定采用向量機方法和決策樹方法進行的分類，進一步判斷所有節(jié)點是否不可再分類，確定分類完成，通過采用向量機方法和決策樹方法來對缺陷特征進行分類，可以有效的提高分類精度，計算速度也降到了可以接受的范圍，提高了算法效率。

在上述任一項技術方案中，優(yōu)選地，所述生成單元1202具體用于：計算所述有價票據訓練集中每個有價票據的缺陷特征與其他有價票據的缺陷特征之間的信息增益值，以及根據所述每個有價票據對應的信息增益值構造所述第一級子節(jié)點。

在該技術方案中，通過計算有價票據訓練集中每個有價票據的缺陷特征與其他有價票據的缺陷特征之間的信息增益值，可以有效的避免錯誤缺陷的提取，進而對缺陷殘點進行再檢測，計算缺陷衰減程度，根據衰減程度區(qū)分是正常缺陷還是錯誤缺陷，對衰減程度的判斷，可以有效的提高分類精度，并且提高了算法效率。

在上述任一項技術方案中，優(yōu)選地，還包括：計算單元1208，用于計算每個有價票據的殘點到缺陷質心的歐氏距離；刪除單元1210，用于在任一有價票據的殘點到缺陷質心的所述歐氏距離大于或等于預設距離時，刪除根據所述任一有價票據的缺陷特征生成的所述第一級子節(jié)點。

在該技術方案中，通過計算歐氏距離與預設距離進行比較，可以有效的避免異常點對缺陷特征的影響。

在上述任一項技術方案中，優(yōu)選地，所述缺陷特征包括：能量、密度、殘點密度、殘點飽和度、殘點散度和/或殘點黑白特性。

圖13示出了根據本發(fā)明的第十方面實施例的一個實施例的有價票據的質量檢測方法的流程示意圖。

如圖13所示，根據本發(fā)明的一個實施例的有價票據的質量檢測方法，包括：

步驟1302，獲取所述二次核查系統(tǒng)中的清分機檢測為不合格的有價票據的圖像信息；

步驟1304，根據所述二次核查系統(tǒng)中記錄的二次核查節(jié)點的狀態(tài)數據和分配模式，將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點；

步驟1306，獲取所述二次核查系統(tǒng)的系統(tǒng)配置信息，根據所述系統(tǒng)配置信息對所述二次核查節(jié)點進行配置；

步驟1308，獲取所述不合格的有價票據的批次信息，根據所述批次信息觸發(fā)所述二次核查節(jié)點開始圖像分析工作或結束圖像分析工作；

步驟1310，獲取所述不合格的有價票據的品種信息，觸發(fā)所述二次核查節(jié)點切換到與所述品種信息對應的圖像檢測模板。

在該技術方案中，根據二次核查系統(tǒng)中記錄的二次核查節(jié)點的狀態(tài)數據和分配模式，將清分機檢測為不合格的有價票據的圖像信息分配給二次核查節(jié)點，可以使得不合格的有價票據的圖像信息分配地更加合理，有效地提高了二次核查系統(tǒng)對不合格的有價票據的核查效率以及提升了二次核查系統(tǒng)的自動化性能。

在上述技術方案中，優(yōu)選地，還包括：將所述二次核查節(jié)點的二次核查結果和所述批次信息進行關聯(lián)存儲，以得到匯總數據；從所述匯總數據中提取出所述二次核查結果為不合格的有價票據的圖像信息和冠字號信息，并按照所述批次信息將所述二次核查結果為不合格的有價票據的圖像信息和冠字號信息寫入數據庫，以供綜合判定系統(tǒng)進行處理。

在該技術方案中，通過將二次核查節(jié)點的二次核查結果為不合格的有價票據的圖像信息和冠字號信息寫入數據庫，從而使得綜合判定系統(tǒng)可以對不合格的有價票據的圖像信息再次進行處理以確定不合格的有價票據是否確實為不合格的有價票據，進一步地提升了核查的準確率。

在上述任一技術方案中，優(yōu)選地，所述將所述二次核查節(jié)點的二次核查結果和所述批次信息進行關聯(lián)存儲，以得到匯總數據的步驟之后，還包括：從所述匯總數據中提取出檢測過程數據，并將所述檢測過程數據提供給關聯(lián)成套圖像實時存儲系統(tǒng)進行內容關聯(lián)和成套存儲。

在該技術方案中，通過將從匯總數據中提取的檢測過程數據提供給關聯(lián)成套圖像實時存儲系統(tǒng)，以進行內容關聯(lián)和成套存儲，從而可以將檢測過程數據記錄下來。

在上述任一技術方案中，優(yōu)選地，還包括：若所有所述二次核查節(jié)點出現(xiàn)故障，將所述不合格的有價票據的圖像信息分配給所述綜合判定系統(tǒng)，以供所述綜合判定系統(tǒng)最終判定所述不合格的有價票據是否合格。

在該技術方案中，當二次核查節(jié)點出現(xiàn)故障時，可以將不合格的有價票據的圖像信息分配給綜合判定系統(tǒng)，以供綜合判定系統(tǒng)最終判定不合格的有價票據是否合格，如此，可以提高二次核查系統(tǒng)的可靠性，避免在二次核查節(jié)點出現(xiàn)故障時不能對不合格的有價票據進行二次核查而導致較多的不合格的有價票據被誤判的情況。

在上述任一技術方案中，優(yōu)選地，所述根據所述二次核查系統(tǒng)中記錄的二次核查節(jié)點的狀態(tài)數據和分配模式，將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點的步驟，具體包括：若所述分配模式為第一分配模式時，根據所述狀態(tài)數據中的所述二次核查節(jié)點與質量檢測系統(tǒng)的連接時間，將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點；若所述分配模式為第二分配模式時，根據所述狀態(tài)數據中的處理速度，將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點；若所述分配模式為第三分配模式時，根據所述狀態(tài)數據中的已處理量將所述不合格的有價票據的圖像信息分配給所述二次核查節(jié)點。

在該技術方案中，在不同的分配模式下，將不合格的有價票據分配給二次核查節(jié)點的依據不同，如此，可以使得不合格的有價票據的分配更加合理，從而提高了不合格的有價票據的核查效率。

圖14示出了根據本發(fā)明的第十方面實施例的另一個實施例的有價票據的質量檢測方法的流程示意圖；

如圖14所示，根據本發(fā)明的另一個實施例的有價票據的質量檢測方法，包括：

步驟1402，采集一次機廢圖像數據(即獲取清分機檢測為不合格的有價票據的圖像信息)，并存儲一次機廢圖像數據；

步驟1404，根據二次核查節(jié)點的狀態(tài)數據和分配模式，將一次機廢圖像數據分配給二次核查節(jié)點；

步驟1406，將二次核查節(jié)點的二次核查結果和批次信息進行關聯(lián)存儲，以得到匯總數據；

步驟1408，從匯總數據中輸出二次合格冠字號清單，即二次核查節(jié)點核查后合格的有價票據的圖像信息；

步驟1410，將二次核查結果和一次機廢圖像數據進行合并，以得到二次處理中間結果數據，為清分機二次挑號做準備。

圖15示出了根據本發(fā)明的第十方面實施例的一個實施例的二次核查系統(tǒng)的結構示意圖。

如圖15所示，根據本發(fā)明的一個實施例的二次核查系統(tǒng)1500包括：質量檢測系統(tǒng)1502(相當于圖15示出的實施例中的有價票據的質量檢測系統(tǒng))，二次核查節(jié)點1504，綜合判定系統(tǒng)1506，清分機1508，產品質量數據中心(數據報告中心)1510和廢票冠字號補錄子系統(tǒng)1512。質量檢測系統(tǒng)1502獲取清分機1508檢測為不合格的有價票據的圖像信息，并將不合格的有價票據的圖像信息分配給二次核查節(jié)點1504，二次核查節(jié)點1504對來自質量檢測系統(tǒng)1502的不合格的有價票據的圖像信息進行二次核查，并將不合格的有價票據的圖像信息的冠字號和對應的二次核查結果發(fā)送至產品質量數據中心1510進行存儲，同時，將二次核查結果為不合格的有價票據的圖像信息和該不合格的有價票據的圖像信息對應的冠字號發(fā)送至綜合判定系統(tǒng)1506。

綜合判定系統(tǒng)1506對接收到的不合格的有價票據的圖像信息進行實時解析，并提取不合格的有價票據的圖像信息中的證券特征信息，將證券特征信息與預設特征信息進行比較并展示比較結果，以及根據接收到的判定指令判斷不合格的有價票據的圖像信息是否合格，并將不合格的有價票據的圖像信息的冠字號與對應的判定結果發(fā)送至產品質量數據中心1510。

產品質量數據中心1510用于整合二次核查節(jié)點404和綜合判定系統(tǒng)1506分別上傳的不合格的有價票據的圖像信息的核查結果，即將綜合判定子系統(tǒng)1506對任一冠字號對應的不合格的有價票據的圖像信息做出的判定結果替換二次核查節(jié)點1504做出的核查結果，廢票冠字號補錄子系統(tǒng)1512對確定為不合格的有價票據進行補錄。

另外，質量檢測系統(tǒng)1502能夠通過多種方式(例如，動態(tài)網絡被動接收方式和靜態(tài)文件主動讀取方式)獲取一次機廢圖像數據(即清分機輸出的不合格的有價票據的圖像信息)，同時，質量檢測系統(tǒng)1502還可以采用網絡動態(tài)連接方式，以實時獲得前工序關聯(lián)信息，例如，根據獲取到的不合格的有價票據的批次信息來確定二次核查節(jié)點1504是否開始圖像分析工作和結束圖像分析工作，以及連續(xù)不同批次產品之間的連續(xù)切換；或者根據獲取到的模板更換信息，用來通知二次核查節(jié)點1504是否需要更新模板。質量檢測系統(tǒng)1502還支持浮動節(jié)點(例如，二次核查節(jié)點1504、綜合判定系統(tǒng)1506)的自動接入和退出，以及支持不同類型節(jié)點(例如，二次核查節(jié)點1504和綜合判定系統(tǒng)1506)的浮動接入。質量檢測系統(tǒng)1502還支持系統(tǒng)配置的多模式導入，例如，多模式導入可以是本地或遠程靜態(tài)文件導入模式，也可以是數據庫導入模式。

當不合格的有價票據的圖像信息經過質量檢測系統(tǒng)1502內部處理后，可以得到以下輸出數據：

1、二次廢(含實廢和臨界廢)成套圖像數據文件(存盤)；

2、二次臨界廢描述信息，以數據庫記錄方式，存放在數據庫中；

3、二次合格冠字號清單，包括二次核查節(jié)點404產生的合格信息(即合格的有價票據的圖像信息)和綜合判定系統(tǒng)406產生的合格信息，以數據庫記錄方式，存放在數據庫中；

4、二次核查系統(tǒng)1500的跟蹤信息，以文件方式保存。

質量檢測系統(tǒng)1502可以根據獲取到的系統(tǒng)配置信息，對質量檢測系統(tǒng)1502的內部進行配置和設置；根據獲得到的不合格的有價票據的批次信息觸發(fā)二次核查節(jié)點1504開始圖像分析工作或結束圖像分析工作，根據獲取到的不合格的有價票據的品種信息，觸發(fā)二次核查節(jié)點1504切換到與該品種信息對應的圖像檢測模板。

質量檢測系統(tǒng)1502還支持多個不同類型的浮動節(jié)點，并以浮動節(jié)點的形式支持系統(tǒng)(如綜合判定系統(tǒng)1506)的接入和系統(tǒng)的退出，質量檢測系統(tǒng)1502通過任務總數(即不合格的有價票據的總數)和系統(tǒng)硬件性能，對入口連接和流量進行控制。

質量檢測系統(tǒng)1502對浮動節(jié)點實現(xiàn)任務自動分配，能動態(tài)記錄不同浮動節(jié)點的處理能力和特性，動態(tài)分析不同浮動節(jié)點的整體處理速度，動態(tài)分析不同任務被不同浮動節(jié)點的處理情況(如處理時間，重復次數)，對單張(即不合格的有價票據的張數)處理超時進行任務重新分配，對單張?zhí)幚沓?超過重新分配的次數)進行滯后留盤。

質量檢測系統(tǒng)1502支持3種分配模式，即最先分配模式(即第一分配模式)，平均任務分配模式(即第二分配模式)和能力優(yōu)先分配模式(即第三分配模式)，其中，最先分配模式：在多浮動節(jié)點動態(tài)浮動連接時，多個連接之間是有時間順序的，在各浮動節(jié)點任務沒有滿載的情況下，連接時間在前的被優(yōu)先分配，直到此浮動節(jié)點任務滿為止，然后選擇連接時間在其后最近的連接進行任務分配，依次類推；平均任務分配模式：質量檢測系統(tǒng)1502記錄每個浮動節(jié)點的整體處理能力，在確保各個浮動節(jié)點處理總量平均的情況下，進行任務的分配；能力優(yōu)先分配模式：質量檢測系統(tǒng)1502通過數據統(tǒng)計，獲取各個浮動節(jié)點的處理能力(如處理速度)，產生一個最新的浮動節(jié)點處理速度排行榜，質量檢測系統(tǒng)1502根據該排行榜，優(yōu)先選擇速度處理快的浮動節(jié)點進行任務分配。

質量檢測系統(tǒng)1502可以自動接收經不同二次核查節(jié)點1504處理后傳輸過來的二次核查結果，將二次核查結果進行提取，和清分機1508輸出的一次機廢圖像數據進行合并，使得最終保存的圖像文件中包含成套原始圖像數據，一次處理中間結果數據，二次處理中間結果數據和二次處理最終結果數據。其中，二次處理中間結果數據可以來自不同的二次核查節(jié)點1504，也可以來自綜合判定系統(tǒng)1506。該二次處理中間結果數據以數據記錄的方式，以批次信息為關聯(lián)，寫入數據庫，為清分機二次挑號做準備。此外，分析二次廢處理數據(即二次核查節(jié)點1504的二次核查結果中不合格的有價票據的圖像信息)，對二次廢處理數據中的二次廢相關信息進行提取，以數據記錄的方式，以批次信息為關聯(lián)，寫入數據庫，為綜合判定系統(tǒng)1506的核查做準備。

如圖16所示，根據本發(fā)明的一個實施例的有價票據的質量檢測系統(tǒng)1600，包括：劃分單元1602、聚類單元1604、學習單元1606和檢測單元1608。

其中，劃分單元1602，用于將所有有價票據的樣本集劃分成多個檢測區(qū)域；聚類單元1604，用于將所述多個檢測區(qū)域中的每個檢測區(qū)域對應的樣本集按照特征進行聚類，以將所述每個檢測區(qū)域對應的樣本集分成多個類別；學習單元1606，用于用所述每個檢測區(qū)域中多個類別中的每個類別的樣本集學習對應的檢測區(qū)域的參數空間，以得到每個檢測區(qū)域對應的參數空間；檢測單元1608，用于采用每個參數空間對對應的檢測區(qū)域中的樣本集進行質量檢測。

在該技術方案中，將樣本集劃分的多個檢測區(qū)域按照特征進行聚類，分成多個類別，這樣，每個子類所構成的空間會更加均勻和平坦，同時縮小樣本規(guī)模，用每個類別的樣本集學習對應的參數空間，根據每個參數空間對對應的檢測區(qū)域中的樣本集進行質量檢測，保證模式分析算法的穩(wěn)定性，并且有效的減少樣本個數、計算量以及特征提取的時間，提高了算法效率。

在上述技術方案中，優(yōu)選地，所述聚類單元1604包括：設置單元16042，用于將所述每個檢測區(qū)域中的任一樣本作為一個聚類中心的初始值；計算單元16044，用于計算所述檢測區(qū)域中其他樣本與所述任一樣本之間的第一歐氏距離；確認單元16046，用于在所述第一歐氏距離大于預設距離時，將所述其他樣本作為一個新的聚類中心，否則，將所述其他樣本作為以所述任一樣本為中心的聚類。

在該技術方案中，通過歐氏距離與預設距離的比較，可以避免異常點對確定聚類中心的影響。

在上述任一項技術方案中，優(yōu)選地，所述計算單元，還用于在將所述其他樣本作為一個新的聚類中心時，分別計算所述檢測區(qū)域中的剩余樣本與所述任一樣本之間的第二歐氏距離，以及所述剩余樣本與所述其他樣本之間的第三歐氏距離，以確定所述剩余樣本所屬的聚類。

其中，優(yōu)選地，所述確定單元，還用于在所述第二歐氏距離小于或等于所述預設距離時，將所述剩余樣本作為以所述任一樣本為中心的聚類，在所述第三歐氏距離小于或等于所述預設距離時，將所述剩余樣本作為以所述其他樣本為中心的聚類，在所述第二歐氏距離以及所述第三歐氏距離均大于所述預設距離時，比較所述第二歐氏距離與所述第三歐氏距離的大小，在所述第二歐氏距離大于所述第三歐氏距離時，將所述剩余樣本作為以所述其他樣本為中心的聚類，以及在所述第二歐氏距離小于所述第三歐氏距離時，將所述剩余樣本作為以所述任一樣本為中心的聚類。

在該技術方案中，通過歐氏距離與預設距離的比較來確定樣本為中心的聚類，這樣，可以使構成的空間更加均勻和平坦，同時縮小了樣本規(guī)模，保證模式算法的穩(wěn)定性，提高了算法效率。

在上述任一項技術方案中，優(yōu)選地，所述計算單元具體用于，根據以下計算公式計算所述第一歐氏距離、所述第二歐氏距離及所述第三歐氏距離：

其中，D表示所述歐氏距離，表示作為聚類中心的樣本的均值向量，C為總體的協(xié)方差矩陣，x表示樣本。

如圖17所示，根據本發(fā)明的實施例的有價票據的圖像分析系統(tǒng)1700，包括：檢測單元1702、判定單元1704和處理單元1706。

其中，檢測單元1702，用于按照預設順序對有價票據的圖像的多個面向信息進行檢測，其中，所述面向信息包括正面信息、背面信息、透視信息和/或紅外信息；判定單元1704，用于在檢測到任一面向信息不合格時，判定為所述圖像不合格，以及在檢測到所述多個面向信息中每個面向信息均合格時，判定為所述圖像合格；處理單元1706，用于對所述不合格圖像的錯誤類型和錯誤工序進行分析并記錄，以對所述不合格圖像進行管理和統(tǒng)計。

在該技術方案中，分別對圖像的多種信息進行多次檢測，一套圖像含有正面、背面、透視、紅外等多面向信息，如果其中某一面向不合格，則認為該套圖像不合格。只有當所有面向信息都合格時，才認為該套圖像合格。這樣相當于在進行信息不合格判定時對圖像進行了多次檢測，使得判定結果更加可靠，有效地提高了判定的準確率，還代替了人工檢測，降低了核查成本。

在上述技術方案中，優(yōu)選地，包括：分配單元1708，用于當需要檢測的圖像的個數為多個時，將所述多個圖像分配給多個不同的檢測節(jié)點，以同時使用所述多個不同的檢測節(jié)點對所述多個圖像進行檢測。

在該技術方案中，當某一批需要判定的圖像數量過多時，可以使用多節(jié)點并發(fā)運行的方式進行圖像的判定，以節(jié)約多個圖像的判定時間。多節(jié)點運行涉及到系統(tǒng)內部的調度方法，可以根據各節(jié)點各自運行情況分配待判圖像至不同的節(jié)點。

在上述任一項技術方案中，優(yōu)選地，還包括：獲取單元1710，用于分別獲取所述不合格圖像的和所述合格圖像的冠字號信息；添加單元1712，用于將所述不合格圖像的冠字號信息添加到黑名單中，將所述合格圖像的冠字號信息添加到白名單中，以及將所述不合格圖像的冠字號信息中的或所述合格圖像的冠字號信息中的符合指定條件的冠字號信息添加到灰名單中。

在該技術方案中，判定結果的存取皆以數據庫為主要載體，系統(tǒng)在判定過程中，判定過程信息和最終結果同步寫入數據庫中，當軟硬件異常或者其它崩潰情況，系統(tǒng)可以智能的從數據庫中恢復成當前判定狀態(tài)，以保持系統(tǒng)運行的一致性。因此，將圖像的冠字號信息添加到名單中保存起來，使得系統(tǒng)可以在異?；蚱渌厥馇闆r下支持調閱圖像的判定結果，真實還原以往圖像的判定信息。其中，系統(tǒng)支持三種類型的冠字號清單輸出：白名單是指系統(tǒng)判定為合格圖像的冠字號集；黑名單是指系統(tǒng)判定為不合格圖像的冠字號集；灰名單是指符合指定條件的冠字號集。

在上述任一項技術方案中，優(yōu)選地，不合格圖像的錯誤類型包括：蹭臟、墨漬、折角、缺??；不合格圖像的錯誤工序包括：白紙、膠印、凹印。

在上述任一項技術方案中，優(yōu)選地，所述不合格圖像的錯誤類型包括：蹭臟、墨漬、折角和/或缺??；所述不合格圖像的錯誤工序包括：白紙、膠印和/或凹印。

在上述任一項技術方案中，優(yōu)選地，還包括：設置單元1714，用于根據所述不合格的圖像的錯誤類型和/或錯誤工序，設置所述預設順序。

在該技術方案中，面向判定順序可以自定義，一般來說，在判斷時，對所有需要判定的圖像先判定其正面信息，如果某套圖像的正面判定為不合格，則該套圖像為不合格，該套圖像的其余面向無需再判定；當全部圖像的正面判定完畢后，正面判定合格的圖像，再進行背面判定。上述規(guī)則對判定透視、紅外等其他面向信息同樣適用。比如，該批圖像已知透視面向不合格較多，可以選擇默認首先判定透視面向，根據透視判定結果再判定其正面、背面等面向，以節(jié)約判定時間并提高系統(tǒng)的運行效率。另外，還可以將多個面向設置設為統(tǒng)一優(yōu)先級，即將多個面向設置為并列第一判斷的標準。因為在有些情況下，圖像上的某些信息需要多面結合才能判定其是否合格，此時可同時展示任意數量面向(比如只打開正面/紅外兩個面向)進行綜合信息的判定。在該模式下，系統(tǒng)判定的結果為該套圖像的最終結果，無需再進行其它面向的判定。

以上結合附圖詳細說明了本發(fā)明的技術方案，本發(fā)明提出一種新的有價票據的綜合判定技術，可以減少樣本個數、計算量以及特征提取的時間，還可提高二次核查系統(tǒng)的核查效率，提高核查的準確率，降低核查成本，提高分類精度，提高質量檢測系統(tǒng)的魯棒性。

以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領域的技術人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。