一种基于机器学习的黑水印鉴别方法及系统技术方案

一种基于机器学习的黑水印鉴别方法及系统，所述方法包括：步骤1，提取待鉴别纸币透射图像的黑水印区域；步骤2，针对所述待鉴别纸币透射图像的黑水印区域，提取其LBP算子，作为待鉴别纸币的LBP算子；步骤3，将待鉴别纸币的LBP算子与黑水印的特征算子进行乘加运算，基于乘加运算结果判定待鉴别纸币黑水印区域的真假。本发明专利技术解决现有方法无法广泛适应不同的钞票及图像质量的问题，也解决检出不稳定且耗时多的问题。本发明专利技术在检出过程中，只需要采集目标区域图像，然后提取LBP算子，与已经训练好的特征算子进行乘加运算，判定待鉴别纸币黑水印区域的真假，本发明专利技术简单高效，且特征算子支持迭代训练和学习，扩展性极强。

【技术实现步骤摘要】
一种基于机器学习的黑水印鉴别方法及系统
本专利技术涉及纸币鉴伪领域，具体涉及一种基于机器学习的黑水印鉴别方法及系统。
技术介绍
金融安全是国家安全的重要组成部分，而人民币纸币的安全则是金融安全的重要一环。黑水印特征作为作为人民币上关键的一项鉴伪手段，承担着极其重要的作用。目前常规的图像处理方法，比如二值化、均值、直方图和方差等，均很难有效的对黑水印特征的有无进行检测。再加之钞票在流通之后，黑水印区域的成像的明暗差异很大，极大的增加了黑水印检出的难度。然而现阶段金融机具产品对点钞速度的要求与日俱增——普遍要求在900张/分钟以上，这就意味着在进行其他常规鉴伪之后，很难在极短的时间内完成对黑水印特征的检测。故当前市面上很多金融机具并不具备黑水印鉴别的能力，从而对纸币的安全造成极大隐患。专利技术专利申请(公开号CN107358716B)公开了一种黑水印识别方法、装置及终端设备，包括获取需识别黑水印的纸张对应的纸张图像；根据预设的滑动窗口定位所述纸张图像上的黑水印的位置；将定位的黑水印所对应的黑水印图像进行行投影和列投影；根据行投影和列投影后得到的值识别所述黑水印的真伪。通过上述方法，能够提高黑水印识别的精确度，但是使用滑窗对黑水印进行定位然后投影判别真假的方法，受限于图像质量(含污损等)及明暗亮度的变化，检出并不稳定，且误报较高，另外滑窗遍历的方法耗时也较大。
技术实现思路
鉴于现有技术中存在的技术缺陷和技术弊端，本专利技术实施例提供克服上述问题或者至少部分地解决上述问题的一种基于机器学习的黑水印鉴别方法及系统，具体方案如下：作为本专利技术的第一方面，提供一种基于机器学习的黑水印鉴别方法，其所述方法包括：步骤1，提取待鉴别纸币透射图像的黑水印区域；步骤2，针对所述待鉴别纸币透射图像的黑水印区域，提取其LBP(局部二值模式)算子，作为待鉴别纸币的LBP算子；步骤3，将待鉴别纸币的LBP算子与黑水印的特征算子进行乘加运算，基于乘加运算结果判定待鉴别纸币黑水印区域的真假。进一步地，所述方法还包括：获取所述黑水印的特征算子，具体为：提取多个真币透射图像的黑水印区域，作为正样本集，提取多个没有黑水印特征的假币透射图像的对应区域，作为负样本集；提取所有正样本和负样本的LBP算子，基于所有正样本的LBP算子和所有负样本的LBP算子，使用机器学习方法SVM(支持向量机)训练得到特征算子，即黑水印的特征算子。进一步地，步骤2还包括：在提取待鉴别纸币的LBP算子之前，对待鉴别纸币透射图像的黑水印区域进行高斯滤波，以消除待鉴别纸币透射图像黑水印区域的噪声影响。进一步地，所述方法还包括：在提取样本的LBP算子之前，对样本进行高斯滤波消除，以消除样本的噪声影响。进一步地，所述方法还包括：在提取LBP算子后，采用等价模式对原始LBP算子的模式种类进行降维。作为本专利技术的第二方面，提供一种基于机器学习的黑水印鉴别系统，所述系统包括区域提取模块、LBP算子提取模块和计算模块；所述区域提取模块用于提取待鉴别纸币透射图像的黑水印区域；所述LBP算子用于针对所述待鉴别纸币透射图像的黑水印区域，提取其LBP算子，作为待鉴别纸币的LBP算子；所述计算模块用于将待鉴别纸币的LBP算子与黑水印的特征算子进行乘加运算，基于乘加运算结果判定待鉴别纸币黑水印区域的真假。进一步地，所述特征算子获取模块用于获取所述黑水印的特征算子，具体为：提取多个真币透射图像的黑水印区域，作为正样本集，提取多个没有黑水印特征的假币透射图像的对应区域，作为负样本集；提取所有正样本和负样本的LBP算子，基于所有正样本的LBP算子和所有负样本的LBP算子，使用机器学习方法SVM(支持向量机)训练得到特征算子，即黑水印的特征算子。进一步地，所述系统还包括第一滤波模块，所述第一滤波模块用于在提取LBP算子之前，对待鉴别纸币透射图像的黑水印区域进行高斯滤波，以消除待鉴别纸币透射图像黑水印区域的噪声影响。进一步地，所述系统还包括第二滤波模块，所述第二滤波模块用于在提取正样本和负样本的LBP算子之前，对正样本和负样本进行高斯滤波消除，以消除样本的噪声影响。进一步地，所述系统还包括降维模块，所述降维模块用于在提取LBP算子后，采用等价模式对原始LBP算子的模式种类进行降维。本专利技术具有以下有益效果：本专利技术解决现有方法无法广泛适应不同的钞票及图像质量的问题，也解决检出不稳定且耗时多的问题。本专利技术在检出过程中，只需要采集目标区域图像，然后提取LBP算子，与已经训练好的特征算子进行乘加运算，判定待鉴别纸币黑水印区域的真假。本专利技术简单高效，且特征算子支持迭代训练和学习，扩展性极强。附图说明图1为本专利技术实施例提供的基于机器学习的黑水印鉴别方法流程图；图2为本专利技术实施例提供的15版100元纸币的透射图像示意图；图3为本专利技术实施例提供的提取的透射图像的黑水印区域；图4为本专利技术实施例提供的进行高斯滤波的黑水印区域；图5为本专利技术实施例提供的LBP算子提取原理示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。如图1所示，作为本专利技术的第一实施例，提供一种基于机器学习的黑水印鉴别方法，所述方法包括：步骤1，在金融机具一端，提取当前采集的待鉴别纸币透射图像的黑水印区域，对提取的黑水印区域进行高斯滤波消除某些噪声的影响；步骤2，针对所述待鉴别纸币透射图像的黑水印区域，提取其LBP算子，即待鉴别纸币的LBP算子；步骤3，使用SVM方法训练得到黑水印的特征算子，此过程在上位机上完成，然后将当前待鉴别纸币的LBP算子与SVM方法训练得到的黑水印的特征算子进行乘加运算，即可快速得到黑水印的鉴伪结果。其中，不同的光谱照射下会得到不同的图像，比如使用单色的红光来照射纸币，此时采集得到的就是红通道图像；而透射图像，则是使用高强度的红外光来照射图像，在图像的另外一面来获取图像，此时则称之为透射图像。其中，进行乘加运算后可以得到负和非负两种结果，我们根据结果的符号来将结果进行分类，例如，根据学习模型，得分为负则对应负样本，即为假币，得分为正则对应正样本，即为真币。其中，获取所述黑水印的特征算子具体为：提取多个真币透射图像的黑水印区域，作为正样本集，提取多个没有黑水印特征的假币透射图像的对应区域，作为负样本集；提取所有样本的LBP算子，基于所有样本的LBP算子，使用机器学习方法SVM(支持向量机)训练得到特征算子，即黑水印的特征算子。其中，在提取当前待鉴别纸币的LBP算子和样本的LBP算子之前，均会进行高斯滤波消除，以消除样本的噪声影响。其本文档来自技高网...

【技术保护点】
1.一种基于机器学习的黑水印鉴别方法，其特征在于，所述方法包括：/n步骤1，提取待鉴别纸币透射图像的黑水印区域；/n步骤2，针对所述待鉴别纸币透射图像的黑水印区域，提取其LBP算子，作为待鉴别纸币的LBP算子；/n步骤3，将待鉴别纸币的LBP算子与黑水印的特征算子进行乘加运算，基于乘加运算结果判定待鉴别纸币黑水印区域的真假。/n

【技术特征摘要】
1.一种基于机器学习的黑水印鉴别方法，其特征在于，所述方法包括：
步骤1，提取待鉴别纸币透射图像的黑水印区域；
步骤2，针对所述待鉴别纸币透射图像的黑水印区域，提取其LBP算子，作为待鉴别纸币的LBP算子；
步骤3，将待鉴别纸币的LBP算子与黑水印的特征算子进行乘加运算，基于乘加运算结果判定待鉴别纸币黑水印区域的真假。


2.根据权利要求1所述的基于机器学习的黑水印鉴别方法，其特征在于，所述方法还包括：获取所述黑水印的特征算子，具体为：
提取多个真币透射图像的黑水印区域，作为正样本集，提取多个没有黑水印特征的假币透射图像的对应区域，作为负样本集；
提取所有正样本和负样本的LBP算子，基于所有正样本的LBP算子和所有负样本的LBP算子，使用机器学习方法SVM(支持向量机)训练得到特征算子，即黑水印的特征算子。


3.根据权利要求1所述的基于机器学习的黑水印鉴别方法，其特征在于，步骤2还包括：在提取LBP算子之前，对待鉴别纸币透射图像的黑水印区域进行高斯滤波，以消除待鉴别纸币透射图像黑水印区域的噪声影响。


4.根据权利要求2所述的基于机器学习的黑水印鉴别方法，其特征在于，所述方法还包括：在提取正样本和负样本的LBP算子之前，对正样本和负样本进行高斯滤波消除，以消除样本的噪声影响。


5.根据权利要求1所述的基于机器学习的黑水印鉴别方法，其特征在于，所述方法还包括：在提取LBP算子后，采用等价模式对原始LBP算子的模式种类进行降维。


6.一种基于机器学习的黑水印鉴别系统，其特征在于，所述系统包括区域提取模块...

【专利技术属性】
技术研发人员：王辉，黄炎，
申请(专利权)人：武汉卓目科技有限公司，
类型：发明
国别省市：湖北;42