纸币数字的多特征综合识别算法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (19): 169-172.

纸币数字的多特征综合识别算法

杜鑫，刘文波，李开宇

南京航空航天大学自动化学院，南京 210016

出版日期:2014-10-01 发布日期:2014-09-29

Complex identification algorithm with multi-feature via banknotes number

DU Xin, LIU Wenbo, LI Kaiyu

College of Automation Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China

Online:2014-10-01 Published:2014-09-29

摘要/Abstract

摘要： 针对目前存在的纸币识别率低和速度慢的问题，提出了一种新型的纸币数字多特征综合识别算法。分析细化后纸币字符图像的拓扑结构，以及字符像素的端点等结构特征，对其进行初步分类；改变字符拓扑特征，对上一步骤的结果进行进一步分类识别；针对破损字符不满足拓扑结构特征的污损字符，采用了模板匹配的方式进行了补漏识别。实验结果表明，相对于传统的识别算法，提出的算法不仅具有更高的识别率，而且具有较高的识别速率。

关键词: 纸币, 数字识别, 拓扑结构, 模板匹配

Abstract: A novel complex identification approach with multi-feature based on banknotes number is designed, which addresses the slow rate and low efficiency of paper currency recognition. Firstly, topology of banknote character image is analyzed. The structural features, such as endpoint of the character pixel, have been processed. Then, the character topological features have been modified, and its results have been more classified and distinguished. In addition, as the damaged character does not satisfy defaced character of the topology, template matching method has been introduced to identify. Finally, the experimental results show that compared with traditional identification algorithm, the proposed method has better efficiency and faster rate.

Key words: banknote, digits recognition, topology, template matching

杜鑫，刘文波，李开宇. 纸币数字的多特征综合识别算法[J]. 计算机工程与应用, 2014, 50(19): 169-172.

DU Xin, LIU Wenbo, LI Kaiyu. Complex identification algorithm with multi-feature via banknotes number[J]. Computer Engineering and Applications, 2014, 50(19): 169-172.

[1]	吕浩，张盛兵，王佳，刘硕，景德胜. 卷积神经网络SIP微系统实现[J]. 计算机工程与应用, 2021, 57(5): 216-221.
[2]	徐家俊，张翌维，赵建，相韶华. 针对SM4算法的功耗模板-碰撞分析[J]. 计算机工程与应用, 2021, 57(11): 111-118.
[3]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.
[4]	袁良友，周航，韩丹，许国梁. 引入平滑迭代的骨架提取改进算法[J]. 计算机工程与应用, 2020, 56(24): 188-193.
[5]	丁娜，钟宝江. 手写液晶体数字及识别技术[J]. 计算机工程与应用, 2020, 56(16): 97-104.
[6]	孙敬成，王正彦，李增刚. 卷积神经网络数字识别系统的FPGA实现[J]. 计算机工程与应用, 2020, 56(13): 181-188.
[7]	马义超，赵运基，张新良. 基于PCA初始化卷积核的CNN手写数字识别算法[J]. 计算机工程与应用, 2019, 55(13): 134-139.
[8]	贺道德1，武玲玲2，邓晓衡3，满君丰4. 基于单向多汇聚节点的WSN分层路由协议[J]. 计算机工程与应用, 2017, 53(12): 105-109.
[9]	何可，吴晓军，张玉梅. 基于节点兴趣的非结构化P2P网络拓扑结构研究[J]. 计算机工程与应用, 2016, 52(9): 102-107.
[10]	王国芳1，赵少华2. 镀铜高分子微球X线图像的计数及缺陷检测[J]. 计算机工程与应用, 2016, 52(9): 263-266.
[11]	程雪雪，陈莹. 基于邻域拓扑结构的目标协同跟踪算法[J]. 计算机工程与应用, 2016, 52(7): 101-105.
[12]	张卫国，李景妹. 改进的基于纹理特征的图像配准算法[J]. 计算机工程与应用, 2016, 52(6): 214-218.
[13]	高赢，张莹，闫璠，涂勇涛，张东波. 发动机瓦盖上料机器人研究[J]. 计算机工程与应用, 2016, 52(20): 257-262.
[14]	吴平1，4，王彬1，薛洁2，张岩3，刘辉1. 基于模板匹配的加速肺结节检测算法研究[J]. 计算机工程与应用, 2015, 51(7): 184-188.
[15]	徐富新，王晶，黄玉秀，王洲. 神经网络和模板匹配在自动打分系统中的应用[J]. 计算机工程与应用, 2015, 51(5): 251-254.