纸币识别及红外鉴伪技术的研究
| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1. 绪论 | 第10-14页 |
| ·引言 | 第10页 |
| ·课题背景及研究意义 | 第10-12页 |
| ·课题研究背景 | 第10-11页 |
| ·课题研究意义 | 第11-12页 |
| ·纸币识别的研究现状 | 第12页 |
| ·本文主要工作 | 第12-14页 |
| 2. 图像预处理 | 第14-34页 |
| ·纸币的非均匀性校正 | 第14-18页 |
| ·CIS 非均匀性校正算法介绍 | 第14-15页 |
| ·CIS 非均匀性点校正算法 | 第15-18页 |
| ·纸币图像滤波 | 第18-22页 |
| ·常见噪声及评价方法 | 第19-20页 |
| ·纸币图像滤波方法介绍 | 第20-21页 |
| ·图像滤波算法对比 | 第21-22页 |
| ·图像的边缘检测 | 第22-24页 |
| ·图像的边缘检测算法介绍 | 第22-23页 |
| ·Sobel 算子 | 第23-24页 |
| ·倾斜校正 | 第24-32页 |
| ·基于 Hough 变换的倾斜角度校正 | 第25-28页 |
| ·基于空间变换的倾斜校正 | 第28-31页 |
| ·倾斜角度校正算法对比 | 第31-32页 |
| ·小结 | 第32-34页 |
| 3.纸币特征提取 | 第34-42页 |
| ·主元分析法 | 第34-38页 |
| ·主元分析算法 | 第34-36页 |
| ·主元分析应用 | 第36-38页 |
| ·非负矩阵分解 | 第38-40页 |
| ·方法对比 | 第40页 |
| ·小结 | 第40-42页 |
| 4. 统计模式识别分类器设计 | 第42-51页 |
| ·贝叶斯分类器 | 第42-44页 |
| ·最小错误贝叶斯分类器 | 第43-44页 |
| ·最小风险贝叶斯分类器 | 第44页 |
| ·分类器选择 | 第44页 |
| ·高斯混合模型 GMM | 第44-48页 |
| ·模型的参数初始化 | 第46-47页 |
| ·Em 算法的含义 | 第47-48页 |
| ·高斯分量个数的确定 | 第48页 |
| ·高斯混合模型应用 | 第48-49页 |
| ·小结 | 第49-51页 |
| 5. 多国纸币红外鉴伪 | 第51-56页 |
| ·红外特征 | 第51-52页 |
| ·模板匹配鉴伪 | 第52-54页 |
| ·算法选择 | 第54-55页 |
| ·小结 | 第55-56页 |
| 6.总结和展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62-63页 |
