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。     

用DSP和ICPLD实现的纸币图像采集系统

为了实现对纸币的清分,需要对纸币的整洁度进行检测和判别,从而必须进行纸币图像的采集、处理及其残缺度的识别。基于接触式图像传感器(CIS)实现的图像采集系统,在纸币清分设备中得到了成功地应用。系统采用复杂可编程逻辑器件实现图像传感器的控制、数据存储等功能,利用总线切换电路完成了双存储区的轮换工作。     

纸币新旧检测的数字图像处理方法

随着货币流通的加速,纸币破旧污损越来越多,另外在AT M自动取款机中,对纸币的质量也有一定的要求,因此纸币清分机的新旧检测也越来越重要。本文阐述了一种基于数字图像处理技术的人民币纸币新旧检测方法,给出了工作原理、遇到的问题及解决方法,最后给出了在实际检测中的结果分析和今后需要努力的方向。该算法运算速度较快,准确度较高,具有良好的应用前景。     

用DSP和CPLD实现的纸币图像采集系统

为了实现对纸币的清分,需要对纸币的整洁度进行检测和判别,从而必须进行纸币图像的采集、处理及其残缺度的识别.基于接触式图像传感器(CIS)实现的图像采集系统,在纸币清分设备中得到了成功地应用.系统采用复杂可编程逻辑器件实现图像传感器的控制、数据存储等功能,利用总线切换电路完成了双存储区的轮换工作.     

基于TMS320F2812的小型纸币鉴伪／清分机

文章介绍了纸币鉴伪/清分的基本原理和TMS320F2812DSP的主要功能特点,分析讨论了以TMS320F2812为核心的高速纸币鉴伪/清分机的软硬件设计实现。     

基于纸币透射图像的新旧检测

纸币新旧检测是纸币清分机中的一个重要功能,与传统的基于纸币反射图像检测纸币新旧等级不同,采用了纸币的透射图像进行纸币新旧检测。根据纸币的新旧程度人工划分为3个等级,分别使用了基于灰度图像整体亮度的新旧检测法和传统的模式识别的方法,采用纸币透射图像直方图分布作为纸币新旧特征,分别使用了KNN、SVM分类器进行分类,并且提出一种简单的级联分类器。实验结果表明级联分类器比KNN和SVM的单独使用有更好的表现。     

基于TMS320F2812的纸币鉴伪/清分机

介绍了纸币鉴伪/清分的基本原理和TMS320F2812DSP的主要功能特点,分析讨论了以TMS320F2812为核心的高速纸币鉴伪/清分机的软硬件设计实现.     

电涡流式钞票厚度检测传感器设计

在ATM机和纸币清分机中,钞票的厚度检测是必须的功能,通过钞票的厚度特征可以识别钞票上粘贴的胶带和折角等,从而剔除不合格钞票。本文论述了一种电涡流式钞票厚度检测传感器,采用并列的结构相同的多路厚度传感器,通过每路独立的厚度传感器检测出来的信号,拼接成整张钞票的厚度特征,从而识别钞票是否有异常。本传感器具有电路简单、成本低、检测范围大等优点。     

新的纸币图像特征提取方法

综合利用Contourlet变换和模糊逻辑方法的优点,提出一种新的基于Contourlet变换和模糊逻辑的纸币图像特征提取方法.该方法通过对纸币图像进行Contourlet变换,提取纸币图像在不同尺度不同方向上的变换系数.把提取的系数作为语言变量,在此基础上引入模糊逻辑方法,计算出模糊特征空间中每个模糊区域的激活强度值,并将其进行归一化处理后构成纸币的特征向量.同时结合纸币的儿何特征来进行粗分类.采用神经网络作为识别分类器并且在识别阶段引入拒识类.实验结果表明,提出的方法取得了较高的识别率并且满足清分系统实时性的要求,该方法已经在一个资源约束的嵌入式系统中得到应用.     

基于迭代算法的纸币图像偏色校正技术

由于接触式图像传感器光源、光敏芯片和温度等综合因素的影响,金融电子装备采集到的纸币图像会存在偏色 现象,降低了纸币识别算法的性能。针对此种情况,文中给出了一种基于迭代算法的纸币图像偏色检测和校正方法,在图像 偏色检测方面采用等效圆的偏色检测方法进行评价,在图像校正方面采用了伽马校正的方法进行偏色校正,有效改善了纸 币采集系统不同程度的偏色给算法识别带来的干扰,并减少了工程技术人员2/3的调试时间,增强了纸币识别算法的 普适性。     

MATLAB平台下图像处理实验教学软件的实现

着重介绍了基于MATLAB下图像处理实验教学软件的开发,该软件的基本内容主要包括图像的变换、增强、压缩、分割、恢复等知识,并为学生提供一个良好的能调整各算法参数的交互式GUI学习平台,使学生在短暂的时间时熟悉并消化图像处理基本算法。     

基于图像特征的纸币真伪识别算法研究

针对纸币图像的真伪区别点,提出了一种新的纸币真伪识别算法。在精确判别币值的基础上,利用统计模式识别的理论建立真币模型,通过对真币进行特征分析确定其判决域,从而进行纸币的真伪判别。实验结果表明,算法识别率达96.28%。     

基于二次分割的银行票据彩色印章的滤除

由于彩色印章的存在,传统的印章滤除算法常常会弱化票据中印章的遮挡字符,降低票据识别正确率,这很难满足实际应用的需要。针对这种情况,提出一种基于彩色图像二次分割的算法,该算法能够实现印章的有效滤除。算法首先对票据背景和印章部分进行滤波。然后,基于印章颜色分析进行图像的第二次分割,判断并提取出印章遮挡的字符。根据票据背景平均灰度值自适应的增强遮挡字符,并滤除干扰印章部分,实现遮挡字符细节得以保留,从而提高了票据识别的正确率。实验结果表明,相比于现有的方法,该文采用的方法将识别准确率提高了约10%,实验证明了该方法的有效性,并具有较好的应用前景和商业价值。     

小样本条件下基于数据增强和WACGAN的雷达目标识别算法

目前小样本条件下高分辨距离像雷达目标识别算法存在识别率较低、识别率稳定度较差等问题,对此,本文提出了基于数据增强和加权辅助分类生成对抗网络（Weighted Auxiliary Classifier Generative Adversarial Networks,WACGAN）的雷达目标识别算法.该算法首先根据雷达目标散射特性,通过时间镜像数据增强方法扩充数据集,然后将扩充数据集输入WACGAN,通过自动选择高质量的生成样本,使判别器在标签样本监督学习的基础上得到进一步优化,最后直接利用判别器实现对雷达目标的有效识别.仿真实验结果表明,本文算法在不增加识别时间的基础上,有效提高了小样本条件下对雷达目标的识别率和识别稳定度.     

关于直方图双峰法的研究与改进

关于图形图像处理的问题一直是多年来研究的话题,在信息技术高速发展的今天,图像的处理已应用到社会的各个领域。图像分割就是为了某一特定目的,通过一定的方法把图像按照其特征分成各具特性的区域,提取出感兴趣目标的技术和过程,进而再对目标区域进行研究。它是图像处理、模式识别和人工智能等多个领域中的关键课题,也是计算机处理视觉技术的首要的、关键的关键步骤。图像分割的应用非常广泛,几乎出现在关于图像处理的所有领域。因此,从20世纪60年代以来,图像分割一直都是图像研究技术的热点。     

基于小波变换的音素分段算法

在语音信号处理中,作为预处理前端的语音分段技术对于语音增强、编码和识别都有极其重要的作用。本文分析比较了几种传统的语音分段算法的性能,重点研究基于小波变换的语音音素分段算法,针对平滑渐变的低频能量不能对音素进行有效分割的缺点,提出了基于小波变换累积能量包络的语音分段算法。但由于小波的敏感性,会出现一定数目的伪点,本文提出2种去除伪点的方法,从而提高了音素分段的精确度。     

基于调频连续波雷达的多维信息特征融合人体姿势识别方法

为实现在复杂多样的环境下人体姿势的识别,该文提出一种基于调频连续波(FMCW)雷达的多维信息特征融合的人体姿势识别方法。该方法通过对FMCW雷达原始信号进行3维快速傅里叶变换得到目标距离、速度和角度的多维信息,在采用具有噪声的基于密度的聚类算法(DBSCAN)和Hampel滤波算法解决运动范围内动态或静态目标的噪声干扰后使用卷积神经网络对多维信息进行特征提取,然后利用低秩多模态融合网络(LMF)充分融合多维信息的特征,并通过域鉴别器进一步获得与环境无关的特征,最终使用活动识别器获得姿势识别结果。为了实用性,在边缘计算平台上搭载预先设计的算法和训练好的网络模型进行实验验证。实验结果表明,在复杂的环境下该方法的识别精度可达到91.5%。     

基于ICNN和IGAN的SAR目标识别方法

近年来,卷积神经网络(CNN)已广泛应用于合成孔径雷达(SAR)目标识别。由于SAR目标的训练数据集通常较小,基于CNN的SAR图像目标识别容易产生过拟合问题。生成对抗网络(GAN)是一种无监督训练网络,通过生成器和鉴别器两者之间的博弈,使生成的图像难以被鉴别器鉴别出真假。本文提出一种基于改进的卷积神经网络(ICNN)和改进的生成对抗网络(IGAN)的SAR目标识别方法,即先用训练样本对IGAN进行无监督预训练,再用训练好的IGAN鉴别器参数初始化ICNN,然后用训练样本对ICNN微调,最后用训练好的ICNN对测试样本进行分类。MSTAR实验结果表明,提出的方法不仅能够在训练样本数降至原样本数30%的情况下获得高达96.37%的识别率,而且该方法比直接采用ICNN的方法具有更强的抗噪声能力。     

Phone-based filter parameter optimization of filter and sum robust speech recognition using likelihood maximization

Because of noise and reverberation, accuracy of speech recognition systems decreases when the distance between talker and microphone increases. By the using of microphone arrays and appropriate filtering of received signals, the accuracy of recognizer can be increased. Many different methods for using microphone arrays have been proposed that can be classified into two main approaches: systems that perform in two independent stages of array processing and then recognition and systems that use array processing to generate a sequence of features which maximize the likelihood of generating the correct hypothesis in recognition phase. Following second approach, in this paper a new method for microphone array processing is proposed in which the parameters of array processing are adjusted in calibration phase based on phones used in language and maximum likelihood method. Optimized filter parameters are stored and used during recognition phase. A new modified Viterbi algorithm using optimal phone-based filter parameters is used for recognition phase. The proposed algorithm is analytically formulated and Persian language is used to find any improvement in speech recognition accuracy compared with results of delay and sum and utterance-based filter and sum algorithms. The results show 12.2% improvement in accuracy compared to utterance-based algorithm.     

基于支持向量域描述的雷达地面目标鉴别技术

在高分辨一维距离像目标识别中,有效的对库内目标特征空间进行描述,并且对库外目标进行鉴别是一个关键问题.本文提出了一种基于非均匀特征向量分布的目标鉴别器设计方法,该方法利用训练特征空间的协方差分布情况,选择库内协方差较小,即样本密度较大的区域进行细致描述,有效克服了训练样本分布非均匀造成的特征空间描述偏差,进而保证对库内...