[发明专利]一种基于图像指纹的多国纸币冠字号字符识别方法

权利要求书

1.一种基于图像指纹的多国纸币冠字号字符识别方法，其特征在于：包括以下几个步骤：

步骤1：利用多国纸币冠字号字符图片的模板集和样本集生成训练样本数据；

步骤2：构建基于SVM分类器的分类模型，并利用训练样本数据对分类模型进行训练；

步骤3：利用训练好的分类模型对待处理纸币图片进行预测，识别冠字号字符；

所述步骤1中生成训练样本数据的具体步骤是：

步骤1.1：利用感知哈希算法提取模板集中所有纸币冠字号字符图片的指纹字符串；

步骤1.2：对样本集中第j张纸币冠字号字符图片，利用感知哈希算法提取其指纹字符串，并与模板集中第i个字符模板的P_i张纸币冠字号字符图片对应的指纹字符串分别进行相似度对比，得到P_i个汉明距离，将这P_i个汉明距离的均值作为第j张纸币冠字号字符图片指纹字符串的一个特征值，并给特征值加入对应冠字号字符模板的标签；

步骤1.3：对样本集中第j张纸币冠字号字符图片和模板集中剩余的35个字符模板的纸币冠字号字符图片，重复步骤1.2，共得到样本集中第j张纸币冠字号字符图片对应的36个特征值；

步骤1.4：对样本集中A张纸币冠字号字符图片，重复步骤1.2-1.3，生成A个训练样本数据，每个训练样本数据有36个特征值。

2.根据权利要求1所述的基于图像指纹的多国纸币冠字号字符识别方法，其特征在于：所述步骤1中模板集包含36个字符模板图片，分别为0-9，A-Z，其中第i个模板字符图片的数量为P_i；所述步骤1中的样本集是没有识别的A张不同国家冠字号字符图片的集合。

3.根据权利要求1所述的基于图像指纹的多国纸币冠字号字符识别方法，其特征在于：所述步骤1.1中感知哈希算法的具体过程是：首先将纸币冠字号字符图片缩小至8×8，并转换为64级灰度，然后将图片中每个像素点的灰度值与图片中所有像素点灰度值的平均值进行对比，大于平均值则取1，小于平均值则取0，所有像素点对比后的取值组成指纹字符串。

4.根据权利要求1所述的基于图像指纹的多国纸币冠字号字符识别方法，其特征在于：所述步骤1.2中汉明距离的计算公式为：

其中，S和T表示两张不同纸币冠字号字符图片的指纹字符串，D(S,T)表示指纹字符串S和T之间的汉明距离，L表示指纹字符串S和T的长度，S[z]表示指纹字符串S中第z个字符，表示异或操作。

5.根据权利要求1所述的基于图像指纹的多国纸币冠字号字符识别方法，其特征在于：所述步骤2中构建基于SVM分类器的分类模型并进行训练的具体方法是：

步骤2.1：设置SVM分类器，并通过输入不同参数，得到M个基础核函数；

步骤2.2：对M个基础核函数，设置T次AdaBoost线性组合，其中第m个基础函数在第t次线性组合中被选中的概率是S_t(m)，每个基础核函数在第1次线性组合中被选中的概率都设置为1；

步骤2.3：对第m个基础函数在第t+1次线性组合中被选中的概率S_t+1(m)进行更新，选中概率的更新公式如下：

其中，表示在第t次线性组合中第m个核函数组成的SVM分类器对于整个样本集的训练错误率，表示更新权重；

然后找出所有S_t+1(m)中的最大值Z^S，得到最终选中概率S_t+1(m)←S_t(m)/Z^S；

步骤2.4：将M个基础核函数中被选中的基础核函数通过AdaBoost加权组成MKBOOST多核分类器，其中第t个基础核函数在训练过程中的错误率为ε^t，则第t个分类器所占的权重为

步骤2.5：当步骤2.4中得到的MKBOOST多核分类器个数大于1时，将得到的MKBOOST多核分类器同样通过上述AdaBoost方法线性组合成分类能力更强的多核分类器。

6.根据权利要求1或2所述的基于图像指纹的多国纸币冠字号字符识别方法，其特征在于：所述步骤3中识别冠字号字符的具体方法是：

步骤3.1：利用感知哈希算法提取待处理纸币冠字号字符图片的指纹字符串；

步骤3.2：利用步骤1.2-1.3的方法，得到待处理纸币冠字号字符图片的N个特征值，并将最小汉明距离所对应的指纹字符串模板标号K记录下来；

步骤3.3：把特征值输入训练好的SVM分类器模型中，当计算到指纹字符串模板标号K时，对其到分类面的距离加入±1.5的偏差值，得出最终的识别结果。