[发明专利]基于稀疏表示的硬币图像识别方法

摘要

本发明涉及一种基于稀疏表示的硬币图像识别方法。现有的图像识别方法识别效果不好。本发明的具体步骤是：首先获得硬币正反面的灰度图像，进行预处理确定硬币区域，标准化硬币图像大小；将训练样本图像扩展成多个角度样本并筛选出最主要的训练样本，将测试硬币样本表达为训练样本集合的稀疏表示，求解最佳的稀疏系数矢量；重建测试硬币图像，利用重建误差确定硬币图像类别；然后利用稀疏系数矢量的统计特性鉴别硬币的真假。本发明无需提取具有旋转不变性的硬币表面特征即可识别硬币图像，方法实现简单。

主权项

1.基于稀疏表示的硬币图像识别方法，该方法识别的对象为第四套和第五套硬币，币值分别为一角、五角和一元，分为十类，如下表：  类别序号  类别信息  面值  第1类  第四套1角硬币正面图像  1角  第2类  第四套5角硬币正面图像  5角  第3类  第四套1元硬币正面图像  1元  第4类  第四套1角硬币反面图像  1角  第5类  第五套5角硬币正面图像  5角  第6类  第五套1角硬币反面图像  1角  第7类  第五套5角硬币反面图像  5角  第8类  第五套1元硬币反面图像  1元  第9类  第四套5角硬币反面与1元硬币反面  需进一步确定正面类别  第10类  第五套1角硬币正面与1元硬币正面  需进一步确定反面类别其特征在于该方法的具体步骤是：步骤(1)硬币图像预处理获取硬币正反面的灰度图像，利用边缘检测技术和Hough变换圆检测方法确定硬币区域，对硬币区域大小标准化，得到背景灰度值为0、硬币区域灰度值非0的硬币图像，图像大小为N×N，N＝2R，R为硬币区域半径；步骤(2)将测试硬币图像表达为训练样本集合的稀疏表示预处理后的硬币灰度图像表示为归一化向量v∈R^m(m＝N×N)；设硬币图像共n个训练样本，组成训练样本集矩阵A＝[v₁，...，v_n]＝[A₁，...，A₁₀]∈R^m×n，表示第i类硬币图像的n_i个训练样本构成的子矩阵；设测试图像y∈R^m是第i类硬币图像，其稀疏表示为：y＝Ax  (1)其中是一个稀疏矢量，其中是第i类硬币图像所对应的系数矢量；对第i类硬币图像的n_i个训练样本进行筛选，设其所构成的矩阵首先对第i类硬币图像中每个样本以角度Δφ为步长进行旋转，每个样本就扩展成p个角度样本，其中p＝int(360/Δφ+0.5)，则第i类训练样本个数由n_i个扩展到n_i×p个，相应地由于一旦获得测试图像y，其姿态就确定下来，y所处的姿态只与p个中的某几个角度样本相接近；然后采用n_i×p个训练样本的线性组合来表示y，则只有某些角度样本对测试图像y的线性表示作出了贡献，将其表示为：y＝A_iω_i  (2)ω_i(i＝1～10)表示稀疏的系数矢量；使m＜n_i×p，采用凸优化方法求解欠定方程：ω^i=argminωi:ωi≥0||ωi||1s.t.Aiωi=y---(3)]]>其中‖·‖₁是l₁-范数；选取中不为0的系数所对应的训练样本构成子矩阵其中是中不为0的系数个数，则得到重新构成的训练样本矩阵代入式(1)，获得的重新构成的训练样本矩阵A维数得到减少；使采用凸优化方法求解欠定方程：x^=argminx:x≥0||x||1s.t.Ax=y---(4)]]>求得最佳步骤(3)初步确定硬币图像面值定义函数δ_i：R^n′→R^n′，它只保留中第i类硬币图像所对应的系数，其余系数置为0，即：δi(x)=0···0xiT0···T∈Rn′---(5)]]>由式(5)重建测试样本重建误差具有最小误差所对应的类别i就是y的类别，其中‖·‖₂是l₂-范数；如果y的类别属于第1类到第8类中的任意一类，则初步确定硬币面值；如果属于第9类硬币图像，则进一步确定其正面图像的类别是否属于第2类或第3类，属于第2类或第3类则初步确定硬币面值，反之，则提示“异常硬币”；如果属于第10类硬币图像，则进一步确定其反面图像的类别是否属于第6类或第8类，属于第6类或第8类则初步确定硬币面值，反之，则提示“异常硬币”；步骤(4)鉴别假硬币，确定硬币面值，具体方法如下：thri=10×maxi||δi(x)||1/||x||1-110-1<τ---(6)]]>式(6)中thr_i∈[0，1]，τ为设定的阈值；如thr_i≥τ，该测试样本为真实硬币，则步骤(3)确定的面值即为硬币面值；如thr_i＜τ，该测试样本为假硬币。