《表1 我们采用的CNN结构(单位:像素)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于卷积神经网络的纸币脏污识别方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过CIS获得每张纸币在不同光照条件下的10幅原始图像，如图2所示．原始图像采集完成后，如何提取纸币的数据是一个关键问题．首先，需要把原始图像中的纸币图像与背景分离．提取纸币图像通常可以使用Huogh直线检测算法[10]或角点检测算法[11]．本文采用的方法是先从上向下等间隔的通过直线扫描的方式对图像进行检测．当检测到图像梯度发生较大变化时，记录该点的位置．从上向下扫描结束后，会得到所有上边界检测点的位置．为了避免纸币边缘存在缺失会对纸币的轮廓提取产生影响，需要去除掉差异较大的像素点，同时还需要去除掉未检测到纸币边界的点．最后对剩余的点进行最小二乘法直线拟合，这样就会得到纸币图像的上边缘直线方程．使用相同的方法，我们也可以得到纸币图像的下边缘直线方程．把上下边缘的两条直线方程相加，就会得到经过纸币中心点并且平行于纸币上下边缘的直线方程．再等间隔的取平行于这条直线的一些直线，分别对图像的左右方向进行检测，就会得到左右直线的检测点．同样经过滤波和最小二乘法直线拟合就会得到纸币图像的左右直线方程．把左右边缘的两条直线方程相加，就会得到经过纸币中心并且平行于纸币左右边缘的直线方程．