《基于D—S证据理论的多特征融合纸币真伪识别方法研究》-工学论文，计算机论文-论文范文参考-科学狗论文网

标题

基于D—S证据理论的多特征融合纸币真伪识别方法研究

范文

张玉欣孙浩

摘要：提出一种基于D-S证据理论和支持向量机相结合的多特征融合纸币真伪识别方法，解决了单一特征纸币真伪识别存在的低正确率和低稳定性问题。在对纸币进行图像处理的基础上，提取出纸币颜色、纹理、互相关系数等三类特征，以单特征的支持向量机初步识别结果作为独立证据计算基本信任函数，再利用D-S证据理论进行决策级融合，最后根据分类决策规则的门限值给出最终的纸币真伪识别结果。实验结果表明，50个测试样本的多特征融合识别正确率达100%，与单特征的纸币真伪识别相比，本文所述方法识别正确率高、稳定性更好。

关键词：纸币识别；D-S证据理论；支持向量机；特征提取；多特征融合

中图分类号：TP183 文献标识码：A 文章编号：1009-3044（2018）21-0226-04

Abstract： A multi-feature fusion method based on D-S evidence theory and SVM for identifying the authenticity of banknotes was proposed to solve the low accuracy and low stability of the single feature-based method. Firstly， on the basis of a series of image processing for paper money， three types of features such as color， texture and cross-correlation coefficient were extracted. Secondly， the paper money were identified according to each type of features utilizing SVM .then， using the results as independent evidence to compute the belief function， using D-S evidence theory to achieve multi-feature fusion of the decision level .Finally， the final identification results was given by the thresholds of classification decision rules. The experimental results show that the accuracy of multi-feature fusion method under 50 paper money test samples was 100% ， and the method in the paper has high accuracy and stability than single feature method.

Key words： identify the authenticity of banknotes； D-S evidence theory ； artificial neural network； feature extraction ； multi-feature fusion

1 引言

假幣的出现极大损害了人民群众的利益并且严重干扰了社会的金融秩序。常用的伪钞鉴别技术是通过磁性检验和光学检验等手段，对纸币的磁性安全线、磁性油墨、红外、紫外等防伪特征进行检测。但是一些专门针对纸币防伪特征的高仿币，却可以通过这些真伪检测。随着智能化无人收费系统的广泛应用，如何提高纸币真假的智能识别技术至关重要。针对单特征纸币真假识别的低准确率和低稳定性，提出一种D-S证据理论和支持向量机相结合的多特征纸币真假识别方法。首先通过图像处理提取出纸币颜色、纹理、互相关系数三类特征，并分别通过独立的支持向量机进行真假分类识别。然后分别以前述三类单特征的识别结果作为独立证据构造基本概率指派，运用D-S证据理论进行决策级融合处理，根据分类决策规则的门限值给出最终的识别结果，实现纸币真假的多特征分类识别，进一步提高纸币真假识别的可靠性和准确率。

2 图像特征提取

2.1 颜色特征

某张百元纸币样本彩色图像及相应转换图像如图1，颜色是纸币的重要外观特征，但是真假纸币的颜色差别很小，因此将纸币图像从RGB空间转换到HSI空间，其中H代表色度，S代表饱和度，I代表亮度，因为亮度I与纸币本身的颜色特征无关，因此只需考虑颜色的H和S分量，如图2所示[1]。颜色分布信息的度量可以基于灰度直方图的统计矩，一阶矩[μ1]，即均值，是平均亮度度量； [σ]是标准偏差，是平均对比度度量，其中二阶矩[μ2]为方差；三阶矩[μ3]是直方图偏斜度量，定义为：

4 决策级融合纸币真伪识别

在纸币真伪识别中，纸币的颜色特征、纹理特征和互相关特征之间是相互独立的，将三类特征分别通过三个独立的SVM计算其识别后的基本信任分配函数，再经过D-S证据理论融合三个SVM识别信息得出最终的识别结果。算法模型如图3所示：

5 纸币真伪识别实验

拍摄获取100张已知真、假的百元纸币图像，其中随机选取50幅图像作为SVM的训练样本集，50幅图像作为测试样本集[10]。实验过程共分三步，首先按照前文所述的方法提取纸币图像的颜色、纹理、互相关系数等三类共11个特征，并对其分别进行[0，1]的归一化处理；然后按照前文所述的D-S证据理论进行决策级融合处理，最后按照分类决策规则完成百元纸币的真伪识别。其中门限值取[α=0.6]，[β=0.1]，[γ=0.8]。表1给出了两张百元纸币单特征和多特征融合的识别框架信度值和识别结果。表2给出了相同训练集和样本集的情况下，单特征和多特征融合识别的准确率比较结果。

从表1的结果可知：多特征融合后的信任度高于单特征，大大降低了不确定性；在单特征无法识别的情况下，多特征融合可以得出准确的识别结果。从表2的结果可知，多特征融合的识别准确率高于单特征。

6 结论

首先通过图像处理提取出百元纸币的颜色、纹理、互相关系数三类特征，并分别通过独立的支持向量机进行初步的真假分类识别。然后分别以前述三类单特征的识别结果作为独立证据构造基本概率指派，运用D-S证据理论进行决策级融合处理，根据分类决策规则的门限值给出最终的识别结果，实现纸币真假的多特征分类识别，仿真实验结果识别正确率达到100%，明显高于单特征的纸币识别正确率，满足纸币真假识别的实时应用场合需要。同时本文所述方法，也可以应用于其他依据数字图像进行系统辨识、分类决策的具体应用中，为解决本来问题提供了一个新的思路和方法。

参考文献：

[1] 岡萨雷斯.数字图像处理（MATLAB版）[M].北京：电子工业出版社，2005：306-313.

[2] 刘丽，匡纲要.图像纹理特征提取方法综述[J].中国图象图形学报，2009，14（4）：622-635.

[3] 谢剑斌，秦陈刚，陈章永，等.基于透射图像纹理的纸币快速鉴伪方法[J].仪器仪表学报，2010，31（8）：1776-1781.

[4] 盖杉，刘鹏，刘家锋，等.新的纸币图像特征提取方法[J].通信学报，2010，31（4）：128-133.

[5] 司马莉萍，舒乃秋，李自品，等.基于SVM和D-S证据理论的电力变压器内部故障部位识别[J].电力自动化设备，2012，32（11）：72-76.

[6] 王小川，史峰，郁磊，等. MATLAB神经网络43个案例分析[M].北京：北京航空航天大学出版社，2013：102-136.

[7] 刘亚南，卫志农，朱艳，等.基于D-S证据理论的短期风速预测模型[J].电力自动化设备，2013，33（8）：131-136.

[8] 魏星，舒乃秋，崔鹏程，等.基于改进PSO-BP神经网络和D-S证据理论的大型变压器故障综合诊断[J].电力系统自动化，2006，30（7）：46-50.

[9] 李先锋，朱伟兴，花小朋，等.基于D-S证据理论的决策级多特征融合苹果分级方法[J].农业机械学报，2011，42（6）：188-192.

【通联编辑：唐一东】

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。