基于统计的模板匹配在人民币定位中的应用
发布时间：2021-11-22 22:42
模板匹配是机器视觉、图像视频处理技术中的一个最基本的问题。在印刷行业中,机器视觉逐步取代了人工肉眼筛查成为主要的检测票面手段。现今印钞企业的在线检测中票面检测依旧存在诸多问题。第一:匹配模板太小,包含的信息量太小。印钞企业中模板匹配的模板为10px*10px,众所周知模板尺寸越大,匹配耗时越久,为了保证匹配的效率问题,所以现在的企业中选择了较小尺度的模板,所以需要一个既与模板尺寸无关又包含更多信息量的算法。第二:模板取值在图像边缘,存在工艺误差。现在的模板因为尺度取值较小为了提高模板包含的信息量,往往会选取边缘位置。以人民币国徽为例,国徽内部大量的红色,辨识度低,所以国徽模板选取在边缘处,但是边缘处存在套印问题（即两次印刷产生相对位置的偏移）,是一种不可消除的工艺误差,对匹配结果具有影响,所以需要一种即可以包含大量信息,又不需要使用边缘的模板匹配算法。第三:现在使用的模板是双向的,即两图相同可推得两图距离为零,两图距离为零可推得两图相同,现在的模板匹配不仅使用了点的信息,还使用了点位置的信息。可以尝试使用单向模板,即两图相同可推得两图距离为零,两图距离为零不可推得两图相同。单向模板仅使...
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
先验的大范围Fig.2-1Rangeoftranscendental图2-1为小张清分机上采集到的最原始图像
6R 通道图像 灰度图图 2 - 2 RGB 三通道图和灰度图Fig.2-2 Three channel diagram of RGB and grey-scale diagram由图 2-2 可知，R 通道票面颜色最淡，即边界与黑色背景色差最大，所以采用 R 通道图像获取票面边界。2.2 识别出票面边界因为需要明确的轮廓所以采用 Canny 轮廓检测[19]。Canny 边缘检测步骤：1.消除噪音Canny 边缘检测的第一步就是去噪，将原图和高斯平滑滤波器做卷积，例如内核为 5 的滤波器：
图 2 - 3 Canny 取不同阈值的结果Fig.2-3 Result of different threshold in Canny随着阈值的变化，不变的是票面边界，变化的是票面中离散分布的点，所以两个阈值取值越大，离散点对定位的干扰越弱。对标准样进行 Canny 边界识别，两个阈值取最大 250，255。此时非票面边界点最少，且经过大量实验发现，在这个取样环境下取到的样，做 Canny（250，255，3）处理后，标准样票面外没有多余点。如图 2.3 的最后一张图，我们可以看到票面的边缘和背景的交接处基本是一条单像素的线，但是在人像的衣领处有很多细碎的小像素，这些对分离和识别票面边界没有印象。2.3 寻找票面的倾斜度在图 2.3 中边缘处的单像素直线可以认为是票面的轮廓线。但是票面在机械交接的时候对造成偏差如图 2.1 所示，可以看到有细微的偏差，并不是垂直的也不是水平的，这样倾斜的票面对定位和检测都是由影响的，所以我们需要将所有
【参考文献】：
期刊论文
[1]基于改进的多模板匹配的车牌识别算法[J]. 孙守勇,蔡骋. 电脑知识与技术. 2017(09)
[2]Modified SIFT descriptor and key-point matching for fast and robust image mosaic[J]. 何玉青,王雪,王思远,刘明奇,诸加丹,金伟其. Journal of Beijing Institute of Technology. 2016(04)
[3]一种基于特征加权模板匹配方法在纸币字符识别中的应用[J]. 陈国彬,张广泉. 微电子学与计算机. 2013(03)
[4]Canny算子子像素边缘检测方法[J]. 薛武,张永生,董广军,纪松,于英. 遥感信息. 2013(01)
[5]Canny边缘检测算法在机器人视觉中的应用[J]. 陈宏申,李环. 现代计算机(专业版). 2011(11)
[6]算法的时间复杂度分析[J]. 程世辉,卢翠英. 河南教育学院学报(自然科学版). 2007(04)
[7]基于差分和特征不变量的运动目标检测与跟踪[J]. 丁雪梅,王维雅,黄向东. 光学精密工程. 2007(04)
[8]数字图像的灰度修正[J]. 官理. 计算机与现代化. 2003(05)
硕士论文
[1]基于改进的SIFT图像匹配算法研究[D]. 翟雨微.吉林大学 2017
[2]基于改进SIFT算法的图像匹配研究[D]. 冯文斌.燕山大学 2017
[3]基于SIFT的车标识别技术研究[D]. 陈聪.东南大学 2017
[4]SIFT特征匹配技术研究与应用[D]. 陈晗婧.南京理工大学 2017
[5]基于OpenCV的人脸识别系统研究[D]. 宋西来.天津科技大学 2017
[6]基于OpenCV的图像匹配算法及其靶标定位应用[D]. 王道威.华中科技大学 2016
[7]基于SIFT特征的关键帧提取算法研究[D]. 屈有佳.北京交通大学 2015
[8]基于OpenCV与USB工业相机的零件检测系统开发与研究[D]. 陈海平.广西大学 2012
[9]基于改进canny算法的图像边缘检测的研究[D]. 靳艳红.重庆师范大学 2011
[10]基于图像处理技术的车牌定位与字符分割算法研究[D]. 马玲.东北大学 2009
本文编号：3512579
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
先验的大范围Fig.2-1Rangeoftranscendental图2-1为小张清分机上采集到的最原始图像
6R 通道图像 灰度图图 2 - 2 RGB 三通道图和灰度图Fig.2-2 Three channel diagram of RGB and grey-scale diagram由图 2-2 可知，R 通道票面颜色最淡，即边界与黑色背景色差最大，所以采用 R 通道图像获取票面边界。2.2 识别出票面边界因为需要明确的轮廓所以采用 Canny 轮廓检测[19]。Canny 边缘检测步骤：1.消除噪音Canny 边缘检测的第一步就是去噪，将原图和高斯平滑滤波器做卷积，例如内核为 5 的滤波器：
图 2 - 3 Canny 取不同阈值的结果Fig.2-3 Result of different threshold in Canny随着阈值的变化，不变的是票面边界，变化的是票面中离散分布的点，所以两个阈值取值越大，离散点对定位的干扰越弱。对标准样进行 Canny 边界识别，两个阈值取最大 250，255。此时非票面边界点最少，且经过大量实验发现，在这个取样环境下取到的样，做 Canny（250，255，3）处理后，标准样票面外没有多余点。如图 2.3 的最后一张图，我们可以看到票面的边缘和背景的交接处基本是一条单像素的线，但是在人像的衣领处有很多细碎的小像素，这些对分离和识别票面边界没有印象。2.3 寻找票面的倾斜度在图 2.3 中边缘处的单像素直线可以认为是票面的轮廓线。但是票面在机械交接的时候对造成偏差如图 2.1 所示，可以看到有细微的偏差，并不是垂直的也不是水平的，这样倾斜的票面对定位和检测都是由影响的，所以我们需要将所有
【参考文献】：
期刊论文
[1]基于改进的多模板匹配的车牌识别算法[J]. 孙守勇,蔡骋. 电脑知识与技术. 2017(09)
[2]Modified SIFT descriptor and key-point matching for fast and robust image mosaic[J]. 何玉青,王雪,王思远,刘明奇,诸加丹,金伟其. Journal of Beijing Institute of Technology. 2016(04)
[3]一种基于特征加权模板匹配方法在纸币字符识别中的应用[J]. 陈国彬,张广泉. 微电子学与计算机. 2013(03)
[4]Canny算子子像素边缘检测方法[J]. 薛武,张永生,董广军,纪松,于英. 遥感信息. 2013(01)
[5]Canny边缘检测算法在机器人视觉中的应用[J]. 陈宏申,李环. 现代计算机(专业版). 2011(11)
[6]算法的时间复杂度分析[J]. 程世辉,卢翠英. 河南教育学院学报(自然科学版). 2007(04)
[7]基于差分和特征不变量的运动目标检测与跟踪[J]. 丁雪梅,王维雅,黄向东. 光学精密工程. 2007(04)
[8]数字图像的灰度修正[J]. 官理. 计算机与现代化. 2003(05)
硕士论文
[1]基于改进的SIFT图像匹配算法研究[D]. 翟雨微.吉林大学 2017
[2]基于改进SIFT算法的图像匹配研究[D]. 冯文斌.燕山大学 2017
[3]基于SIFT的车标识别技术研究[D]. 陈聪.东南大学 2017
[4]SIFT特征匹配技术研究与应用[D]. 陈晗婧.南京理工大学 2017
[5]基于OpenCV的人脸识别系统研究[D]. 宋西来.天津科技大学 2017
[6]基于OpenCV的图像匹配算法及其靶标定位应用[D]. 王道威.华中科技大学 2016
[7]基于SIFT特征的关键帧提取算法研究[D]. 屈有佳.北京交通大学 2015
[8]基于OpenCV与USB工业相机的零件检测系统开发与研究[D]. 陈海平.广西大学 2012
[9]基于改进canny算法的图像边缘检测的研究[D]. 靳艳红.重庆师范大学 2011
[10]基于图像处理技术的车牌定位与字符分割算法研究[D]. 马玲.东北大学 2009
本文编号：3512579
本文链接：https://www.wllwen.com/jingjilunwen/huobiyinxinglunwen/3512579.html
