基于RGB和判別分析法的紙幣面值識別

施嘉佳　林少杰　陳志偉

摘要：此文介紹了一種改進的紙幣識別方法。通過分別采集采樣紙幣和待檢測紙幣的RGB三基色并將其參數(shù)化，然后將待識別紙幣的參數(shù)化數(shù)據(jù)與采樣紙幣的參數(shù)化數(shù)據(jù)進行判別分析，將分析結(jié)果歸類進預先整理的存儲結(jié)果中，即可得到待檢測紙幣的面值。實驗結(jié)果表明，此方法的正確率可達84.6%以上，是一種與傳統(tǒng)方法相比更加快速有效的識別方法。

關(guān)鍵詞：RGB三基色；判別分析；紙幣面值識別

中圖分類號：TP274+.2文獻標志碼：A

現(xiàn)在的人民幣面值識別方法主要是一維灰度投影的模板匹配方法[1]，這種方法雖然實現(xiàn)簡單，但也存在著明顯的缺陷，其計算量十分龐大，花費時間長，使其運用價值有了很大的局限性。

1 RGB數(shù)據(jù)采樣的基本原理和方法

1.1 RGB數(shù)據(jù)采樣的基本原理

RGB色彩模式[2]是用RGB模型為圖像中每一個像素的RGB分量分配一個0～255范圍內(nèi)的強度值。RGB圖像只使用三種顏色，就可以使它們按照不同的比例混合，在屏幕上重現(xiàn)16777216種顏色。在RGB模式下，每種RGB成分都可使用從0（黑色）到 255（白色）的值。當所有三種成分值相等時，產(chǎn)生灰色陰影。

1.2 RGB數(shù)據(jù)采樣的基本方法[3][4]

將采樣紙幣通過掃描儀進行掃描，所得的圖像保存為.JPEG格式的像素點圖像，然后通過Matlab [5]編輯算法對每個除白色的像素點提取RGB采樣值，然后取平均值，得到一個一維矩陣。用該方法將多個面值的多張數(shù)據(jù)紙幣進行RGB采樣值得提取，得到一份有多個數(shù)據(jù)矩陣的觀測值數(shù)據(jù)，并以此數(shù)據(jù)為基準對待判定值進行判別分析。

2 判別分析法及其判別方法

2.1 判別分析法

判別分析[6]是根據(jù)所研究的個體的觀測指標來判斷該個體所屬類型的一種統(tǒng)計方法。其主要針對所屬問題中的判別問題，亦是在統(tǒng)計問題所屬范疇內(nèi)。因此，判別問題用統(tǒng)計的語言來表述，就是已有q個總體X1，X2，...，Xq，他們的分布函數(shù)分別為F1（x），F(xiàn)2（x），...，F(xiàn)q（x），每個Fi（x）都是p維函數(shù)。對于給定的樣本X，要判斷它來自哪個總體。當然，應該要求判別準則在某種意義下是最優(yōu)的，如錯判的概率最小或錯判的損失最小等。

2.2 分類方法

在這次的判別分析試驗中，總共運用了三種判別方法，分別是距離判別、Fisher判別和Bayes判別。距離判別是簡單、直觀的一種判別方法，該方法適用于連續(xù)性隨機變量的判別類，對變量的概率分布沒有什么限制，其定義公式為d（x，y）=（x-y）T∑-1（x-y）。Fisher 判別的基本思想是投影，即將表面上不易分類的數(shù)據(jù)通過投影到某個方向上，使得投影類與類之間得以分離的一種方法。Bayes判別和Bayes估計的思想方法是一樣的，即假定對研究的對象已經(jīng)有一定的認識，這種認識常用先驗概率來描述。當取得一個樣本后，就可以用樣本來修正已有的先驗概率分布，得出后驗概率分布，再通過后驗概率分布進行各種統(tǒng)計推斷。

3 采樣數(shù)據(jù)和試驗結(jié)果

3.1 采樣數(shù)據(jù)

本次試驗的采樣是隨機選取100元、50元、20元、10元、5元和1元的紙幣各九張（其中舊的7張，新的2張），按照每組中含有所有面額的紙幣且新舊分開地分成9組，將每張紙幣放入掃描儀正反面掃描，并分別輸出75、300、1200的.JPEG格式的像素點圖像。用Matlab軟件采集每張圖片的RGB參數(shù)值，這樣就得到了一套觀測指標。

3.2 試驗過程及試驗結(jié)果

試驗過程是隨機選取面額為100元、50元、20元、10元、5元和1元的紙幣各7張，按照不同面額紙幣相組合的方式隨機分成7組，將每張紙幣放入掃描儀正反面掃描，并分別輸出75、300、1200的.JPEG格式的像素點圖像，然后用Matlab分別對每張圖像采集RGB參數(shù)值，將得到的每組參數(shù)值作為待判定個體分別用距離判別法、Fisher判別法和Bayes判別法進行判別分析，即可得到判別結(jié)果。

4 結(jié)論及方法準確率分析

根據(jù)判別結(jié)果顯示（如表1所示），單一變量為正反面的情況下，正面（人頭）判別的正確率明顯高于反面（風景）判別的正確率，其原因是紙幣反面的白色部分所占比例高于正面白色部分所占比例。從判別方法的角度來看，F(xiàn)isher判別法的正確率明顯高于距離判別法和Bayes判別法，而距離判別法和Bayes判別法的正確率差別不大，則在選擇判別方法上最好選擇Fisher判別法。綜上所述，在進行紙幣面額判別是，采集正面75萬像素的圖像，并用Fisher判別方法進行判別分析是正確率最高的判別方式。

5 結(jié)語

此套判別方法擁有較高的準確率和較簡單的程序編程，并且對傳感器和處理器等硬件設備的性能要求也不會太高，可以得到較為廣泛地應用?；赗GB三基色的判別方式，在保證自身環(huán)境穩(wěn)定的情況下，對外界環(huán)境沒有太大要求，可以在多種時間，多種場地上進行紙幣的識別。

參考文獻：

[1]張國華，梁中華.一種基于模板匹配的人民幣紙幣面額識別方法[J].沈陽工業(yè)大學學報，2005，27（04）：339442

[2]于福洋，劉佳，張偉東. RGB色彩模式的數(shù)字化定義[J].網(wǎng)絡與信息，2008，（9）：7071

[3]黃國祥.RGB顏色空間及其應用研究[D]：[博士學位論文].湖南：中南大學，2002.

[4]杜珊珊.基于像素的海量數(shù)據(jù)可視化研究[D].河北：燕山大學，2012.

[5]卓金武.Matlab在數(shù)學建模中的應用[B].第2版.

[6]司守奎，孫兆亮.數(shù)學算法與應用[B].第2版.

項目資助：福建省大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目“錢幣智能分類——清點——整理一體機（項目編號：201510389065）”

作者簡介：施嘉佳（1995），女，福建寧德人，福建農(nóng)林大學交通運輸專業(yè)2014級本科在讀，研究方向：機械電子。