復(fù)雜背景下人民幣冠字號(hào)碼識(shí)別技術(shù)研究.pdf

1、隨著字符識(shí)別技術(shù)的發(fā)展和成熟，其在日常生活中的應(yīng)用越來(lái)越廣泛，如支票識(shí)別、信件收寄地址字符識(shí)別和車牌識(shí)別等。但是，同樣基于字符識(shí)別技術(shù)的人民幣冠字號(hào)碼識(shí)別的研究還十分有限。高效穩(wěn)定的冠字號(hào)碼識(shí)別系統(tǒng)具有很高的學(xué)術(shù)和應(yīng)用價(jià)值，它不僅可以進(jìn)一步完善和提高字符識(shí)別理論與方法，還能監(jiān)控紙幣的使用和流通、打擊經(jīng)濟(jì)犯罪，從而維持經(jīng)濟(jì)市場(chǎng)健康有序的發(fā)展。本文主要針對(duì)人民幣冠字號(hào)碼識(shí)別的相關(guān)技術(shù)進(jìn)行了完整的、系統(tǒng)化的研究和探討。
　　(1)冠字號(hào)

2、碼的分割與提取包括冠字號(hào)碼圖像采集、傾斜校正、紙幣掃描朝向判斷、字符區(qū)域定位和二值化，以及字符提取六個(gè)部分。針對(duì)人民幣冠字號(hào)碼區(qū)域的粗定位，本文提出了基于霍夫變換的紙幣傾斜校正算法和基于降采樣匹配的紙幣掃描朝向算法。為了從含有復(fù)雜背景噪聲的灰度圖像中精確分割出人民幣冠字號(hào)碼，提出了一個(gè)融合兩種基于冠字號(hào)碼字符筆畫(huà)特征的圖像分割方法和二值化后處理算法。針對(duì)冠字號(hào)碼字符提取，提出一種基于局部灰度對(duì)比度的字符邊界定位方法。通過(guò)以上方法能夠精確

3、定每個(gè)冠字號(hào)碼字符的水平和垂直邊界，為字符識(shí)別做好準(zhǔn)備。
　　(2)本文提出了字符樣本灰度增強(qiáng)和訓(xùn)練擾動(dòng)的概念，通過(guò)提高樣本圖像質(zhì)量和使用訓(xùn)練擾動(dòng)可以增強(qiáng)分類器的泛化性能，提升字符識(shí)別率。為了找到最適合冠字號(hào)碼字符分類的特征和分類模型，本文收集并發(fā)布了人民幣冠字碼字符數(shù)據(jù)庫(kù)NUST-RMB2013，并針對(duì)該數(shù)據(jù)庫(kù)上提出了基于深度學(xué)習(xí)方法的冠字號(hào)碼識(shí)別，其中包括深度神經(jīng)網(wǎng)絡(luò)和深度自主學(xué)習(xí)特征。本文還對(duì)目前字符識(shí)別領(lǐng)域最經(jīng)典的兩種字符

4、特征提取方法（八方向梯度特征、Gabor特征）和三種最具代表性的分類器(SVM、LDF、MQDF)進(jìn)行了對(duì)比與測(cè)試，并對(duì)每種方法的優(yōu)缺點(diǎn)進(jìn)行了分析。
　　(3)針對(duì)含有復(fù)雜背景和噪聲干擾的冠字號(hào)碼識(shí)別，提出一種基于關(guān)鍵點(diǎn)關(guān)聯(lián)圖像塊置信度融合的冠字號(hào)碼字符識(shí)別算法。首先使用DoG(Difference of Gaussian)關(guān)鍵點(diǎn)檢測(cè)算法找出訓(xùn)練樣本的關(guān)鍵點(diǎn)，然后利用這些關(guān)鍵點(diǎn)生成該樣本對(duì)應(yīng)的局部圖像塊，原樣本和局部圖像塊一起訓(xùn)練

5、SVM分類器。輸入一個(gè)測(cè)試樣本，該樣本對(duì)應(yīng)局部區(qū)域圖像塊的分類結(jié)果通過(guò)多分類器融合方法集成，并給出樣本的最終識(shí)別結(jié)果。該方法同時(shí)利用了樣本中字符筆畫(huà)的全局和局部結(jié)構(gòu)特征，對(duì)含有遮擋或嚴(yán)重噪聲干擾的樣本識(shí)別非常有效。
　　(4)為了進(jìn)一步提升冠字號(hào)碼識(shí)別精度，提出了基于SVM和LDF學(xué)習(xí)的線性分類器融合和基于級(jí)聯(lián)的多分類器融合算法。為了提升冠字號(hào)碼識(shí)別系統(tǒng)的可靠性以滿足金融行業(yè)應(yīng)用的需求，本文引入了三種拒識(shí)策略（FRM、FTRM和L