基于OpenCV的人民币紫外光图像的处理与识别
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1. 绪论 | 第9-13页 |
| 1.1 引言 | 第9-10页 |
| 1.2 课题研究背景及意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 本文主要研究工作及章节安排 | 第12-13页 |
| 2. 编程实现的软件平台 | 第13-16页 |
| 2.1 Visual Studio 2012 | 第13-14页 |
| 2.2 Matlab工具箱 | 第14页 |
| 2.3 OpenCV函数库 | 第14-16页 |
| 3. 图像预处理 | 第16-33页 |
| 3.1 图像去噪 | 第16-21页 |
| 3.1.1 均值滤波 | 第18-19页 |
| 3.1.2 高斯滤波 | 第19-20页 |
| 3.1.3 中值滤波 | 第20-21页 |
| 3.2 图像增强 | 第21-23页 |
| 3.2.1 线性点操作 | 第21-22页 |
| 3.2.2 直方图均衡化 | 第22-23页 |
| 3.3 图像二值化 | 第23-24页 |
| 3.4 图像的边缘检测 | 第24-28页 |
| 3.4.1 基本边缘检测方法 | 第24-26页 |
| 3.4.2 LoG边缘检测算子 | 第26页 |
| 3.4.3 Canny边缘检测算子 | 第26-28页 |
| 3.5 图像的倾斜校正 | 第28-33页 |
| 3.5.1 基于Hough变换的直线检测 | 第29-31页 |
| 3.5.2 基于最小包围矩形的轮廓提取 | 第31-33页 |
| 4. 人民币紫外光图像的面额面向识别 | 第33-40页 |
| 4.1 紫外光图像的面额识别 | 第33-37页 |
| 4.1.1 尺寸识别算法 | 第33-34页 |
| 4.1.2 特征区域识别算法 | 第34页 |
| 4.1.3 本文采用的面额识别算法 | 第34-37页 |
| 4.2 紫外光图像的面向识别 | 第37-40页 |
| 5. 紫外光图像的真伪识别 | 第40-48页 |
| 5.1 人民币紫外光图像的特征提取与识别 | 第40-48页 |
| 5.1.1 基于模板匹配的数字特征识别 | 第41-43页 |
| 5.1.2 二维Gabor滤波器 | 第43-44页 |
| 5.1.3 基于Gabor滤波器的纹理特征识别 | 第44-48页 |
| 6. 总结与展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 附录A 倾斜校正的代码实现 | 第51-54页 |
| 附录B 面向识别的代码实现 | 第54-57页 |
| 附录C Gabor变换纹理识别的部分代码实现 | 第57-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |
