【技术实现步骤摘要】
本专利技术涉及图像信息处理，具体涉及一种纸币图像的失真判别方法和装置。
技术介绍
1、“失真”指图像特征难以辨别。目前，常用的失真判别方法有以下三种：
2、方法1、在大量预设的目标区域对待识别纸币图像和原始纸币图像的特征值分别进行数学变换，从而得到失真判别结果，具体来说，即分别将待识别纸币图像的特征和原始纸币图像的特征进行变换，通过该变换判断待识别纸币图像、原始图之间的差别，从而进行失真判别。这种方法的缺陷是：需要预设很多个目标区域才可以较为准确地实现失真识别，计算量大。
3、方法2、通过计算相似度判断失真情况。近年来关于特征之间的相似度计算方面的研究方法有不少，例如md5值算法（message-digest algorithm 5，信息-摘要算法）、直方图相似法、感知哈希相似法以及均值哈希相似法，但这些算法对图像大小的要求较为严格，并且，经实验证明这几个方法在背景较为复杂的纸币图像中失真判别的误差较大。
4、方法3、此外，人们还常用在深度学习网络验证指标的lpips（learned perceptualimage patch similarity）算法计算相似度，该方法接近人类实际感知，计算相似度的精确性有一定提升，但计算量大。
技术实现思路
1、基于此，本专利技术的目的在于提供一种纸币图像的失真判别方法和装置，以适用于识别背景较为复杂的纸币图像的失真情况，并且，本技术通用性更强、计算量更小、稳定性更高。
2、第一方面，本专利技术实
3、进一步地，s1包括：s11：对每张第一样本纸币的正、反面用多种不同的光线进行处理，得到红光正图、红光反图、绿光正图、绿光反图、蓝光正图和蓝光反图；s12：将第一样本纸币的所有的红光正图的失真区域进行整合，得到红光目标区域集locationrz，其中，失真区域为矩形，用左下角、右上角两个坐标表示，红光正图的失真区域的数量为m；s13：分别对第一样本纸币的红光反图、绿光正图、绿光反图、蓝光正图和蓝光反图执行s12相同的步骤，分别得到locationrf、locationgz、locationgf、locationbz、locationbf；s14：保存locationrz、locationrf、locationgz、locationgf、locationbz、locationbf中存储的失真区域的数量最多的x个目标区域集，并确认每个目标区域集对应的图像类型，定义为目标图像类型；s15：基于x个目标图像类型，计算任意两张第二样本纸币图像之间的信噪比，得到x组第一拟标准图像；s16：基于x个目标图像类型，计算任意两张第二样本纸币图像之间的整图相似度，得到x组第二拟标准图像；s17：计算每一个目标图像类型对应的2张第一拟标准图像和2张第二拟标准图像共四张第二样本纸币图像的任意两张之间的整图相似度，将最小整图相似度对应的2张第二样本纸币图像定义为resultp，其中，标准图像为resultp中的任意一张；s18：基于m个失真区域，计算resultp中两张第二样本纸币图像之间的标准特征结构相似度，其中，每组resultp对应m个标准特征结构相似度。
4、进一步地，s12包括：s121：预设q个重点关注区域；s122：对于任意一张第一样本纸币的红光正图，人工确定所述第一样本纸币的红光正图的重点关注区域是否为拟失真区域；s123：若任意一个重点关注区域被确认为拟失真区域的次数大于预设的阈值，则所述重点关注区域确认为失真区域；s124：记录所有失真区域的左下角、右上角的坐标，得到红光目标区域集locationrz。
5、进一步地，若目标图像类型分别为红光反图、蓝光正图、蓝光反图；s15包括：s151：对每张第二样本纸币用红光处理反面，得到p张红光反图，其中，第二样本纸币有p张；s152：计算任意两张第二样本纸币的红光反图之间的信噪比，得到个信噪比；s153：将最小的信噪比对应的两张第二样本纸币图像作为第一拟标准图像；s154：对每张第二样本纸币用蓝光处理正面得到p张蓝光正图、用蓝光处理反面得到p张蓝光反图；对p张蓝光正图、p张蓝光反图重复执行s152、s153，即可得到多组第一拟标准图像，每组中有两张第二样本纸币图像。
6、进一步地，s152中计算信噪比的方法为：
7、；其中，m、n为第二样本纸币的宽和高，i为第二样本纸币的灰度图矩阵，k为第二样本纸币的噪声图矩阵，mse为均方误差；
8、；其中，为第二样本纸币的灰度图的像素值最大值，psnr为信噪比。
9、进一步地，s16包括：依次分别计算任意两张第二样本纸币的红光反图、任意两张第二样本纸币的蓝光正图、任意两张第二样本纸币的蓝光反图之间的整图相似度，分别取最大的整图相似度对应的两张纸币图像，得到三组第二拟标准图像，每组中有两张第二样本纸币图像。
10、进一步地，s3包括：分别计算标准图像的红光反图与待识别纸币的红光反图、标准图像的蓝光正图与待识别纸币的蓝光正图、标准图像的蓝光反图与待识别纸币的蓝光反图之间的待识别特征结构相似度，则每张对比图像与对应的标准图像计算得到m个待识别特征结构相似度。
11、进一步地，待识别纸币为局部失真纸币或非失真纸币。
12、进一步地，第一样本纸币的失真程度远远高于第二样本纸币。
13、第二方面，本专利技术实施例提供一种纸币图像的失真判别装置，所述失真判别装置包括：模型训练模块，用于根据大量的第一样本纸币和第二样本纸币建立失真识别模型，其中，所述失真识别模型中存储有x张标准图像和标准特征结构相似度；每张标准图像对应一种标准图像类型，每张标准图像对应m个标准特征结构相似度；待识别纸币处理模块，用于基于标准图像的标准图像类型处理待识别纸币得到x张对比图像；相似度计算模块，用于分别计算x张对比图像与对应的x张标准图像之间的待识别特征结构相似度，其中，每张对比图像与其对应的标准图像之间有m个待识别特征结构相似度；比较模块，用于若任意一个待识别特征结构相似度大于对应的标准特征结构相似度，则所述待识别纸币为非失真纸币，否则，所述待识别纸币为局部失真纸币。
14、本专利技术实施例的有益效果：
15、本专利技术提供一种纸币图像的失真判别方法和装置，包括：s1：根据第一样本本文档来自技高网...
【技术保护点】
1.一种纸币图像的失真判别方法，其特征在于，所述失真判别方法包括：
2.根据权利要求1所述的纸币图像的失真判别方法，其特征在于，S1包括：
3.根据权利要求2所述的纸币图像的失真判别方法，其特征在于，S12包括：
4.根据权利要求3所述的纸币图像的失真判别方法，若目标图像类型分别为红光反图、蓝光正图、蓝光反图；其特征在于，S15包括：
5.根据权利要求4所述的纸币图像的失真判别方法，其特征在于，S152中计算信噪比的方法为：
6.根据权利要求5所述的纸币图像的失真判别方法，其特征在于，S16包括：依次分别计算任意两张第二样本纸币的红光反图、任意两张第二样本纸币的蓝光正图、任意两张第二样本纸币的蓝光反图之间的整图相似度，分别取最大的整图相似度对应的两张纸币图像，得到三组第二拟标准图像，每组中有两张第二样本纸币图像。
7.根据权利要求6所述的纸币图像的失真判别方法，其特征在于，S3包括：
8.根据权利要求1所述的纸币图像的失真判别方法，其特征在于，待识别纸币为局部失真纸币或非失真纸币。
9
10.一种纸币图像的失真判别装置，其特征在于，所述失真判别装置包括：
...【技术特征摘要】
1.一种纸币图像的失真判别方法，其特征在于，所述失真判别方法包括：
2.根据权利要求1所述的纸币图像的失真判别方法，其特征在于，s1包括：
3.根据权利要求2所述的纸币图像的失真判别方法，其特征在于，s12包括：
4.根据权利要求3所述的纸币图像的失真判别方法，若目标图像类型分别为红光反图、蓝光正图、蓝光反图；其特征在于，s15包括：
5.根据权利要求4所述的纸币图像的失真判别方法，其特征在于，s152中计算信噪比的方法为：
6.根据权利要求5所述的纸币图像的失真判别方法，其特征在于，s16包括：依次分别计算任意两张第二样本...
【专利技术属性】
技术研发人员：冯国徽，江浩然，张雪晶，王艳荣，赵津津，刘贯伟，
申请(专利权)人：恒银金融科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。