基于数字图像处理的人民币纸币面值识别-CSDN博客

本文链接：https://blog.csdn.net/GGMMM123/article/details/135603323

文章介绍了利用粘连字符分割和句法识别方法对人民币纸币进行面值识别的技术，克服了污迹和字符粘连问题，提高了识别准确率。通过实验验证，该方法在99%以上的识别率下展现出良好的实用性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基于数字图像处理的人民币纸币面值识别

摘要：利用粘连字符分割和句法识别的方法，对人民币纸币图像进行识别。经试验证明，该方法能正确识别纸币面值，同时对票面的污迹等噪声的抑制有很好的效果。

关键词：纸币面值识别；粘连字符分割；句法识别；Levenshtein 距离

随着科技的发展，很多行业都出现了基于人民币纸币识别技术的智能化无人收费系统，节省了大量的人力资源。人民币纸币的识别技术不仅可以应用在自动售货售票上，也可以应用到银行的自动存取款机，手机营业厅的自动交费机等。

目前已有的识别方法主要是利用统计方法进行识别，如尺寸比较法、模板匹配、人工神经网络等。人民币纸币在流通中不可避免的会沾染污迹或磨损。这些方法虽然能快速识别出纸币的面值，但纸币上的微小污迹或其他图像噪声对识别结果影响很大，甚至出现无法识别或错误识别的现象。

为此提出以提高识别准确率为目的的识别方法，使用粘连字符分割和句法识别的方法来识别纸币的面值。

1 面向识别

要进行人民币纸币面值识别，首先要确定人民币纸币的面向。只有确定出面向，才能准确定位纸币要识别的特征区域。面向可分为：正面正向、正面倒向、反面正向和反面倒向。在进行识别前应先进行预处理，如倾斜校正、滤波等处理。

在面向识别中，采用目前常用的方法[4]，即根据灰度来确定。这种方法识别速度快，准确率高。对纸币图像分割成 9 块区域，进根据每一块的灰度进行比较，可以得出纸币的面向。

迹或磨损，如果面值数字上沾染上污迹，那么现有的识别方法对污迹并没有太理想的解决办法。如模板匹配方法，阈值的设定将直接影响到识别的结果。利用人工神经网络的方法[3]识别面值，对有污迹的纸币识别效果也不是很理想而且网络不容易收敛，运算量过大。而利用灰度投影方法[7]，识别结果受噪声影响比较大。人民币纸币识别对准确率要求很高，识别算法应在保证高识别率的基础上尽可能的提高识别速度。提出的识别方法将粘连字符分割应用到纸币识别中并采用句法方法进行识别，这种方法受纸币的污迹影响很小，即使有一些微小磨损或污迹也能准确识别。