图7-10本节提出的纸币鉴别系统的原理图本节提出的纸币鉴别系统的具体实现流程如下所述。对测试纸币的红外图像进行灰度纹理特征提取。对测试纸币进行真伪鉴别。根据上述第步确定的测试纸币的面额，将上述第步提取的测试纸币的红外图像灰度纹理特征与标准真币特征数据库中相同面额真币的红外图像灰度纹理特征进行比较，根据预先设定的特征距离计算准则和判别阈值，鉴定测试纸币的真伪。......
2023-06-29
基于灰度纹理特征的纸币真伪鉴别方法
【摘要】：图7-12100元人民币正面和背面的红外图像为了提取纸币红外图像中的灰度纹理特征，以便对纸币的真伪进行鉴别，本节采用本书第4章提出的DDT-CLBP算法来实现灰度纹理特征的提取。可以看出，由于光照条件以及纸币污染等因素的影响，利用其他方法提取的结果都不理想，尤其利用LBP算法提取的特征几乎完全被淹没在噪声之中，而本节提出的DDT-CLBPs-delta算法能够清晰准确地提取出纸币红外图像中的鉴别性纹理特征，为纸币的真伪鉴别奠定了良好的基础。
利用纸币彩色图像的粗略颜色信息仅能对纸币的面额进行识别，但很难对纸币的真伪进行鉴别，因为很多假币的彩色图像与真币的彩色图像几乎完全相同。所以，要对纸币的真伪进行鉴别，更有效的方法是利用其他的鉴别性特征，如纸币的红外图像特征。纸币的红外图像特征是由纸币特殊的制造材料和制造工艺决定的，很难被假币模仿，是一种重要的纸币防伪特征。当利用主波长为940 nm的红外光源对纸币进行照射时，获取的红外图像中有些区域的纹理图案会保留，而有些区域的纹理图案会消失，如图7-12所示，这正是利用纸币的红外图像特征进行真伪鉴别的依据。
图7-12 100元人民币正面和背面的红外图像
为了提取纸币红外图像中的灰度纹理特征，以便对纸币的真伪进行鉴别，本节采用本书第4章提出的DDT-CLBP算法来实现灰度纹理特征的提取。同时，考虑到纸币鉴别设备对纸币的鉴别速度有很高要求（如A类点钞机的鉴别速度要求每分钟不低于900张），因此本节只采用一个半径（R， P）=（1， 8）来执行DDT-CLBP算法，并且只利用符号分量DDT-CLBPS，这样可以使红外图像的灰度纹理特征提取过程具有更高的实时性。另外，考虑到纸币的红外图像中含有较多的噪声干扰，所以本节给DDT-CLBP算法中的阈值函数s(x)增加了一个噪声容限参数delta，即DDT-CLBP算法中邻域像素点与中心像素点的灰度差分不超过噪声容限delta时，对应的二值模式编码值保持不变，这样可以有效抑制噪声的干扰。其中，噪声容限delta的值可根据红外图像中噪声的严重程度通过实验来调节。综上所述，本节设计了一种实时性更强，并且具有噪声抑制能力的灰度纹理特征提取算法，称之为DDT-CLBPs-delta算法，该算法除了具有好的实时性和噪声抑制能力外，还具有对单调性光照变化和局部模式旋转的稳健性，因此利用该算法可以快速、准确地提取出纸币红外图像中的灰度纹理特征。
接下来，将本节提出的DDT-CLBPs-delta算法应用于纸币红外图像的灰度纹理特征提取，并与其他一些方法的特征提取结果进行比较，结果如图7-13所示。可以看出，由于光照条件以及纸币污染等因素的影响，利用其他方法提取的结果都不理想，尤其利用LBP算法提取的特征几乎完全被淹没在噪声之中，而本节提出的DDT-CLBPs-delta算法能够清晰准确地提取出纸币红外图像中的鉴别性纹理特征，为纸币的真伪鉴别奠定了良好的基础。
图7-13 不同方法提取纸币红外图像中的鉴别性纹理特征
将DDT-CLBPs-delta算法应用于纸币的红外图像，可获得一个DDTCLBPs-delta算法编码的特征图像，如图7-13（f）所示，为了体现纸币红外图像中防伪特征的位置分布信息，将获得的DDT-CLBPs-delta算法编码图像划分成4×8个网格，分别计算每个网格的编码均值，将这些网格的编码均值作为纸币红外图像的真伪鉴别特征。为了同时利用纸币正面和背面的防伪特征，分别提取纸币正面和背面红外图像的纹理特征，将所有网格的纹理特征进行级联，作为纸币红外图像的最终鉴别特征。按照上述方法，分别计算所有面额标准真币的红外图像鉴别特征和测试纸币的红外图像鉴别特征。在利用红外图像特征进行真伪鉴别时，因为不同面额纸币的红外图像特征是不同的，所以不同面额纸币的红外图像特征进行比较没有意义，必须是相同面额的纸币进行比较，这就要用到前面基于粗略颜色信息的面额识别结果。最后，将测试纸币的红外图像鉴别特征与相同面额标准真币的红外图像鉴别特征进行比较，根据设定的阈值范围，如果每个网格的编码均值都不超过设定的阈值范围，则判定测试纸币为真币；如果某个或某些网格的编码均值超过了设定的阈值范围，则判定测试纸币为假币，并指出存在假币特征的网格位置，从而实现了对纸币的真伪鉴别。
有关纹理图像的特征提取和识别的文章
- 详细阅读
-
基于纹理特征的图像检索系统设计详细阅读
为了利用纹理图像特征提取技术构建一个具体的图像检索系统，本节利用本书第5章提出的彩色纹理图像特征提取框架，所设计的样本图像特征提取过程如图7-4所示。在进行图像检索之前，可预先离线计算检索数据库中所有样本图像的特征向量，将其存储起来，方便以后每次进行图像检索时使用；对输入的查询样本图像，需要在线计算其特征向量。图7-5本节提出的图像检索系统框图......
2023-06-29
-
基于图像处理的木材表面纹理特征提取方法详细阅读
所以，迄今为止关于木材表面纹理表达与分析的研究，基本上仍停留在定性描述为主，局部定量为辅的阶段。日本的仲村匡司采用计算机图形处理模拟制作了各种木材径切面纹理模型图片，并调查分析了“自然感”心理量与其他心理量以及纹理图形数字化参数之间的关系。其结果表明，“自然感”与“木纹相象感”和“喜好感”相关程度很高，可认为加强自然感是提高木纹仿制品视觉特性的有效途径之一。......
2023-11-19
-
纹理图像局部纹理特征的描述方法详细阅读
纹理基元通常表现为一种局部特征，因此对局部特征的描述就是对潜在的纹理基元进行描述。因此，本章方法利用这5个特征量构造一个局部特征向量，用这个局部特征向量来描述每个像素所在区域的局部纹理特征，并将其作为纹理基元的学习对象。......
2023-06-29
-
基于计算机图像处理的木材纹理特征提取及分类方详细阅读
针对常见特征选择方法的不直接性，我们将子集评价函数直接选为分类器的识别率，提出一种基于模拟退火算法与最近邻分类器识别率的特征选择方法。因此，我们最终选用最近邻分类器识别率作为评价准则。模拟退火算法中最常用的是2变换法和3 变换法，这两种方法有着各自独特的优越性，我们将这两种方法随机交替使用获得了较好的效果。......
2023-11-19
-
基于颜色信息的纸币面额识别优化方案详细阅读
图7-11人民币纸币的正面彩色图像及其对应的颜色直方图特征综上所述可以看出，利用纸币彩色图像的主色调特征进行面额识别是一种简捷高效，并且非常稳定的方法。根据本书提出的颜色信息粗略量化的策略，并且6种面额的人民币纸币分别对应6种不同的主色调特征，所以本节提出的方法把色调分量H的量化等级个数设为Lc=6。......
2023-06-29
-
纹理特征研究的历史与现状详细阅读
人类对纹理特征的研究最早可追溯到1962年Julesz[44]对纹理视觉感知模型的研究，时至今日，人们对纹理图像的研究已经有50多年的历史。在国内，清华大学的郭振华[52-57]、国防科技大学的刘丽[1，2， 58-61]、重庆邮电大学的宋铁成[62-64]等也在该方面进行了深入的研究。图1-7展示了当选择距离d=1、方向θ=0°时根据输入图像计算GLCM矩阵的基本原理。例如，将原始图像量化为32或16个灰度等级，则GLCM方法的计算量会大大降低。......
2023-06-29
-
基于数字图像处理技术的木材表面纹理特征提取与详细阅读
目前，纹理在许多领域有着广泛的应用，如遥感图像分析、医学图像分析、缺陷检测、基于生物特征的身份鉴定、文档分割、目标识别以及图像检索等方面。目前，纹理分析被应用在遥感图像分析的领域有遥感图像目标识别、遥感图像地形分类和卫星遥感图像云类识别等。Landeweerd 和Gelsema 利用纹理的一阶和二阶统计来检测白血球的各种形态和它们的畸变，用于检测病情。......
2023-11-19
相关推荐