序列号的准确分割是人民币序列號识别的必要前提然而人民币图像中引入的各类噪声和污染会严重影响其分割效果，为此提出一种能去除污染和噪声的序列号分割方法在图像预处理时引入高提升滤波，在增强序列号边缘的同时滤除各类噪声干扰；在字符分割时利用改进型连通区域算法，找到序列号唍整的外围轮廓在各面值人民币图像组成的数据集上验证该方法的可行性，通过与常用分割法准确率的对比显示该方法的优越性该方法能对污痕、拆痕、字符粘连等污染的图像进行准确分割，比常用的分割方法具有更好的分割性能
张杰武,张会林,李伦清:一种去噪去污的囚民币序列号分割方法 )181 ④若累加值 lumpsum> P x SCM时,记录当前行位达到增强字符区的目的" 置H,结束搜索:否则,减小累加阈值 maxIxe,跳转至 高提升滤波首先要对图像进荇锐化处理、对于离散 步骤③,再次搜索 的二维图像f(,,图像锐化的拉普拉斯算子为 ⑤为了得到完整的上下边界,需在结東搜索后,进 sharpen(f(i,D=If(i+1,1+f(i-1,)+ 一步判断H和H所茬行是否仍满足累加条件,若 i,j+1)+f(,j-1)1-4f(i,j(4) 是,说明还没有达到边界,应继续向上下两边搜索,直到 对应的滤波模板如W,这种模板对于90°的旋转是 不满足累加条件。此时,得到的H-mn和Hm才分别为各向同性的,即把原图像旋转90°后再进行滤波与先对 字符区域的上下边界 图像进行滤波再旋转90°的结粜相同吗。进一步,可以 最后,根据步骤⑤得到的Hm和Hmx,对粗定位后得到对于459旋转各向同性的滤波模板为W,。 的图像进行载剪得到如图2所示的效果图。 (3)找出左右邊界W、,和W的方法与行投影类 H1=1-41.W2=1-81 似,但列投影因字符之间存在间隙而不会像行投影那样 当前列所处的该字符投影的全部投影,并记录整个累加火多.圖像的任何一点处,高提升滤波后的图像可定 连续,如图2(g)如示因此,累加值 lumpsum要累加到 过程的最大列数为Wm,最小列数为Wmm g(i,1)=Axf(i,j)+sharpen(f(i,j)) 22灰度对数变换 其中,f(,为原图像, sharpen0為锐化算子,A为提 对图像中的各点灰度值进行对数变换,一般表达升系数,A不小于1,式(5)可进一步写成: 式为 (,)=(4-1)xf(2,)+f(,j 7=C×ln(1+S) (3)f(,为原图高通滤波结果。可见,高提升滤波既包含 其中C为尺度比例常数,S为源灰度值,T为变换后的了低频分量,又包含增强了的高频信息,所含信息更加 目标灰度值从图3中可以看出,函数自變量S越小丰富,对比度更强,如图1所示。 时,曲线的斜率越大;自变量S越大时,曲线斜率越小凹 最后,高提升滤波实现步骤可总结为: (1)图像锐化,使用图所示模板对图像过行二阶黴 C=40 分的拉普拉斯锐化 (2)原图像与锐化后的图像按比例A进行混合 80 (3)将混合后的灰度调整归一化到[0,25] C=20 24二值化 对字符区用迭代法进行二值化。 迭代法是一种基于逼近的思想,在网值分割中有着 50300 广泛的应用.其算法可以总结为 图3灰度对数变换曲线图 (1)求出图像中最大灰度徝max和最小灰度值 min,令初始阈值为7=(max+mim)/2,并令7n=7 变换前,整个区域灰度可以分为3个等级":处于最 (2)根据当前阈值T将图像分为前景和背景,求出 高的是区域背景;处於最低的是字符特征;而处于两者 之间的是一些可能存在的干扰噪声由于灰度的对数两者的平均灰度值。和b 变换可以增强一嶇图像屮较喑蔀分的细节,降低高亮度 (3)求出新阈值T1=(7+T)2 部分的灰度这将使背景的高灰度区与十扰和噪声的 (4)如果T=71,则以T为阈值,进行二值化;否 灰度差减小从而使得幹扰和噪声淹没在背景之中,如则转步骤(2),进行迭代计算。 图1所示,这在一定程度上达到了滤除噪声的效果 最后迭代法二值化的效果如图1所示 23高提升滤波处理 由于经过对数变换后,字符特征的总体灰度减小3改进型连通区域边界搜索分割算法 了,字符特征显得不明显,因此还必须进行高提升滤波, 图4是字符分割各步骤效果图,分割步骤主要分 增强字符本身的特征,以保留字符的细节。 为:字符特征的修复、构造改进型连通区域、區域增长的 高提升滤波是利用微分算子对字符区域进行二次边界搜索、分割并归一化图4(a)是粗定位后的图像, 微分处理,使灰度变化缓慢的区域被削弱,而在边缘和图4(b)是经过预处理后的图像,其中可能存在孤立的 灰度有突变的区域得到增强,然后運过与原始图像叠点,在进行改进连通区域前,必须尽可能厶掉。这样既 加这样既可以保留滤波处理结果,又能复原字符区,可以更好地确定宇符的:下轮廓,又可以减少字符间粘 l82 015,51(7) Computer Engineering and Applications计算机笁程与应用 0CC wIlbur ZH703421HAd2mw的LI (a)原图 (b)预处理(c)改进型连通区城提取(d)提取外闱轮廓(e)字符分割及归一化 图4字符分割各步骤效果图 连的可能性。因宇符夲身也可能会絀现断隔的情况,特(4个顶点坐标)由于字符间可能存在粘连的情况,可 别是水平方向的断裂,需再进行开操作,尽可能使字符以根据区域的左右边堺是否符合单个字符条作,若不符 本身完整。 合,则结合字符上下轮廓的距离,找到该区域内左右边 由于字符存在的断隔,使得基于字符本身的连通区界里最小值,即为最佳分割点再继续向右搜索,直到 域不能完整代表字符本身,因此,仅提取字符本身的连找到所有的字符边界后结束 通区域是不能得到正确的分割结果。图4(c)中所示的 根据上述方法得到的字符轮廓向量,对预处理后的 字符连通区域就是改进性的字符连通区域,其做法是:图像进裁剪,并归一化为统一大小,用于字符的特征提 从上到下扫描图像,记录每一列中最顶端和最底端黑色取和识别 像素之间的距离,并填充位于最顶端与最底端之间的所 有像素点为黑色。 4实验结果和分析 文献[提岀了一种穿越宇符体距离法,其操作也 本章给出了投影法、连通區域法以及本文算法分别 是在各列上找到最顶端和最底端这两个像素点文献针对我国第5套人民币进行序列号分割时的实际性能 []与本文的鈈同点在于:文献[只记录了这两点间的对比结果:所有的图像都来自于高分辨率高速线阼 距离,仅利用距离作为分割依据,而本文不但记录了距CCD摄潒机,分辩率为940×600;所有算法均在VC6.0 离,而且填充位于最顶端与最底端之间的所有像素点。上用C艹+代码实现 另外,改进型的区域有效地减小了因过喥处理而出现字 任意采取分别采集10元、20元、50元、100元面值人 符本身断裂的情况。图5(a)为未进行改进的区域图4(b)民币共2028张在进行粗定位后得到的序列号侯选区 在垂直方向的投影;图5(b)为改进型连通区域图4(c)中,有字符粘连情况的33张,有污点情况的320张,有 在垂直方向的投影。从图中可以看出改进型的区域包折痕情况的352张,有背景图案的347张,有亮度不均的 含两个重要信息:字符各列上下轮廓的距离和完整包含310张 字符的区域。 图6分别给出叻投影法(第1、4列)、区域连通法(第 2、5列)以及本文算法(第3、6列)在含有各类噪声的人 0 民币图像上的分割效果:其中左三列是按文献[中的 灰度脊谷法”进行预处理的,右三列是采川“高提升滤 波”进预处理的从图中可以看出:由于所有图像都经 过了一定的厶噪预处理过程,因此都具备一定嘚抗干扰 性,但是各白产生的分割效果又不一样 0W 5W15W5W 0 5W5W5W5w 图7为两种预处理后的效图,图7(a)列为原图像 图7(b)列经过高提升滤波处理,图7(c)列经过灰度脊 (a)预处理后字苻的垂直投影(b)改型连通区城的垂直投影 谷法处理。从图中可以看出:“灰度脊谷法”的厶噪效果 图5两种区域的垂直投影比较图 明显不如“扃提升滤波”方法“灰度脊谷法”只能处理有 对于上述方法得到的连通区域图像,在高度为H2限污染噪声的情况,对于拆痕等灰度接近于字符特征的 行上寻找黑色像素点。若遇到黑点,以该点进行区域生污染,没有“高提升滤波”的效果明显;“高提升滤波”能 长,找到一个字符的连通区域,并记录区域的轮廓向量处理那对比度很小的图像,能突出字符特征的同时,很 m9mnp4T[457B35u745s· CIEEANAMN 74470 RHSHDOI DPB\ H51I020I5 H 刚画952【HG5】画181 而EE5gM 图63种分割算法在不同预处理下的分割效果对比 張杰武,张会林,李伦清:一种去噪去污的人民币序列号分割方法 )183 表13种分割算法针对纸币污损情况的处理性能对比 垂直投影分割法 连通区域分割法 本文算法 污染噪声分类总数 好地滤除干扰噪声但两者都同一个不足的地方:不能自各的特点:对于字符体断裂和有污染的情况,投影法 很好哋处理折痕污染。特别是那些拆痕灰色比字符特比区域法的性能要更好,这是由于垂直投影法可以处理 征的灰色还要低的污染,需依靠字符分割时的分割算法那些没有在垂直方向出现断裂的宇符情况但两者准 来进一步处理。 确率能都不及本文算法,从表中可以看出,对于处理有 污染、有沾连、多余图案的情况,本文算法明显提高了分 本文针对纸币序列号分割结果受到各类噪声的干 R42扰这一间愿提出了一种噪公污的分割法在图像 (b)4文预处理方法()灰度脊谷法预处理预处理时,采用灰度的对数变换和高提升滤波操作相结 图7两种预处理效果比较图 合的方法,通过求得圖像的二阶拉音拉斯锐化算子,再 与原图按一定比例叠加,既突出了图像的字符边缘特 图8为3种分割算法处理后的效果图,图8(a)为原征,又保留∫原图潒中灰度平均部分细节,增强∫图像 图像,图8(b)为投影法分割后的效果,图8(c)为连通区字符绀节在序列号分割时提出了一种收进犁的连通 域法分割後的效果,图8(d)为本文算法分割后的效果。区城边界搜索法,利用字符本身的上下轮廓,构造能包 图8的第一列可以看出,对于二值化后出现字符断裂嘚括字符完整外围轮廓的连通区域,这种区域既能提供了 情况,投影法能够比连通区域法更准确地找到分割点;各字符的卜:下距离,为分割字符间囿粘连情况提供依 而对于背景复尕、污染噪声严重的情况,连通区域法的据,又能减少了字符本身出现断裂的可能性:在分割 分割性能比投影法吏好,这可以从图8的第二刎看出时,采用区域增长的方法,针对改进型的连通区域搜索 从图8的第三列可以看出,本文算法不但继承两种算法各字苻之间的分割点,从而分离出字符。实验结果表 的各自优点,而且还能对有背景图案、字符间粘连等情明,对于纸币图像所引入的污染、折痕、哆余图案等情 况进行准确分割 况,本文算法的正确率明显优于传统的投影法和连通区 域法,并且具有较好的抗干扰性。本文算法只要稍加改 進,就可以用于不同类型的纸币序列号的分割,从而可 (a)原图像 以广泛地应用于不同币种的序列号识别场合,具有广阔 b)投影法 的应用前景 酝髟阿圜甽 (c)区域法 参考文献 团H344郑C [1]蔸玮琦,张景.纸币号码快速识别系统门].计算机工程 (d)文方法 205,31(24):153-155 图83种分割算法处理效果比较图 [2]李江,程健数宇图像处理中多窗ロ下的自适应中值滤波 表1给出了3种方法在采用“高提升滤波”预处理后 计算机工程,):155-157. 的分割结果对比统计,表中对不同的污染噪声进行了分[3]赵噺胜,张宇高提升滤波在低对比度目标相关探测中的 类由于3种算法都是经过了同样的去预处理过程,所 应用[J计算机与现代化,):66-68 以在针对明显污損的图像,3种方法都能很好地进行4邹荣金,蔡⊥杰字符精连及字线相交的分割与识别方法J 分割,对有拆痕的情况,投影法和连通法的性能只比本 软件学报,):241-247 文算法稍差。在处理其他污染噪声时,3种方法表现了 (下转188页)