CN102592351B - 纸页类介质的鉴别方法 - Google Patents

Abstract

本发明提供一种纸页类介质鉴别装置及其鉴别方法，该鉴别装置包括图像数据取得部，标准模板数据存储部，坏线检测处理部，图像切割部以及判定部。其中坏线检测处理部用以检测该图像数据取得部所取得的该图像数据是否存在坏线，且在检测到坏线存在的情况下得到该坏线在整个图像中的位置，并根据该坏线的特征进行图像修复。由于对图像进行了坏线检测及坏线修复，因此判定部是以修复后的图像与标准模板进行匹配以得到鉴别结果，因此纸页类介质鉴别装置可能出现的CIS某个发光元件故障或者CIS透光片脏污的现象对鉴别无影响，从而提高纸页类介质鉴别装置的接受率。

Description

纸页类介质的鉴别方法

技术领域

本发明涉及一种纸页类介质的鉴别技术，尤其是在纸页类介质鉴别装置中能有效处理图像传感器（CIS）某个发光元件故障或者CIS透光片存在外来脏污的技术。

背景技术

在金融机构的自动柜员机上安装有鉴别纸页类介质（纸币）的鉴别装置。在纸页类介质鉴别装置的存储部有鉴别纸页类介质模板数据。每当投入了纸页类介质时，纸页类介质鉴别装置的图像数据取得部以光学方式读取纸页类介质，取得待鉴别纸页类介质的灰度图像数据，根据所取得的待鉴别纸页类介质灰度图像的图样和灰度值的浓淡，在模板与检测结果之间进行匹配，由此判断所述纸页类介质的种类（币种）和真伪。

当纸页类介质鉴别装置使用时间过长，可能会出现CIS某个发光元件故障或者CIS透光片脏污的现象。由于CIS是线扫描，当CIS某个发光元件故障或者CIS透光片脏污现象时，图像传感器采集到的反射图或透射图上会出现一条灰度均值接近于0的黑线（以下将该黑线简称为“坏线”，将这种现象称为“CIS坏线现象”）。由于CIS某个发光元件故障或者CIS透光片脏污的位置存在随机性，因此坏线在待测纸页类介质的图像中位置也是随机分布的。在这种情况下，如果还是遵循现有识别流程，会直接影响纸页类介质鉴别装置的接受率，对整个纸页类介质鉴别装置的性能带来巨大的影响，影响客户体验，不利于装置的市场推广和使用。

因此，提供一种在纸页类介质鉴别装置中能有效处理CIS坏线现象的技术非常必要。

发明内容

本发明的目的之一在于提供一种纸页类介质鉴别装置，该纸页类介质鉴别装置能有效处理CIS坏线现象，其接受率大大提高。

本发明还提供上述纸页类介质鉴别装置鉴别纸页类介质的方法。

该纸页类介质鉴别装置包括：输送通道，用以将纸页类介质一张一张地输送并通过图像数据取得部；图像数据取得部，用以取得纸页类介质通过时的原始图像数据；标准模板数据存储部，用以存储鉴别该纸页类介质所需要的标准模板数据信息；坏线检测处理部，用以检测该图像数据取得部所取得的该原始图像数据是否存在坏线，且在检测到坏线存在的情况下得到该坏线在整个图像中的位置，并根据该坏线的特征进行图像修复；图像切割部，用以切割有效识别纸页类介质的识别图像信息；以及判定部，用以对切割的识别图像信息实施模板匹配识别，判断该识别图像信息与该标准模板数据信息的相似度以得到鉴别结果。

优选地，该图像切割部用以对经过坏线检测处理部的图像信息进行有效识别区域切割形成特征图像信息。

进一步地，该特征图像信息为该纸页类介质的完整图像信息或为该纸页类介质的至少一部分图像信息。

该纸页类介质的鉴别方法，其包括：步骤一，投入纸页类介质，该纸页类介质进入输送通道；步骤二，图像传感器扫描纸页类介质通过输送通道时的图像形成原始图像数据；步骤三，坏线检测处理部对图像数据取得部获取的原始图像数据进行分析，检测是否存在坏线；如果检测结束并未发现坏线，则进入步骤四；如果存在坏线，同时确认坏线在图像中的位置，根据坏线灰度特征实施坏线修复，再进入步骤四；步骤四，图像切割部获取纸页类介质图像区域；即探测纸页类介质图像区域边界，并将纸页类介质图像区域从原始图像中切割出来，得到用于有效识别的识别图像信息；以及步骤五，判定部调用存储部中的标准模板数据，进行模板匹配识别，即判断该识别图像信息与该标准模板数据的相似度以得到鉴别结果。

其中，步骤三中检测坏线是否存在的方法为：将纸页类介质的图像置于xy坐标系中，设：

①图像灰度值矩阵为x₀列，y₀行；

②g(x,y)为图像的第y行第x列位置的灰度值；

③

为图像第x列的灰度均值；

按照约束条件

$\left\{\begin{array}{c}g(x,y)<{\mathrm{\&epsiv;}}_1,0<y<y_0;\\ \stackrel{\&OverBar;}{g}\left(x\right)<{\mathrm{\&epsiv;}}_2,0<y<y_0;\\ |\stackrel{\&OverBar;}{g}(x-1)-\stackrel{\&OverBar;}{g}\left(x\right)|>{\mathrm{\&epsiv;}}_3;\\ |\stackrel{\&OverBar;}{g}(x+1)-\stackrel{\&OverBar;}{g}\left(x\right)|>{\mathrm{\&epsiv;}}_4;\end{array}\right.$ 其中ε₁，ε₂，ε₃，ε₄均大于0，为设定阈值，

对图像传感器获取的图像灰度值矩阵进行自动搜索检测，如果图像灰度矩阵存在某一列x=n₀，即图像灰度矩阵的第n₀列满足上述约束条件，则判定图像上存在坏线，否则不存在坏线。

当存在坏线时，对坏线采取如下模型进行修复：

g(n₀,y)=ω₁g(n₀-2,y)+ω₂g(n₀-1,y)+ω₃g(n₀+1,y)+ω₄g(n₀+2,y)，

其中，y∈(0,y₀)，ω₁、ω₂、ω₃、ω₄为坏线修复灰度拟合线性加权系数，ω₁+ω₂+ω₃+ω₄=1，即坏线上任意一点的灰度值用与该任意点同一行的前两个点与后两个点的灰度值的线性加权值来替代。

由于对待鉴别的纸页类介质图像进行了坏线检测及坏线修复，使得纸页类介质鉴别装置可能出现的CIS某个发光元件故障或者CIS透光片脏污的现象对鉴别无影响，从而提高纸页类介质鉴别装置的接受率，有利于装置的市场推广和使用。

附图说明

图1是本发明优选实施例提供的一种纸页类介质鉴别装置结构模块图；

图2是本发明优选实施例提供的纸页类介质鉴别方法流程图；

图3是CIS出现坏线时，图像传感器得到的图像示意图；

图4对坏线未作修复时，图像传感器得到的图像与标准模板匹配示意图；

图5是本发明优选实施例中将图像传感器得到的图像置于xOy坐标系中待作坏线修复的示意图；

图6是对图像传感器得到的图像中的坏线进行修复后的图像示意图；以及

图7是将坏线修复后的图像与标准模板匹配的示意图。

具体实施方式

为进一步阐述本发明，以下结合图示介绍本发明的具体实施例。

图1是本发明一较佳实施例提供的的纸页类介质鉴别装置100系统模块结构图。该纸页类介质鉴别装置100嵌入在例如ATM（银行自动柜员机）等纸页类介质处理装置中，通过输送通道将待鉴别纸页类介质（例如纸币）一张一张地输送并通过图像数据取得部。具体的，该纸质类介质鉴别装置100包括图像数据取得部10、标准模板数据存储部20、坏线检测处理部30、图像切割部40以及判定部50，其中，该图像数据取得部10用以取得纸页类介质通过时的原始图像数据；该标准模板数据存储部20用以存储鉴别该纸页类介质所需要的标准模板数据信息；该坏线检测处理部30用以检测该图像数据取得部所取得的该原始图像数据是否存在坏线，且在检测到坏线存在的情况下得到该坏线在整个图像中的位置，并根据该坏线的特征进行图像修复；该图像切割部40用以切割有效识别纸页类介质的识别图像信息；该判定部50用以对切割的该识别图像信息实施模板匹配识别，判断该识别图像信息与该标准模板数据信息的相似度以得到鉴别结果。其中，该图像切割部用以对经过坏线检测处理部的图像信息进行有效识别区域切割形成特征图像信息。该特征图像信息为该纸页类介质的完整图像信息或为该纸页类介质的至少一部分图像信息。

图2是采用纸页类介质鉴别装置100对纸页类介质进行鉴别的方法流程图，包括以下步骤：步骤一，投入纸页类介质，该纸页类介质进入输送通道，流程开始；步骤二，图像传感器扫描纸页类介质通过输送通道时的图像形成原始图像数据；步骤三，坏线检测处理部对图像数据取得部获取的原始图像数据进行分析，检测是否存在坏线；如果检测结束并未发现坏线，则进入步骤四；如果存在坏线，同时确认坏线在图像中的位置，根据坏线灰度特征实施坏线修复，再进入步骤四；步骤四，图像切割部获取纸页类介质图像区域；即探测纸页类介质图像区域边界，并将纸页类介质图像区域从原始图像中切割出来，得到用于有效识别的识别图像信息；以及步骤五，判定部调用存储部中的标准模板数据，进行模板匹配识别，即判断该识别图像信息与该标准模板数据的相似度以得到鉴别结果。

该图像数据取得部10由检测透过图像的投射传感器和/或检测反射图像的反射传感器构成，当所述纸页类介质经过传送路径传送时，图像数据取得部10获取所述纸页类介质的透视图像和/或反射图像，并将所获得的透视图像和/或反射图像传至坏线检测处理部30。

坏线检测处理部30首先检测图像传感器获取的原始图像中是否存在坏线，如果投入的纸页类介质的原始图像存在坏线，并准确的获取到坏线在整个图像中的位置信息。由于CIS成像是线扫描，如果存在坏线，在待测纸页类介质的原始图像上将出现一条灰度值接近于0的黑线。由于CIS坏线的位置存在不确定性，因此坏线在待测纸页类介质的原始图像中的位置也存在不确定性。假设在CIS出现坏线（一条坏线）时，图像传感器得到的图像如图3。

如果不对坏线区域采取任何措施而直接实施图像切割和模板匹配识别，当坏线恰好处在某个待进行模板匹配识别的区域时，显然匹配不能成功，如图4，待鉴别纸页类介质的识别则以失败告终，最终导致正常的纸页类介质被金融自助设备（如ATM）拒收。

在本实施方式中，利用反射传感器获取的投入纸页类介质的反射图像检测是否存在坏线。将投入纸页类介质的反射图像置于如图5所述的坐标系中，

设：

①反射图像灰度值矩阵为x₀列，y₀行；

②g(x,y)为反射图像的第y行第x列位置的灰度值；

③

为反射图像第x列的灰度均值。

按照约束条件

$\left\{\begin{array}{c}g(x,y)<{\mathrm{\&epsiv;}}_1,0<y<y_0;\\ \stackrel{\&OverBar;}{g}\left(x\right)<{\mathrm{\&epsiv;}}_2,0<y<y_0;\\ |\stackrel{\&OverBar;}{g}(x-1)-\stackrel{\&OverBar;}{g}\left(x\right)|>{\mathrm{\&epsiv;}}_3;\\ |\stackrel{\&OverBar;}{g}(x+1)-\stackrel{\&OverBar;}{g}\left(x\right)|>{\mathrm{\&epsiv;}}_4;\end{array}\right.$ 其中，ε₁，ε₂，ε₃，ε₄均大于0，为设定阈值，（1.1）

例如可设ε₁=20，ε₂=20，ε₃=80，ε₄=80对图像传感器获取的反射图像灰度值矩阵进行自动搜索检测。

如果遍历反射图像灰度值矩阵都没有满足约束条件（1.1）的列x，则判定图像传感器获取的反射图像上不存在坏线，进而推断该纸页类介质鉴别装置不存在CIS坏线现象，直接进入识别纸页类介质图像区域切割环节，最后对切割出来的纸页类介质图像区域实施模板匹配识别，得到最终识别结果。

如果反射图像灰度矩阵存在某一列

x=n₀

即图像灰度矩阵的第n₀列满足上述约束条件（1.1），则判定反射图像上存在坏线，即该纸页类鉴别装置存在CIS坏线现象，并且坏线位置位于图像传感器获得的灰度图像中的第n₀列，进入坏线修复环节。

当待图像传感器获得反射图像第x=n₀列被判定为坏线时，利用图像处理技术对待识别图像进行坏线修复。因为坏线两侧为正常的灰度值，并且灰度图像某一点的灰度值与该点邻域内点的灰度值存在一定的相关性，本实施方案对坏线采取如下模型进行修复：

g(n₀,y)=ω₁g(n₀-2,y)+ω₂g(n₀-1,y)+ω₃g(n₀+1,y)+ω₄g(n₀+2,y)   （1.2）

其中y∈(0,y₀)，ω₁+ω₂+ω₃+ω₄=1，例如取

即坏线上任意一点的灰度值用与该点同一行的前两个与后两个灰度值和的均值来替代。经过坏线修复后的图像如图6所示。

然后，该图像切割部40对已经进行了坏线修复的图像进行纸页类介质图像区域探测和切割，将有效的识别区域从图像传感器获取的整个图像中切割出来，得到用于模板匹配识别的图像，如图7所示。

判定部50利用该标准模板数据存储部20存储的标准模板，对纸页类介质图像区域图像进行模板匹配识别，得到最终识别结果。

由于对纸页类介质的图像进行了坏线检测及坏线修复，使得纸页类介质鉴别装置可能出现的CIS某个发光元件故障或者CIS透光片脏污的现象对鉴别无影响，从而提高纸页类介质鉴别装置的接受率，有利于装置的市场推广和使用。

以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (2)

1.一种纸页类介质的鉴别方法，其包括：

步骤一，投入纸页类介质，该纸页类介质进入输送通道；

步骤二，图像传感器扫描纸页类介质通过输送通道时的图像形成原始图像数据；

步骤三，坏线检测处理部对图像数据取得部获取的原始图像数据进行分析，检测是否存在坏线；如果检测结束并未发现坏线，则进入步骤四；如果存在坏线，同时确认坏线在图像中的位置，根据坏线灰度特征实施坏线修复，再进入步骤四；

步骤四，图像切割部获取纸页类介质图像区域；即探测纸页类介质图像区域边界，并将纸页类介质图像区域从原始图像中切割出来，得到用于有效识别的识别图像信息；

步骤五，判定部调用存储部中的标准模板数据，进行模板匹配识别，即判断该识别图像信息与该标准模板数据的相似度以得到鉴别结果；

其特征在于，该步骤三中检测坏线是否存在的方法为：

将纸页类介质的图像置于xy坐标系中，

设：

①图像灰度值矩阵为x₀列，y₀行；

②g(x,y)为图像的第y行第x列位置的灰度值；

③

为图像第x列的灰度均值；

按照约束条件

$\left\{\begin{array}{c}g(x,y)<{\mathrm{\&epsiv;}}_1,0<y<y_0;\\ \stackrel{\&OverBar;}{g}\left(x\right)<{\mathrm{\&epsiv;}}_2,0<y<y_0;\\ |\stackrel{\&OverBar;}{g}(x-1)-\stackrel{\&OverBar;}{g}\left(x\right)|>{\mathrm{\&epsiv;}}_3;\\ |\stackrel{\&OverBar;}{g}(x+1)-\stackrel{\&OverBar;}{g}\left(x\right)|>{\mathrm{\&epsiv;}}_4;\end{array}\right.$ 其中ε₁，ε₂，ε₃，ε₄均大于0，为设定阈值，

对图像传感器获取的图像灰度值矩阵进行自动搜索检测，如果图像灰度矩阵存在某一列x=n₀，即图像灰度矩阵的第n₀列满足上述约束条件，则判定图像上存在坏线，否则不存在坏线。

2.如权利要求1所述的纸页类介质的鉴别方法，其特征在于，该步骤三中对坏

线采取如下模型进行修复：

g(n₀,y)=ω₁g(n₀-2,y)+ω₂g(n₀-1,y)+ω₃g(n₀+1,y)+ω₄g(n₀+2,y)

其中，y∈(0,y₀)，ω₁、ω₂、ω₃、ω₄为坏线修复灰度拟合线性加权系数，ω₁+ω₂+ω₃+ω₄=1，即坏线上任意一点的灰度值用与该任意点同一行的前两个点与后两个点的灰度值的线性加权值来替代。

Images