一种基于模板匹配的人民币纸币面额识别方法

从图像处理的角度论述了人民币纸币的识别方法.针对人民币纸币面额种类少的特点,提出了采用模板匹配的方法.传统的二维模板匹配虽然实现简单,但计算量十分庞大,花费时间太长,针对此情况采用了当今发展比较成熟的一维灰度投影的模板匹配算法.该算法通过图像灰度投影变换,形成一维图像,并用一维图像进行快速匹配.试验结果表明,后者在保证了匹配准确率略高的前提下,识别速度明显高于前者,从而提高了设备的识别速度,使之更具有了实用性.

基于DSP及CIS的纸币面额识别技术

针对目前银行网络化工作的需要,为提高银行工作效率,设计了一种基于定点DSP处理器及CIS(contact image sensor,接触式图像传感器)的纸币面额识别系统。该系统采用两个CIS模块测量钞票长度,DSP用于系统控制及图像处理,设计灵活,可实现不同版本不同面值钞票的混点,同时具有低成本、低功耗、高性能、智能化等优点。实验表明用该系统进行识别有很高的准确率。

改进的Freeman链码进行人民币的面额识别

针对尺寸法进行人民币的面额识别中,使用Freeman链码进行纸币边界曲线跟踪时出现的断点、漏点、错点及处理数据量大、速度慢的问题,提出一种新的链码定位边界法。首先通过统计纸币轮廓点的横、纵坐标值出现的频率确定链码起始点;然后定义一种新的多方向链码以解决图像边界点的间断问题;最后利用之前链码预测之后链码以减少漏点、错点,减少噪声对曲线跟踪的影响。实验结果表明,该方法用于纸币识别,识别率达到了96.159%以上,计算复杂度降低,识别速度提高,是一种有效的图像边界提取方法。

基于BP神经网络的人民币纸币面额识别方法

在纸币的面额识别上,结合了神经网络的优点,提取人民币图像轮廓点个数作为特征向量,设计了50*30*5的BP神经网络的面额识别方法,给出了BP神经网络的学习规则。

一种基于紫外荧光图像的人民币面额识别算法

通过调研国内外纸币面额识别技术的研究现状,设计了一种基于紫外荧光图像的人民币面额识别算法,该算法利用在紫外光照射下人民币正面的荧光面额区域作为识别特征,经过简单的图像预处理(包括倾斜校正、图像二值化、滤波和形态学处理等)操作,综合运用几何结构分析和模板匹配的方法实现对六种人民币面额的识别,识别率达到99%以上,平均识别时间在0.04s以内。该算法识别效果好并且满足一定的实时性,经过改善可以运用到自动售货机、点钞机、清分机、ATM机等实际系统中。

基于HSV空间的纸币面额识别算法研究

纸币面额识别是纸币清分过程中的一个很重要的步骤,目前对纸币面额识别的研究主要集中于灰度图像上,还没有人使用彩色图像做过纸币面额识别的研究。在此提出一种基于HSV空间的纸币面额识别算法,根据待识别纸币和不同面额纸币的H、S、V分量均值的色差大小来对纸币的面额进行识别。在此首先使用扫描仪扫描到的高分辨率的图像进行实验,证明了算法的正确性。然后采用智能点验钞机采集到的低分辨率的图像进行实验,针对低分辨率图像,提出采用直方图均衡化的改进算法,分类准确率达到98.78%,证明本算法能够满足实际应用的需要。

鸿隆投币机新品介绍

SK10系列智能投币机头1．