| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 纸币图像特征提取与分类识别 | 第11-12页 |
| 1.2.2 纸币污损检测技术的研究现状 | 第12-13页 |
| 1.3 论文主要研究内容 | 第13-14页 |
| 2 基于灰度组合特征的多国纸币识别 | 第14-41页 |
| 2.1 现有系统的算法分析 | 第14-15页 |
| 2.2 基于特征的纸币图像识别 | 第15-20页 |
| 2.2.1 网格特征 | 第15-16页 |
| 2.2.2 局部二值模式(LBP)特征 | 第16-19页 |
| 2.2.3 Gabor特征 | 第19-20页 |
| 2.3 灰度组合特征 | 第20-28页 |
| 2.3.1 特征提取 | 第21-24页 |
| 2.3.2 基于χ2统计量的多元正态性检验 | 第24-27页 |
| 2.3.3 可分性评价 | 第27-28页 |
| 2.4 分类器的设计 | 第28-40页 |
| 2.4.1 贝叶斯分类器 | 第29-31页 |
| 2.4.2 BP神经网络 | 第31-34页 |
| 2.4.3 K最近邻分类器 | 第34-35页 |
| 2.4.4 实验结果与分析 | 第35-40页 |
| 2.5 本章小结 | 第40-41页 |
| 3 基于随机生长模型的纸币退化模拟 | 第41-52页 |
| 3.1 纸币退化情况分析 | 第41-42页 |
| 3.2 基于纸币退化模型的纸币图像分析 | 第42-45页 |
| 3.3 纸币退化模拟 | 第45-50页 |
| 3.3.1 随机生长模型 | 第45-49页 |
| 3.3.2 纸币退化模拟测试 | 第49-50页 |
| 3.4 本章小结 | 第50-52页 |
| 4 纸币涂鸦检测 | 第52-75页 |
| 4.1 基于图像匹配的纸币涂鸦检测 | 第52-56页 |
| 4.1.1 基于块匹配的图像配准 | 第52-54页 |
| 4.1.2 基于搜索最小灰度差值的涂鸦检测 | 第54-56页 |
| 4.2 基于边缘特征的纸币涂鸦检测 | 第56-60页 |
| 4.2.1 边缘特征的提取 | 第57-59页 |
| 4.2.2 利用边缘特征的涂鸦检测 | 第59-60页 |
| 4.3 基于均匀性特征的涂鸦检测 | 第60-63页 |
| 4.3.1 均匀性特征的提取 | 第60-62页 |
| 4.3.2 利用均匀性特征的涂鸦检测 | 第62-63页 |
| 4.4 基于Haar滤波的涂鸦检测 | 第63-73页 |
| 4.4.1 涂鸦特征的二维滤波器模型设计 | 第64-67页 |
| 4.4.2 二维高斯滤波器的Haar-Like近似 | 第67-70页 |
| 4.4.3 利用Haar滤波实现涂鸦检测 | 第70-73页 |
| 4.5 本章小结 | 第73-75页 |
| 5 总结与展望 | 第75-78页 |
| 5.1 全文总结 | 第75-76页 |
| 5.2 展望 | 第76-78页 |
| 参考文献 | 第78-80页 |