| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-13页 |
| 1.1 课题研究的背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要研究工作和内容 | 第11-13页 |
| 2 纸币图像预处理 | 第13-23页 |
| 2.1 引言 | 第13-14页 |
| 2.2 纸币图像二值化 | 第14-16页 |
| 2.3 基于直方图均衡化的纸币图像增强 | 第16-17页 |
| 2.4 基于霍夫变换的纸币边界线检测 | 第17-19页 |
| 2.5 纸币倾斜校正和区域提取 | 第19-20页 |
| 2.6 使用双线性插值进行纸币图像尺度归一化 | 第20-22页 |
| 2.7 小结 | 第22-23页 |
| 3 纸币面值面向识别 | 第23-41页 |
| 3.1 引言 | 第23-25页 |
| 3.2 常见纸币面值识别方法 | 第25-26页 |
| 3.2.1 纸币面积识别法 | 第25页 |
| 3.2.2 宽度识别法 | 第25页 |
| 3.2.3 金属线长度识别法 | 第25页 |
| 3.2.4 神经网络识别法 | 第25-26页 |
| 3.2.5 根据面值数字识别 | 第26页 |
| 3.3 根据长度范围对纸币面值进行快速识别 | 第26-27页 |
| 3.4 基于彩色图像色差公式的纸币面值识别 | 第27-34页 |
| 3.4.1 颜色模型及色差公式 | 第28-30页 |
| 3.4.2 基于彩色图像色差公式的纸币面值识别 | 第30页 |
| 3.4.3 高分辨率下彩色图像实验及分析 | 第30-31页 |
| 3.4.4 低分辨率下彩色图像实验及分析 | 第31-33页 |
| 3.4.5 低分辨率下纸币彩色图像面值识别算法改进 | 第33页 |
| 3.4.6 改进后实验及数据分析 | 第33-34页 |
| 3.5 基于支持向量机的纸币面向识别 | 第34-40页 |
| 3.5.1 纸币图像网格特征提取 | 第34-35页 |
| 3.5.2 特征值归一化 | 第35页 |
| 3.5.3 支持向量机 | 第35-38页 |
| 3.5.4 SVM面向识别实验结果和分析 | 第38-40页 |
| 3.6 小结 | 第40-41页 |
| 4 纸币新旧识别和残损涂污识别 | 第41-51页 |
| 4.1 引言 | 第41-42页 |
| 4.2 基于边缘强度直方图的纸币新旧快速识别算法 | 第42-47页 |
| 4.2.1 纸币边缘特征提取 | 第42页 |
| 4.2.2 边缘强度均值以及直方图相关系数计算 | 第42-43页 |
| 4.2.3 新旧识别算法原理 | 第43-44页 |
| 4.2.4 新旧识别实验结果与分析 | 第44-47页 |
| 4.3 纸币残损识别 | 第47-48页 |
| 4.4 纸币涂污识别 | 第48-50页 |
| 4.4.1 涂污识别原理 | 第48-49页 |
| 4.4.2 涂污识别实验及分析 | 第49-50页 |
| 4.5 小结 | 第50-51页 |
| 5 纸币冠字号码识别 | 第51-58页 |
| 5.1 引言 | 第51页 |
| 5.2 纸币冠字号码区域提取 | 第51-52页 |
| 5.3 基于水平投影的冠字号码区域上下边界检测 | 第52页 |
| 5.4 基于垂直投影的纸币冠字号码字符切割 | 第52-53页 |
| 5.5 基于K近邻法的纸币冠字号码识别 | 第53-56页 |
| 5.5.1 K近邻法介绍 | 第53-55页 |
| 5.5.2 字符特征提取 | 第55页 |
| 5.5.3 实验及数据分析 | 第55-56页 |
| 5.6 小结 | 第56-58页 |
| 6 图像清分在线调试子系统设计与实现 | 第58-65页 |
| 6.1 引言 | 第58页 |
| 6.2 在线调试子系统总体设计 | 第58-61页 |
| 6.2.1 硬件结构 | 第58-60页 |
| 6.2.2 软件结构 | 第60-61页 |
| 6.2.3 图像采集格式 | 第61页 |
| 6.3 在线调试子系统实现 | 第61-64页 |
| 6.4 小结 | 第64-65页 |
| 7 总结与展望 | 第65-67页 |
| 7.1 研究总结 | 第65-66页 |
| 7.2 存在的问题 | 第66页 |
| 7.3 展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |