基于数字图像处理的人民币纸币面值识别

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&