[发明专利]基于局部二值模式的欧元硬币国别识别方法

权利要求书

1.一种基于局部二值模式的欧元硬币国别识别方法，包括以下步骤：

步骤一：获取硬币的灰度图像，对获取的硬币图像提取待检测目标区域，并做尺寸归一化处理；

步骤二：将目标区域进行环状空间分解；

步骤三：提取每一个环状区域的统一旋转不变局部二值模式，并统计其直方图分布特征，然后按照从内环到外环的顺序进行组装，得到最终的硬币图像描述特征；

步骤四：利用支持向量机设计分类器，分别按不同币值设计多个分类器对不同币值的欧元硬币进行检测与识别。

2.根据权利要求1所述的基于局部二值模式的欧元硬币国别识别方法，其特征在于：所述步骤一具体步骤为

1-1：采用同轴光照明方案，获取欧元硬币的灰度图像I；

1-2：根据背景灰度值确定阈值th，令

其中I_BW为分割后的图像，I(x，y)为I中坐标(x，y)的像素值；

1-3：将二值图像I_BW用大小为10×10像素的均值滤波器进行滤波计算，随后使用孔洞填充操作；

填充过程公式如下

其中X表示被填充的所有孔洞，迭代k次时结束，表示膨胀操作，B为对应的结构元素，A^C表示孔洞区域的取反；

1-4：滤波后的二值图像用半径为10像素的圆形结构元素进行腐蚀操作后，得到掩膜图像M，通过掩膜图像M计算出目标区域面积S、中心O与半径R；计算公式如下：

式中m，n为M的边长，O_x，O_y为O的坐标，表示M(x，y)值为1的x和y坐标值；

1-5：将掩膜图像M与原图I进行掩膜计算，得到目标区域图像I^*，表示为I^*＝I.*M，其中.*为点乘算子；

1-6：在I^*中以O为中心，2*R为边长提取正方形区域，并将其归一化为200×200像素大小的图像I_ROI。

3.根据权利要求2所述的基于局部二值模式的欧元硬币国别识别方法，其特征在于：所述步骤二具体步骤为：在200×200的区域中，以点(100，100)作为圆心，重叠地生成W＝24个等面积的圆环模板Ψ_i，其中第i个圆环半径范围为其中

4.根据权利要求3所述的基于局部二值模式的欧元硬币国别识别方法，其特征在于：所述步骤三具体步骤为：

3-1：将每个圆环模板Ψ_i与原图I进行掩膜处理，得到环形图像区域I_i，I_i＝I.*Ψ_i；

3-2：在I_i中以每个像素点为中心，选择半径r处的P个邻域，对P个邻域的灰度值g_p与该点灰度值g_c作比较，并做二值化处理得到与g_p对应邻域点的值S_p，计算如下：

3-3：选取某一邻域点为起始点，按顺时针方向组成当前像素点的纹理描述T＝[S₁ S₂S₃ S₄ S₅ S₆ S₇ S₈]，随后通过下式计算U值，U值为纹理T一个移位周期内值的变化次数

3-4：将U>2的点划分为模式值P+1，对U≤2的点计算统一旋转不变模式计算公式如下，

3-5：对第i个环状空间的模式值作直方图统计H_i，按照从内环到外环的顺序进行组装，得到最终的硬币图像描述特征F＝[H₁ H₂ H₃，...，H₂₄]。

5.根据权利要求4所述的基于局部二值模式的欧元硬币国别识别方法，其特征在于：所述步骤四具体步骤为：

4-1：使用支持向量机进行分类器设计，其中支持向量机的核函数选用线性核函数；

4-2：采用面积S作为特征，区分2欧、1欧、50欧分、20欧分、10欧分共5种不同币值的欧元硬币；

4-3：采用最终提取的图像描述特征F，对不同币值的欧元硬币分别选取足够的训练样本学习得到5个支持向量机分类器；

4-4：利用训练好的支持向量机分类器对待检测欧元硬币图像进行检测与识别。