CN102890840B - 纸币鉴别方法和装置 - Google Patents

Abstract

本发明公开了一种纸币鉴别方法和装置。其中，纸币鉴别方法包括：获取待测纸币的全幅面灰度图像数据；将待测纸币的全幅面灰度图像划分为多个区域，并分别计算每个区域的图像数据的特征值；将各个区域的特征值与纸币模板中对应区域的特征值进行对比以判断对比的两个区域是否匹配，其中，当对比的两个区域的特征值的差值大于第一设定阈值时，判定对比的两个区域不匹配，否则，判定对比的两个区域匹配；统计不匹配的区域的数量；判断不匹配的区域的数量是否大于第二设定阈值；以及当判定不匹配的区域的数量大于第二设定阈值时，确定待测纸币为变造币。通过本发明，提高了对变造币鉴别的准确性。

Description

纸币鉴别方法和装置

技术领域

本发明涉及纸币鉴别领域，具体而言，涉及一种纸币鉴别方法和装置。

背景技术

纸币真伪的鉴别是维护金融秩序和社会公众利益的一项重要工作。目前，假币一般分为伪币和变造币两种，伪币是指仿照真币的图案、形状、色彩等，采用各种手段制作的假币，变造币是指在真币的基础上，利用挖补、揭层、涂改、拼凑、移位、重印等多种方法制作，改变真币原形态的假币。目前，国内对于伪币的鉴别技术已经较为成熟，但因为变造币包含有一部分真币，具有真币的部分防伪特征信息，鉴别起来较为困难。

相关技术公开了一种变造币鉴别方法，其步骤包括：a)获取待测纸币的全幅面灰度图像；b)对全幅面灰度图像进行二值化处理，c)分析二值化处理后的图像数据，判断纸币的真伪。其中，灰度图像的二值化处理，就是设定一个阈值T，用T将灰度图像的数据分为灰度值大于T的像素群和灰度值小于T的像素群两部分，然后将灰度值大于T的像素群的像素点的灰度值设置为255(或设置为0)，将灰度值小于T的像素群的像素点的灰度值设置为0(或设置为255)，先逐行检测二值图像中所有像素点的灰度值，逐点将每一行的每个像素点的灰度值与该像素点在该行内相邻的前一个像素点的灰度值进行比较，判断当前像素点与其相邻的前一像素点的灰度值是否发生变化，当发生变化时，记录发生变化的像素点(简称突变点)所在位置；当完成二值图像中所有像素点的灰度值的逐行检测后，判断已检测出的所有突变点的位置是否符合设定规则，比如，所有突变点的位置都处于一定范围的列内，当突变点位置符合设定规则时，判定待测纸币中存在拼接缝，即判定待测纸币为变造币。当不存在突变点或突变点位置不符合设定规则时，再逐列检测二值图像中所有像素点的灰度值，逐点将每一列的每个像素点的灰度值与该像素点在该列内相邻的前一个像素点的灰度值进行比较，判断当前像素点与其相邻的前一像素点的灰度值是否发生变化，当发生变化时，记录发生变化的像素点(简称突变点)所在位置；当完成二值图像中所有像素点的灰度值的逐列检测后，判断已检出的所有突变点的位置是否符合设定规则，比如，所有突变点的位置都处于一定范围的行内，当突变点的位置符合设定规则时，判定待测纸币中存在拼接缝，即判断待测纸币为变造币，否则，判定待测纸币为非变造币。对于变造特征比较明显的变造币，如拼接缝比较明显的变造币，通过对灰度图像进行二值化处理就可以提取出图像中存在的拼接缝，从而实现对变造币的鉴别。

但是，由于对灰度图像进行二值化处理后图像中所有像素点的灰度值由256级(0～255)被简化为只有两级(0或255)，对于灰度值差异不大的相邻像素点在对灰度图像进行二值化处理后极有可能被处理为灰度值相同的像素点，此时，通过逐点对比的方式不能检测出相邻像素点的灰度值发生变化。如图1a所示是对一种拼接缝比较明显的变造币进行图像采集后采集到的全幅面图像，在该图像中，拼接缝上的像素点的灰度值与拼接缝两侧区域的像素点的灰度值存在较大差异；图1b所示是对一种拼接缝不明显的变造币进行图像采集后采集到的全幅面图像，在该图像中，拼接缝上的像素点的灰度值与拼接缝两侧区域的像素点的灰度值差异较小；对图1a和图1b所示的两张变造币的全幅面图像，采用相同阈值T＝180进行二值化处理，图2a是对图1a所示的全幅面图像进行二值化处理后得到的图像，图2b是对图1b所示的全幅面图像进行二值化处理后得到的图像。显而易见，在图2a所示图像的图像数据中可以很容易检测出变造币中存在的拼接缝，在图2b所示图像的图像数据中则很难检测出变造币中存在的拼接缝。由此可见，通过对灰度图像进行二值化处理来鉴别变造币的方法存在检测不准确的缺点。

针对相关技术中变造币的鉴别方法不准确的问题，目前尚未提出有效的解决方案。

发明内容

本发明的主要目的在于提供一种纸币鉴别方法和装置，以解决变造币的鉴别方法不准确的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种纸币鉴别方法。

根据本发明的纸币鉴别方法包括：获取待测纸币的全幅面灰度图像数据；将待测纸币的全幅面灰度图像划分为多个区域，并分别计算每个区域的图像数据的特征值；将各个区域的特征值与纸币模板中对应区域的特征值进行对比以判断对比的两个区域是否匹配，其中，当对比的两个区域的特征值的差值大于第一设定阈值时，判定对比的两个区域不匹配，否则，判定对比的两个区域匹配；统计不匹配的区域的数量；判断不匹配的区域的数量是否大于第二设定阈值；以及当判定不匹配的区域的数量大于第二设定阈值时，确定待测纸币为变造币。

进一步地，对于每个区域，按照以下方式计算该区域的图像数据的特征值：将该区域平均分为第一区域和第二区域；分别计算第一区域的灰度均值和第二区域的灰度均值；将第一区域的灰度均值与第二区域的灰度均值的差值的绝对值作为该区域的图像数据的特征值。

进一步地，获取待测纸币的全幅面灰度图像数据包括：获取待测纸币的全幅面原始灰度图像数据；以及对全幅面原始灰度图像数据进行补偿和校正处理，生成待测纸币的全幅面最终灰度图像数据，并将全幅面最终灰度图像数据作为待测纸币的全幅面灰度图像数据。

进一步地，将待测纸币的全幅面灰度图像划分为多个区域，并分别计算每个区域的图像数据的特征值包括：按照多种不同划分方式将待测纸币的全幅面灰度图像划分为多个区域，并分别计算每种划分方式下每个区域的图像数据的特征值。将各个区域的特征值与纸币模板中对应区域的特征值进行对比以判断对比的两个区域是否匹配包括：将多种不同划分方式的每种划分方式下的各个区域的特征值与纸币模板在对应的划分方式下的对应区域的特征值进行对比以判断对比的两个区域是否匹配；其中，当按照多种不同划分方式中任意一种划分方式判定不匹配的区域的数量大于第二设定阈值时，确定待测纸币为变造币。

进一步地，在将待测纸币的全幅面灰度图像划分为多个区域并分别计算每个区域的图像数据的特征值之前，上述方法包括：对全幅面灰度图像数据进行拼接缝检测；根据检测结果判断是否检测出拼接缝，其中，在确定检测出拼接缝时，确定待测纸币为变造币，在确定未检测出拼接缝时，再将待测纸币的全幅面灰度图像划分为多个区域并分别计算每个区域的图像数据的特征值。

进一步地，获取待测纸币的全幅面灰度图像数据包括分别采用多种不同的方式分别获取待测纸币的全幅面灰度图像数据，其中，当通过任意一种方式获取到的全幅面灰度图像数据确定待测纸币为变造币时，则判定待测纸币为变造币。

为了实现上述目的，根据本发明的另一方面，提供了一种纸币鉴别装置。该纸币鉴别装置包括：获取单元，用于获取待测纸币的全幅面灰度图像数据；计算单元，用于将待测纸币的全幅面灰度图像划分为多个区域，并分别计算每个区域的图像数据的特征值；对比单元，用于将各个区域的特征值与纸币模板中对应区域的特征值进行对比以判断对比的两个区域是否匹配，其中，当对比的两个区域的特征值的差值大于第一设定阈值时，判定对比的两个区域不匹配，否则，判定对比的两个区域匹配；统计单元，用于统计不匹配的区域的数量；第一判断单元，用于判断不匹配的区域的数量是否大于第二设定阈值；以及鉴别单元，用于当判定不匹配的区域的数量大于第二设定阈值时，确定待测纸币为变造币。

进一步地，计算单元对于每个区域按照以下方式计算该区域的图像数据的特征值：将该区域平均分为第一区域和第二区域；分别计算第一区域的灰度均值和第二区域的灰度均值；将第一区域的灰度均值与第二区域的灰度均值的差值的绝对值作为该区域的图像数据的特征值。

进一步地，所述获取单元按照以下方式获取待测纸币的全幅面灰度图像数据：获取所述待测纸币的全幅面原始灰度图像数据；以及对所述全幅面原始灰度图像数据进行补偿和校正处理，生成所述待测纸币的全幅面最终灰度图像数据，并将所述全幅面最终灰度图像数据作为所述待测纸币的全幅面灰度图像数据。

进一步地，计算单元包括：划分模块，用于按照多种不同划分方式将待测纸币的全幅面灰度图像划分为多个区域，计算模块，用于分别计算每种划分方式下每个区域的图像数据的特征值。对比单元用于将多种不同划分方式的每种划分方式下的各个区域的特征值与纸币模板在对应的划分方式下的对应区域的特征值进行对比以判断对比的两个区域是否匹配。鉴别单元用于当按照多种不同划分方式中任意一种划分方式判定不匹配的区域的数量大于第二设定阈值时，确定待测纸币为变造币。

进一步地，纸币鉴别装置还包括：检测单元，用于在将待测纸币的全幅面灰度图像划分为多个区域并分别计算每个区域的图像数据的特征值之前，对全幅面灰度图像数据进行拼接缝检测；第二判断单元，用于根据检测结果判断是否检测出拼接缝，其中，鉴别单元用于在确定检测出拼接缝时，确定待测纸币为变造币，计算单元用于在确定未检测出拼接缝时，再将待测纸币的全幅面灰度图像划分为多个区域并分别计算每个区域的图像数据的特征值。

进一步地，获取单元用于分别采用多种不同的方式分别获取所述待测纸币的全幅面灰度图像数据，所述鉴别单元当通过任意一种方式获取到的全幅面灰度图像数据确定所述待测纸币为变造币时，则判定所述待测纸币为变造币。

采用本发明的纸币鉴别方法或纸币鉴别装置，通过获取待测纸币的全幅面灰度图像数据，将待测纸币的全幅面灰度图像划分为多个区域，并分别计算每个区域的图像数据的特征值，将各个区域的特征值与纸币模板中对应区域的特征值进行对比以判断对比的两个区域是否匹配来判断待测纸币是否为变造币，相比于通过二值化处理后的灰度值进行鉴别，提高了对变造币鉴别的准确性。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1a是对一种拼接缝比较明显的变造币进行图像采集后采集到的全幅面图像；

图1b是对一种拼接缝不明显的变造币进行图像采集后采集到的全幅面图像；

图2a是对图1a所示的全幅面图像进行二值化处理后得到的图像；

图2b是对图1b所示的全幅面图像进行二值化处理后得到的图像；

图3是根据本发明一实施例的纸币鉴别装置的组成示意图；

图4是根据本发明一实施例的纸币鉴别装置的结构示意图；

图5是根据本发明纸币鉴别方法的第一实施例的流程图；

图6是根据本发明纸币鉴别方法的第二实施例的流程图；

图7a是根据本发明实施例的一种基于全幅面灰度图像计算每个区域的特征值的流程图；

图7b是根据本发明实施例的另一种基于全幅面灰度图像计算每个区域的特征值的流程图；

图8是根据本发明纸币鉴别方法的第三实施例的流程图；

图9是根据本发明实施例的基于全幅面灰度特征检测的图像网格分组方法示意图；

图10是根据本发明纸币鉴别装置的第一实施例的流程图；

图11是根据本发明纸币鉴别装置的第二实施例的流程图；以及

图12是根据本发明纸币鉴别装置的第三实施例的流程图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

图3是根据本发明一实施例的纸币鉴别装置的组成示意图，如图所示，该纸币鉴别装置2包括有：CPU21、通信接口22、复杂可编程逻辑器件(ComplexProgrammableLogicDevice，以下简称CPLD)23、图像获取模块24、模拟前端芯片25、SDRAM存储器26、Flash存储器27、电机驱动器28、电机29。其中：

CPU21，用于控制其他模块工作，比如，CPU21控制通讯接口22完成纸币鉴别装置与纸币鉴别请求装置(如与纸币鉴别装置连接的个人计算机、网络设备等)的通信，CPU21控制CPLD25启动图像采集任务，CPU21控制电机驱动器28驱动电机29转动等。

通信接口22，用于接收纸币鉴别请求装置发送的控制命令并向纸币鉴别请求装置返回数据，其中，接收的控制命令为纸币鉴别过程中要设置的图像采集参数，如图像采集分辨率、图像采集速度等，返回的数据包括待测纸币的灰度图像数据及待测纸币的鉴别结果等，常用的通信接口为USB接口或串口。

CPLD23，用于从CPU21接收启动图像采集的控制信号，输出图像采集模块24、模拟前端芯片25完成待测纸币原始灰度图像数据采集所需要的控制时序，CPLD具有处理速度快、控制精确的特点，能够实现图像采集相关信号时序的精确控制。

图像获取模块24包括接触式图像传感器(ContactImageSensor，以下简称CIS)241和透射光源242。CIS241包含有多个光接收器和多个光发生器，其中，多个光接收器用于接收待测纸币上载有图像信息的光信号并将其转换为电信号，最终将与像素点一一对应的模拟电压值传递给模拟前端芯片25；多个光发生器用于照射待测纸币，以便多个光接收器接收经待测纸币反射回的反射光线，采集待测纸币的反射图像。透射光源242，用于提供CIS241采集透射图像时所需要的透射光源。

模拟前端芯片25，用于对CIS241输出的各像素点的模拟电压值进行处理，如偏移处理、增益处理等，然后将各像素点的模拟电压值进行AD转换，得到与像素点一一对应的十六进制的灰度值，最终生成待测纸币的全幅面的原始灰度图像数据，其中，原始灰度图像中像素点的灰度等级由AD的转换精度决定，如当AD的转换精度为8位时，原始灰度图像中像素点的灰度等级为256级，即像素点的灰度值为0到255之间的整数。

SDRAM存储器26，用于存储原始灰度图像数据、最终灰度图像数据，其中，原始灰度图像数据是指CIS241采集的图像数据经过模拟前端芯片25AD转换后生成的灰度图像数据，最终灰度图像数据是指CPU21对原始灰度图像数据进行补偿、校正等处理后生成的用于进行灰度特征检测的图像数据。

FLASH存储器27，用于存储纸币鉴别装置的控制程序、光源类型参数、光源发光波长参数、多个模板的特征值，还用于存储基于全幅面图像灰度特征检测所需要的参数M、N、D、a、b，以及第一设定阈值、第二设定阈值、第三设定阈值。其中，光源类型参数确定CIS241采集原始图像时使用的光源为透射光或/和反射光；光源发光波长参数确定CIS241采集原始图像时光源发出何种波长的光；各个模板的特征值用于与其对应的待测纸币全幅面灰度图像的特征值进行对比，为纸币鉴别提供判断依据；参数M、N、D用于对待测纸币全幅面的最终灰度图像进行网格划分，参数a、b用于对已划分的网格进行分组，第一设定阈值用于判断分组后各网格组与模板数据对应的网格组是否匹配，第二设定阈值用于判断待测纸币是否为变造币，第三设定阈值用于在拼接缝检测时判断当前像素点是否为突变点。

电机驱动器28，用于提供驱动电流，驱动电机29转动。

电机29，用于驱动待测纸币在输送通道内移动，电机29每驱动待测纸币在输送通道内移动一个最小单位(即一点行)，CIS241执行一次图像采集。电机29可以为步进电机也可以为直流电机。

进一步的，纸币鉴别装置还包括入钞检测传感器30，用于检测输送通道是否存在待测纸币，当入钞检测传感器输出输送通道存在待测纸币的检测信号时，CPU21根据该检测信号控制图像获取模块24工作。

图4是根据本发明一实施例的纸币鉴别装置的结构示意图，如图所示，纸币鉴别装置的入钞口P、入钞检测传感器30、图像获取模块24沿纸币输送方向依次排布在输送通道S中，其中，入钞检测传感器30位于入钞口P附近，图像获取模块24的CIS241与透射光源242相对设置，分别位于纸币鉴别装置的输送通道S的两侧。当入钞检测传感器30输出入钞口P存在纸币的信号时，CPU21在控制电机29驱动纸币运动的同时，控制透射光源242和/或CIS241的光发生器开始发光，CIS241的光接收器接收待测纸币上的透射光和/或反射光，采集待测纸币的图像。当透射光源242发光时，CIS241接收透过待测纸币后的透射光线，采集待测纸币的透射图像；当CIS241的光发生器发光时，光接收器接收经待测纸币反射回的反射光线，采集待测纸币的反射图像。

图5是根据本发明的纸币鉴别方法的第一实施例的流程图，该方法包括：

步骤S11，获取待测纸币的全幅面灰度图像数据。

在该步骤中，可以利用纸币鉴别装置中的图像获取模块24及模拟前端芯片25获取待测纸币的全幅面灰度图像数据。

步骤S12，将待测纸币的全幅面灰度图像划分为多个区域，并分别计算每个区域的图像数据的特征值。

步骤S13，将各个区域的特征值与纸币模板中对应区域的特征值进行对比，判断对比的两个区域是否匹配

将各个区域的特征值与纸币模板中对应区域的特征值进行对比，当对比的两个区域的特征值的差值大于第一设定阈值时，判定对比的两个区域不匹配，否则，判定对比的两个区域匹配。

步骤S14，统计不匹配的区域的数量。

步骤S15，判断不匹配的区域的数量是否大于第二设定阈值。

步骤S16，判断待测纸币是否为变造币。

当通过步骤S15判定不匹配的区域的数量大于第二设定阈值时，则确定待测纸币为变造币。

图6是根据本发明的纸币鉴别方法的第二实施例的流程图，该实施例可以作为第一实施例的优选实施方式，如图6所示，该方法包括：

步骤S21，获取待测纸币的全幅面原始灰度图像数据

CPU接收到入钞口P存在纸币的信号后，开启光源，并向CPLD发送启动图像采集的控制信号，CPLD输出CIS及模拟前端芯片采集图像所需要的控制时序，CIS接收光源所发出的光，依次将载有待测纸币的一点行中的每个像素点图像信息的光信号转换为电信号，并将与像素点一一对应的模拟电压值传递给模拟前端芯片，模拟前端芯片对各像素点的电压值进行偏移处理、增益处理，然后将各像素点的模拟电压值进行AD转换，得到与像素点一一对应的十六进制的灰度值，从而完成一点行灰度图像数据的采集。CPU将采集到的待测纸币的一点行像素点的灰度图像数据保存在SDRAM存储器中，电机驱动待测纸币在输送通道内进钞一点行，纸币鉴别装置再进行下一点行灰度图像数据的采集，依次类推，当电机驱动整张待测纸币全部从输送通道走过后，纸币鉴别装置就完成了待测纸币全幅面原始灰度图像数据的采集并将其保存在SDRAM存储器里。

本实施例中，纸币鉴别装置获取待测纸币原始灰度图像数据时，可以由透射光源发光，CIS获取透射图像数据，也可以由CIS内部集成的光发生器发光，CIS获取反射图像数据，优选地，本发明可以采用透射光源与CIS内部集成的光发生器分时交替发光，CIS在电机走钞一次过程中，同时获取透射图像数据和反射图像数据，从而在走钞结束后，可以采集到待测纸币的两幅全幅面图像，即全幅面透射图像和全幅面反射图像。

优选地，在本发明实施例的纸币鉴别装置中，透射光源及CIS的光发生器可以是发出单一波长光的光源，也可以是根据需要分时交替发出不同波长光(如红外光、紫外光)的光源，如果所述透射光源或CIS的光发生器分时交替发出不同波长的光，则CIS的光接收器可以分别采集各波长光照射时的图像，从而获取基于不同波长的光的多幅待测纸币的图像。

步骤S22，对全幅面原始灰度图像数据进行处理，生成最终灰度图像数据

读取存储在SDRAM存储器中的全幅面原始灰度图像数据，对各像素点的灰度值进行补偿、校正处理，生成全幅面的最终灰度图像数据并将其保存在SDRAM存储器中。补偿、校正的目的是为了消除图像采集、数据传输过程中产生的误差，使灰度图像数据中各像素点的灰度值更准确地反映该像素点的实际灰度。

对于第一实施例中的步骤S11而言，获取到的待测纸币的全幅面灰度图像数据可以是直接获取到的全幅面灰度图像数据，也可以是基于本实施例的步骤S22所获取到的最终灰度图像数据。

步骤S23，将待测纸币的全幅面灰度图像划分为多个区域，根据设定规则分别计算每个区域的特征值

对待测纸币最终灰度图像数据进行分析处理，将纸币的全幅面灰度图像划分为M*N个网格，每个网格对应不同的区域，分别计算每个网格内所有像素点的灰度值的平均值，再对M*N个网格进行分组，每a*b个网格为一组，共分为s组，由于每个网格对应不同的区域，相应地，每个组(网格组)也对应不同的区域，然后根据设定规则计算每一组网格的特征值di。在该实施例中，将全幅面灰度图像分为s个网格组，也即，将全幅面灰度图像分为s个不同的区域，然后分别获取s个不同区域中每个区域的特征值。

步骤S24，确定与待测纸币对应的模板编号，根据设定规则获取该编号模板的灰度图像数据的各区域的特征值

纸币鉴别装置采集到的待测纸币的原始灰度图像数据受多种因素的影响，如光源类型(反射光或透射光)、光源发光的波长、待测纸币的面值、面向、待测纸币送入纸币鉴别装置时的入钞方向等，这些因素不同，会导致采集到的原始灰度图像数据不同，因此，根据光源的类型、光源发光的波长、待测纸币的面值、面向、待测纸币送入纸币鉴别装置时的入钞方向等因素不同可以确定多种不同的模板，每个模板均设置一个唯一的编号，用于CPU对模板进行查询。Flash存储器中存储有多种模板的灰度图像数据的特征值，这些特征值用于在纸币鉴别过程中与待测纸币的最终灰度图像数据计算所得的特征值进行对比，每种模板的灰度图像数据的特征值是预先经过训练得到的，即每种模板通过采集一定数量基于该模板的真币样本图像，并根据设定规则对样本的最终灰度图像数据计算得该模板的各区域的特征值。

待测纸币的最终灰度图像数据生成后，CPU读取SDRAM存储器的最终灰度图像数据，对其进行计算处理，通过获取图像的长度、宽度，确定待测纸币的面值，在已知待测纸币的面值及采集原始图像时光源类型、光源发光的波长的情况下，通过分析图像中一些特殊标记的特征即可以确定待测纸币的面向，所述的特殊标记可以为冠字号码、水印、变色油墨字符、隐形文字等，如已知采集的待测纸币图像为反射图像，通过检测图像中是否存在冠字号码就可以判断待测纸币的面向，通过检测冠字号码在图像中的位置即可确定待测纸币送入纸币鉴别装置的入钞方向。待测纸币的面值、面向、入钞方向确定后，根据光源类型、光源发光的波长，就可以确定该待测纸币对应的模板编号，根据已确定的模板编号，从Flash存储器中读取该编号模板的灰度图像数据的各区域的特征值。

步骤S25，将待测纸币的各个区域的特征值与纸币模板中对应区域的特征值进行对比

将步骤S23得到待测纸币的全幅面最终灰度图像数据的各区域的特征值与步骤S24得到的与待测纸币对应的模板的灰度图像数据的各区域的特征值进行对比。

具体对比方法为：将待测纸币的全幅面最终灰度图像数据的每一组的网格的特征值分别与待测纸币对应的模板的灰度图像数据中对应组的网格的特征值进行对比，当进行对比的两个组的网格的特征值的差值超过第一设定阈值时，判定待测纸币该网格组与模板对应的网格组不匹配。完成待测纸币全幅面灰度图像数据的所有网格组的特征值与模板灰度图像数据的相应的网格组的特征值的一一对比后，统计并记录不匹配的网格组的数量j(j为大于等于0、小于等于s的整数)。

可选地，在该实施例中，可以将每个网格作为一个区域和模块中的相应区域的特征值进行对比，也可以将每个网格组作为一个区域和模块中的相应区域的特征值进行对比。

步骤S26，判断待测纸币是否为变造币

将待测纸币全幅面灰度图像数据与模板的灰度图像数据不匹配的网格组的数量j与第二设定阈值对比，当j大于第二设定阈值时，判定待测纸币为变造币，否则，判定待测纸币为非变造币。

步骤S27，输出鉴别结果

将待测纸币是否为变造币的鉴别结果通过通信接口传递给纸币鉴别请求装置。

图7a是根据本发明实施例的一种基于全幅面灰度图像计算每个区域的特征值的流程图，如图所示，该方法包括：

步骤S31，将整个纸币图像划分为M*N个网格

CPU读取存储在SDRAM存储器中的待测纸币的最终灰度图像数据，并计算其长度方向(即待测纸币较长边方向)像素点数量x及宽度方向(即待测纸币较短边方向)像素点数量y，将全幅面的图像划分为M*N个网格，其中，参数M、N均为大于1的正整数，M、N的值是预先设定的，M为纸币图像长度方向网格划分的数量，N为纸币图像宽度方向网格划分的数量，如对于第五套人民币100元面值的待测纸币，其长度为155毫米，宽度为77毫米，当鉴别装置扫描分辨率为50dpi*50dpi时，采集的图像长度方向像素点数量x＝306，宽度方向像素点数量y＝152，对这306*152个像素点进行网格划分，得到M*N个网格，比如，假设在长度方向上划分的网格数量为M＝6，在宽度方向上划分的网格数量为N＝4，则全幅面的图像被划分为M*N＝24个网格，每个网格内的像素点数为51*38个，分组示意图参见图9。

步骤S32，计算每个网格内的所有像素点的灰度值的均值

对全幅面图像进行网格划分后得到M*N个网格，计算每个网格内所有像素点的灰度值的均值，如对于步骤S31所述的24个网格，分别计算每个网格内51*38个像素点的灰度值的均值。

步骤S33，对M*N个网格进行分组

对M*N个网格进行分组，每a*b个网格为一组，共分为s组，其中，参数a、b均为正整数，a、b的值是预先设定的，a为每组网格在图像长度方向上的相邻网格的数量，b为每组网格在图像宽度方向上的相邻网格的数量。

如对步骤S31所述的第五套人民币100元面值的待测纸币的灰度图像进行网格分组后得到的24个网格进行a＝2，b＝2的分组，则24个网格共分为6组网格，每组网格中有4个网格，如在图9所示的示意图中，待测纸币图像的网格按a＝2，b＝2分组后情况如表1：

分组序号	组内包含的网格序号
		1	1、2、7、8
2	3、4、9、10
		3	5、6、11、12
4	13、14、19、20
		5	15、16、21、22
6	17、18、23、24

表1

步骤S34，根据设定方法计算每一组网格的特征值

计算分组后每一组网格的特征值，其中，第i(i为大于0、小于等于s的正整数)组网格特征值di的计算方法为：将第i组的网格平均分为两小组，记作A小组、B小组，比如，将第i组的网格分为图像长度方向相邻网格的数量为a/2、图像宽度方向相邻网格的数量为b的两小组，或分为图像长度方向相邻网格的数量为a、图像宽度方向相邻网格的数量为b/2的两小组，分别计算A小组、B小组所包含的网格的灰度均值GrayAi和GrayBi，并对GrayAi和GrayBi做差，其差值的绝对值即为第i组网格的特征值di。

如对步骤S31所述的第五套人民币100元面值的待测纸币的灰度图像进行网格分组后得的24个网格，采用步骤S33中表1的分组方法分组后，对第i组网格，将该组中的4个网格分为图像长度方向相邻网格的数量为a/2＝1、图像宽度方向相邻网格的数量为b＝2的A小组和B小组，每小组包含2个网格，分别计算A小组中2个网格的灰度均值GrayAi和B小组中2个网格的灰度均值GrayBi，并计算GrayAi和GrayBi的差值的绝对值，即得到第i组的特征值di，如在表1所示的第1组中，假设网格1的灰度均值为g1，网格2的灰度均值为g2，网格7的灰度均值为g7，网格8的灰度均值为g8，第1组的A小组(即网格1和网格7)的网格灰度均值GrayA1＝(g1+g7)/2，第1组的B小组(即网格2和网格8)的网格灰度均值GrayB1＝(g2+g8)/2，则第1组的特征值d1为GrayA1和GrayB1的差值的绝对值，即d1＝|GrayA1-GrayB1|。

对于Flash存储器中存储的每一种编号的模板的灰度图像数据，其各组网格的特征值是预先经过训练得到的，具体方法为：采集一定数量基于该模板的真币样本灰度图像，对每个样本的灰度图像数据按预先设定的参数M、N、a、b，采用步骤S31～步骤S34所述规则进行计算得到该样本灰度图像数据各组网格的特征值，将该模板的基于所有样本灰度图像数据的同一网格的所有特征值按照一定运算规则进行计算即得到该模板的该组网格的特征值，从而得到该模板各组网格的特征值。其中，计算某一模板的某一组网格的特征值时采用的运算规则可以为计算基于所有样本灰度图像数据的该组网格的所有特征值的均值，以均值作为该组网格的特征值；也可以为计算基于所有样本灰度图像数据的该组网格的所有特征值的均值和方差值，以均值加方差值得到的值作为该组网格的特征值，或以均值减去方差值得到的值作为该组网格的特征值。本发明对模板的各组网格的特征值的计算方法不局限于上述方法。

优选地，步骤S33中可以对待测纸币的灰度图像进行网格划分后得到的M*N个网格采用多种分组方法进行分组，在步骤S34中，分别根据设定方法计算采用每种网格分组方法得到的所有网格组的特征值，待测纸币的灰度图像在每种网格分组情况下得到一组特征值，对模板的灰度图像采用相同的网格划分方法进行网格划分，采用相同的多种分组方法进行网格分组，同样，模板灰度图像在每种网格分组情况下得到一组特征值。在纸币鉴别流程中，分别将待测纸币灰度图像每一组的特征值与模板灰度图像的每一组的特征值进行一一对比，根据各组特征值的对比结果判断待测纸币是否为变造币。

图7b是根据本发明实施例的另一种基于全幅面灰度图像计算每个区域的特征值的流程图，如图所示，该方法包括：

步骤S51，将整个纸币图像划分为D个区域。

步骤S52，将每一个区域平均分为第一区域和第二区域。

步骤S53，分别计算每一个区域中的第一区域的灰度均值和第二区域的灰度均值。

步骤S54，分别计算每一个区域的特征值

分别计算每一个区域中的第一区域的灰度均值与第二区域的灰度均值的差值，将其差值的绝对值作为该区域的灰度图像数据的特征值。

本发明提供的纸币鉴别方法，将各个区域的第一区域的灰度均值与第二区域的灰度均值的差值的绝对值作为该区域的灰度图像数据的特征值，利用变造币拼接的相邻部分其灰度图像的灰度值必定存在差别的特点，通过对同一纸币相邻区域灰度值差异与模板进行对比，可以容易地鉴别出该待测纸币是否为变造币。

图8是根据本发明的纸币鉴别方法的第二实施例的流程图，该方法包括：

步骤S41～步骤S42同步骤S21～步骤S22。

步骤S43，对最终灰度图像数据进行拼接缝检测

读取SDRAM存储器中存储的待测纸币的最终灰度图像数据，对最终灰度图像数据进行拼接缝检测，检测方法如下：先逐行检测待测纸币灰度图像中所有像素点的灰度值，逐点将每一行的每个像素点的灰度值与该像素点在该行内相邻的前一个像素点的灰度值进行比较，判断当前像素点与其相邻的前一像素点的灰度值差值是否超过第三设定阈值，当灰度值差值超过第三设定阈值时，记录该像素点(简称突变点)所在位置；当完成待测纸币全幅面灰度图像中所有像素点的灰度值的逐行检测后，判断已检测出的所有突变点的位置是否符合设定规则，比如，所有突变点的位置都处于一定范围的列内，当突变点的位置符合设定规则时，判定待测纸币中存在拼接缝。当不存在突变点或突变点的位置不符合设定规则时，再逐列检测待测纸币灰度图像中所有像素点的灰度值，逐点将每一列的每个像素点的灰度值与该像素点在该列内相邻的前一个像素点的灰度值进行比较，判断当前像素点与其相邻的前一像素点的灰度值差值是否超过第三设定阈值，当灰度值差值超过第三设定阈值时，记录该像素点(简称突变点)所在位置；当完成待测纸币全幅面灰度图像中所有像素点的灰度值的逐列检测后，判断已检测出的所有突变点的位置是否符合设定规则，比如，所有突变点的位置都处于一定范围的行内，当突变点的位置符合设定规则时，判定待测纸币中存在拼接缝。采用该种方法，对于拼接缝比较明显的变造币，比如，图1a所示的变造币，可以很容易地检测出其灰度图像中存在的拼接缝。

当步骤S44，判断是否已检测出拼接缝

读取步骤S43的检测结果，判断待测纸币的最终灰度图像数据中是否已检测出拼接缝，如果是，判定待测纸币为变造币，执行步骤S49，如果不是，执行步骤S45。

步骤S45～步骤S49同图6所示第一实施例的流程的步骤S23步骤S27。

由于步骤S43所述的拼接缝检测方法相对于步骤S45～步骤S47所述的根据设定规则计算全幅面的图像数据的特征值，并与模板的灰度图像数据的特征值进行比较的检测方法而言，具有处理数据量小、处理速度快等优点，因此，在得到待测纸币的全幅面灰度图像数据后，首先通过步骤S43所述的方法初步检测待测纸币是否存在拼接缝，该方法能够快速对拼接缝明显的纸币判断出真伪，因此提高了纸币鉴别效率。

特别地，当装置基于透射光源成像、基于反射光源成像、以及基于不同波长的光源成像时，需要对生成的每一幅灰度图像进行待测纸币真伪的鉴别，当通过任意一幅灰度图像判断出待测纸币中存在拼接缝时，即判断该待测纸币为变造币。通过对基于不同类型光源、不同波长光采集到的多幅灰度图像进行检测，可以提高纸币鉴别的准确性和可靠性。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

对应于本发明所提供的纸币鉴别方法，本发明还提供了一种纸币鉴别装置，需要说明的是，在本发明实施例的纸币鉴别方法可以通过本发明实施例所提供的纸币鉴别装置来执行，本发明实施例的纸币鉴别装置也可以用于执行本发明实施例所提供的纸币鉴别方法。

以下对本发明实施例的纸币鉴别装置进行介绍。

图10是根据本发明纸币鉴别装置的第一实施例的流程图。如图10所示，该纸币鉴别装置包括获取单元10、计算单元20、对比单元30、统计单元40、第一判断单元50和鉴别单元60。

获取单元10，用于获取待测纸币的全幅面灰度图像数据。

计算单元20用于将待测纸币的全幅面灰度图像划分为多个区域，并分别计算每个区域的图像数据的特征值。

对比单元30用于将各个区域的特征值与纸币模板中对应区域的特征值进行对比以判断对比的两个区域是否匹配，其中，当对比的两个区域的特征值的差值大于第一设定阈值时，判定对比的两个区域不匹配，否则，判定对比的两个区域匹配。

统计单元40用于统计不匹配的区域的数量。

第一判断单元50用于判断不匹配的区域的数量是否大于第二设定阈值。

鉴别单元60用于当判定不匹配的区域的数量大于第二设定阈值时，确定待测纸币为变造币。

图11是根据本发明纸币鉴别装置的第二实施例的流程图。该实施例可以作为上述第一实施例的进一步的优选实施方式。

该纸币鉴别装置包括获取单元10、计算单元20、对比单元30、统计单元40、第一判断单元50和鉴别单元60。

计算单元20进一步包括划分模块201和计算模块202。

划分模块201用于按照多种不同划分方式将待测纸币的全幅面灰度图像划分为多个区域。

计算模块202用于分别计算每种划分方式下每个区域的图像数据的特征值。

此时，对比单元30用于将多种不同划分方式的每种划分方式下的各个区域的特征值与纸币模板在对应的划分方式下的对应区域的特征值进行对比以判断对比的两个区域是否匹配。鉴别单元40用于当按照多种不同划分方式中任意一种划分方式判定不匹配的区域的数量大于第二设定阈值时，确定待测纸币为变造币。

在该实施例中，按照不同的划分方式对待测纸币的全幅面灰度图像进行划分时，不同方式所划分的区域的数量可以相同，也可以不同，其中，当按照不同的划分方式划分的区域的数量不同时，在两种划分方式下所确定的第二设定阈值的值也可以是不同的。

图12是根据本发明纸币鉴别装置的第三实施例的流程图。该实施例可以作为上述第一实施例的又一种优选实施方式。

该纸币鉴别装置除了包括前述的获取单元10、计算单元20、对比单元30、统计单元40、第一判断单元50和鉴别单元60之外，还包括检测单元70和第二判断单元80。

检测单元70用于在将待测纸币的全幅面灰度图像划分为多个区域并计算每个区域的图像数据的特征值之前，对全幅面灰度图像数据进行拼接缝检测。

第二判断单元80用于根据检测结果判断是否检测出拼接缝。

在该实施例中，鉴别单元60用于在确定检测出拼接缝时，确定待测纸币为变造币，计算单元20用于在确定未检测出拼接缝时，再将待测纸币的全幅面灰度图像划分为多个区域并计算每个区域的图像数据的特征值。

显然，本领域的技术人员应该明白，上述的本发明的各单元或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种纸币鉴别方法，其特征在于，包括：

获取待测纸币的全幅面灰度图像数据；

将所述待测纸币的全幅面灰度图像划分为多个区域，并分别计算每个区域的图像数据的特征值；

将各个区域的特征值与纸币模板中对应区域的特征值进行对比以判断对比的两个区域是否匹配，其中，当对比的两个区域的特征值的差值大于第一设定阈值时，判定对比的两个区域不匹配，否则，判定对比的两个区域匹配；

统计不匹配的区域的数量；

判断不匹配的区域的数量是否大于第二设定阈值；以及

当判定不匹配的区域的数量大于所述第二设定阈值时，确定所述待测纸币为变造币，

其中，对于每个区域，按照以下方式计算该区域的图像数据的特征值：

将所述区域平均分为第一区域和第二区域；

分别计算所述第一区域的灰度均值和所述第二区域的灰度均值；

将所述第一区域的灰度均值与所述第二区域的灰度均值的差值的绝对值作为所述区域的图像数据的特征值。

2.根据权利要求1所述的纸币鉴别方法，其特征在于，

获取待测纸币的全幅面灰度图像数据包括：

获取所述待测纸币的全幅面原始灰度图像数据；以及

对所述全幅面原始灰度图像数据进行补偿和校正处理，生成所述待测纸币的全幅面最终灰度图像数据，并将所述全幅面最终灰度图像数据作为所述待测纸币的全幅面灰度图像数据。

3.根据权利要求1所述的纸币鉴别方法，其特征在于，

将所述待测纸币的全幅面灰度图像划分为多个区域，并分别计算每个区域的图像数据的特征值包括：按照多种不同划分方式将所述待测纸币的全幅面灰度图像划分为多个区域，并分别计算每种划分方式下每个区域的图像数据的特征值；

将各个区域的特征值与纸币模板中对应区域的特征值进行对比以判断对比的两个区域是否匹配包括：将所述多种不同划分方式的每种划分方式下的各个区域的特征值与纸币模板在对应的划分方式下的对应区域的特征值进行对比以判断对比的两个区域是否匹配；

其中，当按照所述多种不同划分方式中任意一种划分方式判定不匹配的区域的数量大于所述第二设定阈值时，确定所述待测纸币为变造币。

4.根据权利要求1所述的纸币鉴别方法，其特征在于，将所述待测纸币的全幅面灰度图像划分为多个区域并分别计算每个区域的图像数据的特征值之前，所述方法包括：

对所述全幅面灰度图像数据进行拼接缝检测；

根据检测结果判断是否检测出拼接缝，

其中，在确定检测出拼接缝时，确定所述待测纸币为变造币，在确定未检测出拼接缝时，再将所述待测纸币的全幅面灰度图像划分为多个区域并分别计算每个区域的图像数据的特征值。

5.根据权利要求1所述的纸币鉴别方法，其特征在于，

获取待测纸币的全幅面灰度图像数据包括采用多种不同的方式分别获取所述待测纸币的全幅面灰度图像数据，

其中，当通过任意一种方式获取到的全幅面灰度图像数据确定所述待测纸币为变造币时，则判定所述待测纸币为变造币。

6.一种纸币鉴别装置，其特征在于，包括：

获取单元，用于获取待测纸币的全幅面灰度图像数据；

计算单元，用于将所述待测纸币的全幅面灰度图像划分为多个区域，并分别计算每个区域的图像数据的特征值，其中，对于每个区域，所述计算单元按照以下方式计算该区域的图像数据的特征值：将所述区域平均分为第一区域和第二区域；分别计算所述第一区域的灰度均值和所述第二区域的灰度均值；将所述第一区域的灰度均值与所述第二区域的灰度均值的差值的绝对值作为所述区域的图像数据的特征值；

对比单元，用于将各个区域的特征值与纸币模板中对应区域的特征值进行对比以判断对比的两个区域是否匹配，其中，当对比的两个区域的特征值的差值大于第一设定阈值时，判定对比的两个区域不匹配，否则，判定对比的两个区域匹配；

统计单元，用于统计不匹配的区域的数量；

第一判断单元，用于判断不匹配的区域的数量是否大于第二设定阈值；以及

鉴别单元，用于当判定不匹配的区域的数量大于所述第二设定阈值时，确定所述待测纸币为变造币。

7.根据权利要求6所述的纸币鉴别装置，其特征在于，

所述计算单元包括：划分模块，用于按照多种不同划分方式将所述待测纸币的全幅面灰度图像划分为多个区域，计算模块，用于分别计算每种划分方式下每个区域的图像数据的特征值，

所述对比单元用于将所述多种不同划分方式的每种划分方式下的各个区域的特征值与纸币模板在对应的划分方式下的对应区域的特征值进行对比以判断对比的两个区域是否匹配，

所述鉴别单元用于当按照所述多种不同划分方式中任意一种划分方式判定不匹配的区域的数量大于所述第二设定阈值时，确定所述待测纸币为变造币。

8.根据权利要求6所述的纸币鉴别装置，其特征在于，还包括：

检测单元，用于在将所述待测纸币的全幅面灰度图像划分为多个区域并分别计算每个区域的图像数据的特征值之前，对所述全幅面灰度图像数据进行拼接缝检测；

第二判断单元，用于根据检测结果判断是否检测出拼接缝，

其中，所述鉴别单元用于在确定检测出拼接缝时，确定所述待测纸币为变造币，所述计算单元用于在确定未检测出拼接缝时，再将所述待测纸币的全幅面灰度图像划分为多个区域并分别计算每个区域的图像数据的特征值。