基于支持向量机的纸币识别方法的研究

发布时间：2017-03-18 15:01

  本文关键词：基于支持向量机的纸币识别方法的研究，由笔耕文化传播整理发布。

【摘要】：纸币图像识别技术是近些年来比较活跃的课题,具有广阔的应用前景和发展空间,目前在金融领域的纸币清分机系统中得到了广泛的应用,是清分机的核心技术。本文在查阅和研究前人文献的基础上,针对纸币图像预处理、特征提取及纸币面向识别等问题作了深入研究和分析,通过对传统一些算法的改进,提出并设计了相应的图像处理和纸币面向识别方法,最后做了仿真实验进行验证,本文方法可以满足清分机在纸币清分时的准确性及实时性的技术要求。本文以目前国内流通的第五版人民币作为识别对象,首先对获得的纸币图像进行预处理,这个过程包括图像增强、图像边缘检测、图像倾斜校正,在边缘检测时,利用纸币图像的离散边缘点进行了两次直线拟合,得到了纸币的边缘、中心点和倾斜角,为后面的倾斜校正奠定基础。预处理完成之后,本文采用网格划分的方法进行纸币图像的特征提取,得到网格的灰度特征,它不仅包含了图像的分布信息,而且能够稳定、全面地反映图像信息,无需二值化。最后,在对支持向量机(SVM)算法基本原理的分析和研究基础上,本文设计了一种基于支持向量机的纸币面向识别方法,在支持向量机参数优化方面,提出了一种基于遗传算法的SVM特征选择和参数优化算法,通过这种方法可以获得优化后的核函数的参数和惩罚因子C,而且得到的被选择特征数很少,缩短了接下来识别过程中处理数据的时间,最重要的是利用获得的最优参数进行纸币面向识别,大大地提高了识别的准确率。最后将本文方法和简单BP神经网络作对比试验,进一步验证了本文方法的优越性。本文的面向识别方法识别准确率达到了99%,能满足目前市场对清分机清分技术的基本要求,对目前国内纸币清分机的研发具有较高的借鉴意义和参考价值。
【关键词】：清分机 图像处理 特征提取 纸币识别 支持向量机
【学位授予单位】：辽宁科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH693.5
【目录】：

• 中文摘要5-6
• ABSTRACT6-9
• 1. 绪论9-13
• 1.1 课题背景和意义9
• 1.2 纸币识别技术概述9-10
• 1.3 国内外纸币识别技术研究现状10-11
• 1.3.1 特征提取技术11
• 1.3.2 分类器设计11
• 1.4 本文的主要内容和结构安排11-13
• 2 图像识别技术基本原理13-16
• 2.1 模式识别的概述13
• 2.2 模式识别系统的组成13-14
• 2.3 基于图像的模式识别方法14-16
• 3 人民币纸币图像的预处理和特征提取16-28
• 3.1 纸币图像的预处理17-24
• 3.1.1 纸币图像增强17-18
• 3.1.2 纸币图像的边缘检测18-23
• 3.1.3 纸币图像的倾斜校正23-24
• 3.2 纸币图像的特征提取24-28
• 3.2.1 网格特征25
• 3.2.2 可分性评价25-27
• 3.2.3 特征值的提取27-28
• 4 支持向量机理论28-45
• 4.1 机器学习的模型28-31
• 4.1.1 主要的学习问题29
• 4.1.2 经验风险最小化原则29-30
• 4.1.3 学习的复杂性和推广能力30-31
• 4.2 统计学习理论31-34
• 4.2.1 学习过程的一致性条件和VC维31-33
• 4.2.2 学习机器推广性的界33
• 4.2.3 结构风险最小化原则33-34
• 4.3 支持向量机的理论基础34-44
• 4.3.1 SVM分类思想34-35
• 4.3.2 最优分类面35-39
• 4.3.3 支持向量机39-41
• 4.3.4 支持向量机模型的建立41-44
• 4.4 本章小结44-45
• 5 基于SVM的纸币面向识别算法实现过程45-54
• 5.1 基于遗传算法的SVM特征选择和参数优化45-49
• 5.1.1 染色体的设计45-46
• 5.1.2 适应度函数46
• 5.1.3 GA-SVM系统框架46-49
• 5.2 基于SVM算法的纸币面向识别49-51
• 5.2.1 实验说明49-51
• 5.2.2 实验结果及分析51
• 5.3 基于BP神经网络的纸币面向识别51-53
• 5.4 面向识别算法比较53-54
• 6 总结与展望54-56
• 6.1 总结54-55
• 6.2 研究展望55-56
• 参考文献56-59
• 攻读硕士学位期间发表学术论文情况59-60
• 致谢60-61
• 作者简介61-62

【相似文献】

中国期刊全文数据库 前10条

1 ;房产证识别方法[J];城市开发;2001年04期

2 陈维克;闫新庆;张柱银;姚建民;;印鉴识别方法和技术研究[J];中国水运(学术版);2006年12期

3 ;这些食品越漂亮越需警惕[J];中国防伪报道;2011年05期

4 张鹏伟;刘震涛;李建锋;李京鲁;俞小莉;;基于应变相对变化量的机体疲劳裂纹识别方法[J];浙江大学学报(工学版);2012年05期

5 张怀强;吴和喜;汤彬;张雄杰;;数字核谱仪系统中脉冲堆积识别方法的研究[J];东华理工大学学报(自然科学版);2012年03期

6 鲁晓丽;;煤岩识别方法技术分析[J];电子制作;2013年14期

7 赵庆;空中目标的识别——一种基于局域库搜索的识别方法[J];机器人;1993年04期

8 梁德;选购彩电时应注意的一个问题[J];家用电器;1999年05期

9 王彦卫,赵玫;一种新的动态载荷识别方法[J];噪声与振动控制;2003年03期

10 何光辉;张太平;;局部匹配的人脸识别方法[J];重庆大学学报;2012年12期

中国重要会议论文全文数据库 前10条

1 张朋柱;韩崇昭;万百五;;智能决策支持系统中的问题识别方法与实现[A];全国青年管理科学与系统科学论文集（第2卷）[C];1993年

2 郑凯;;建立多维数据异常点识别方法的尝试[A];第八届全国体育科学大会论文摘要汇编（一）[C];2007年

3 刘丽兰;刘宏昭;;时间序列模型的识别方法[A];制造技术自动化学术会议论文集[C];2004年

4 苗振伟;许勇;杨军;;超声波人脸识别方法研究[A];中国声学学会2007年青年学术会议论文集（上）[C];2007年

5 罗智勇;宋柔;荀恩东;;一种基于可信度的人名识别方法[A];第二届全国学生计算语言学研讨会论文集[C];2004年

6 赵锐;陈光发;;军事口令识别的Fuzzy方法探讨[A];第二届全国人机语音通讯学术会议论文集[C];1992年

7 骆玉荣;刘建丽;史晓涛;;一种自动车窗识别方法的设计与实现[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 崔凯华;王国庆;方剑青;李红军;贾俊波;马超;赵烨;张东辉;;基于声模态分析的材料识别方法研究[A];现代振动与噪声技术（第九卷）[C];2011年

9 张茜;郑峥;亢一澜;王娟;仇巍;;基于海量实测数据的反演识别方法与盾构装备载荷的力学建模[A];中国力学大会——2013论文摘要集[C];2013年

10 李洪东;梁逸曾;张志敏;;酵母蛋白组中原生肽识别方法的探索研究[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年

中国重要报纸全文数据库 前10条

1 陈春道;甲鱼优劣及雌雄的识别方法[N];北京科技报;2003年

2 庞席堂;假币的识别方法[N];中华合作时报;2003年

3 王修增;手机被盗号的6种识别方法[N];中国保险报;2003年

4 张侃;正品手机电池识别方法[N];通信产业报;2000年

5 潘 治;德国开发出癌症早期识别方法[N];中国中医药报;2003年

6 新华社记者 段世文;产权证识别方法[N];新华每日电讯;2001年

7 金亮;机器人的情感[N];中国医药报;2001年

8 宗绍纯;如何识别是纯奶还是奶饮料？[N];国际商报;2003年

9 黄璐;识别假火车票有绝招[N];山西经济日报;2004年

10 本报记者 邓洁 通讯员 王勇 何玲 梁利源;春运期间留个心眼识别假火车票[N];农民日报;2004年

中国硕士学位论文全文数据库 前10条

1 王真;贝叶斯人脸识别方法的研究[D];东北大学;2008年

2 狄远;转子裂纹基于模型的时域、频域识别方法研究[D];华东理工大学;2013年

3 邢云;基于压缩感知理论的人脸识别方法研究[D];大连理工大学;2010年

4 李怀鹏;运行模态分析中周期性激励识别方法研究[D];南京航空航天大学;2010年

5 刘文超;基于统计特征的人脸识别方法的分析改进及实现[D];汕头大学;2006年

6 胡健坤;基于齐次马尔可夫链的中文新术语识别方法研究[D];华南理工大学;2012年

7 张义;网络社区热点话题识别方法及其应用研究[D];合肥工业大学;2012年

8 吕一;基于现代优化算法的曲线识别方法[D];中北大学;2013年

9 潘静;多光谱图像人脸识别方法的性能评估[D];西安电子科技大学;2010年

10 李研;产业集聚识别方法及其应用研究[D];哈尔滨工业大学;2009年

  本文关键词：基于支持向量机的纸币识别方法的研究，由笔耕文化传播整理发布。

，

本文编号：254580