基于Haar小波和模糊逻辑的纸币图像特征提取方法

针对如何提取纸币图像特征的问题,提出了一种基于离散Haar小波变换和模糊逻辑相结合的纸币特征提取方法。该方法首先使用Haar小波对纸币图像进行分解操作,提取出图像的低频小波系数、高频小波系数。在此基础上引入模糊逻辑方法,把提取的小波系数分别作为语言变量,并构造出相应的隶属度函数,在模糊特征空间中求出每个模糊区域对应的激活强度值,将这些激活强度值进行归一化处理后构成纸币特征向量,使用神经网络分类器对纸币进行识别。此方法在资源约束的嵌入式系统(TI TMS320C6713 DSP)上实现,实验结果表明,离散Haar小波变换和模糊逻辑相结合的特征提取方法可以取得较高的识别率。

纸币识别系统设计与实现

介绍了一种纸币识别系统的硬件设计及其对应识别方法.在硬件设计上,将高速数字信号处理(DSP)技术与复杂可编程逻辑器件(CPLD)和接触式图像传感器(CIS)相结合;在识别方法上,应用图像处理技术与改进的SOFM神经网络方法识别纸币.通过实验测试,系统可在40ms内完成对一张纸币的处理.有拒识情况下,面值识别率100%,识别面向准确率为99.8%,新旧识别率约90%.