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三基色并將其參數化，然后將待識別紙幣的參數化數據與采樣紙幣的參數化數據進行判別分析，將分析結果歸類進預先整理的存儲結果中，即可得到待檢測紙幣的面值。實驗結果表明，此方法的正確率可達84.6%以上，是一種與傳統方法相比更加快速有效的識別方法。

關鍵詞：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數據采樣的基本原理和方法

1.1 RGB數據采樣的基本原理

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，產生灰色陰影。

1.2 RGB數據采樣的基本方法[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據紙幣進行RGB采樣值得提取，得到一份有多個數據矩陣的觀測值數據，并以此數據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計方法。其主要針對所屬問題中的判別問題，亦是在統計問題所屬范疇內。因此，判別問題用統計的語言來表述，就是已有q個總體X1，X2，...，Xq，他們的分布函數分別為F1（x），F2（x），...，Fq（x），每個Fi（x）都是p維函數。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據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計推斷。

3 采樣數據和試驗結果

3.1 采樣數據

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參數值，這樣就得到了一套觀測指標。

3.2 試驗過程及試驗結果

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參數值，將得到的每組參數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，即可得到判別結果。

4 結論及方法準確率分析

根據判別結果顯示（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，Fisher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。基于RGB三基色的判別方式，在保證自身環境穩定的情況下，對外界環境沒有太大要求，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].沈陽工業大學學報，2005，27（04）：339442

[2]于福洋，劉佳，張偉東. RGB色彩模式的數字化定義[J].網絡與信息，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.基于像素的海量數據可視化研究[D].河北：燕山大學，2012.

[5]卓金武.Matlab在數學建模中的應用[B].第2版.

[6]司守奎，孫兆亮.數學算法與應用[B].第2版.

項目資助：福建省大學生創新創業訓練計劃項目“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，福建農林大學交通運輸專業2014級本科在讀，研究方向：機械電子。