大额人民币部分图像特征的自动鉴伪
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1. 绪论 | 第7-11页 |
| 1.1. 研究的背景和意义 | 第7-9页 |
| 1.1.1. 纸币防伪技术的特点与发展趋势 | 第7-8页 |
| 1.1.2. 基于图像特征的假币鉴别 | 第8-9页 |
| 1.2. 国内外研究现状及存在的问题 | 第9-10页 |
| 1.3. 论文主要研究内容 | 第10-11页 |
| 2. 人民币图像预处理 | 第11-30页 |
| 2.1. 图像增强 | 第11-12页 |
| 2.2. 图像几何变换 | 第12-19页 |
| 2.3. 图像平滑去噪 | 第19-20页 |
| 2.4. 图像边缘检测 | 第20-21页 |
| 2.5. 人民币图像桶形失真校正 | 第21-23页 |
| 2.6. 人民币版面信息的识别 | 第23-28页 |
| 2.6.1. 纸币的方向判定 | 第24-26页 |
| 2.6.2. 纸币的版本判定 | 第26-28页 |
| 2.6.3. 白水印和变色油墨区域图像的定位 | 第28页 |
| 2.7. 本章小结 | 第28-30页 |
| 3. 人民币白水印特征提取和识别 | 第30-41页 |
| 3.1. 人民币白水印防伪特征的重要意义 | 第30-31页 |
| 3.2. 白水印面额数字图像的切割 | 第31页 |
| 3.3. 白水印面额数字的特征提取 | 第31-39页 |
| 3.3.1. 模板匹配法 | 第32-34页 |
| 3.3.2. 八方向特征提取算法 | 第34-36页 |
| 3.3.3. 基于连通域个数的特征提取方法 | 第36-39页 |
| 3.4 实验结果分析 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4. 变色油墨面额数字的特征提取和识别 | 第41-50页 |
| 4.1. 图像的获取 | 第41-42页 |
| 4.2. 变色油墨数字与背景的分离 | 第42-43页 |
| 4.3. 变色油墨数字特征提取 | 第43-45页 |
| 4.4. 变色油墨特征识别判定真假 | 第45-49页 |
| 4.4.1. K最近邻分类器(KNN)真假分类 | 第45页 |
| 4.4.2. 感知器神经网络 | 第45-47页 |
| 4.4.3. 基于感知器神经网络的真假分类 | 第47-49页 |
| 4.5. 本章小结 | 第49-50页 |
| 5. 人民币纸币红外图像鉴伪方法 | 第50-62页 |
| 5.1. 红外图像边缘检测 | 第50-53页 |
| 5.2. 纸币基本信息的获取 | 第53-54页 |
| 5.3. 红外图像特征 | 第54-56页 |
| 5.4. 红外特征鉴别方法 | 第56-59页 |
| 5.5. 红外安全线鉴伪 | 第59-61页 |
| 5.6. 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68页 |
