Изобретение относится к области автоматизированной проверки банкнот. При контроле банкнот, находящихся в обращении, важной задачей является обнаружение экземпляров, имеющих повреждения, которые делают нежелательным их дальнейшее использование. Эта задача называется проверкой ветхости банкнот и выполняется на автоматических счетно-сортировальных машинах.
В ходе проверки ветхости, счетно-сортировальная машина проверяет банкноту на наличие ряда признаков ветхости: сквозных отверстий, оторванных углов, разорванных кромок, контрастных пятен, рисунков, надписей, потертостей красочного слоя и тому подобного. Для этого, при прохождении через машину, банкнота сканируется с обеих сторон, с использованием различных источников освещения. В результате, получается множество цифровых образов банкноты, соответствующих определенной стороне банкноты и источнику излучения. Далее, образы банкноты анализируются и в результате анализа выносится решение о наличии либо отсутствии определенных признаков ветхости.
Признаки ветхости, связанные с повреждением основы банкноты, обычно обнаруживаются в результате анализа образа, полученного в проходящем излучении. Сюда относятся сквозные отверстия, отогнутые углы и разорванные кромки. Для анализа поверхностных повреждений, таких как пятна, рисунки, надписи и потертости красочного слоя, как правило, анализируют образы банкноты, полученные в отраженном свете. Так как эти повреждения могут находиться на обеих сторонах банкноты, то для проверки их наличия приходится анализировать образы, которые соответствуют обеим сторонам.
Повреждения в виде пятен, надписей, рисунков и оттисков штампов можно отнести к общему типу посторонних изображений на поверхности банкноты. Эти посторонние изображения накладываются на нормальное изображение, нанесенное на поверхность банкноты при ее изготовлении.
Поэтому, при анализе цифрового образа банкноты, для нахождения этого типа повреждения необходимо проверять появление постороннего изображения на фоне нормального изображения.
Известны способы поиска посторонних изображений, основанные на попиксельном сравнении цифрового образа анализируемой банкноты с цифровым образом эталонной банкноты. Различие между двумя этими образами, превышающее заранее установленные пределы, рассматривается в качестве признака обнаружения постороннего изображения. Например, в патенте Японии JP S5973758 (опубл. 26.04.1984, МПК G07D 7/00) для поиска дефектов подсчитывают число пикселей цифрового образа, для которых различие с эталонным образом превышает заранее заданное пороговое значение различия. Если число таких пикселей превышает заранее заданное предельное значение, то считают, что на банкноте имеется постороннее изображение.
Вышеуказанный способ имеет много недостатков. Если при сканировании исследуемого цифрового образа возникли геометрические искажения, то даже в отсутствии посторонних изображений светлые пиксели исследуемого образа могут сместиться и попасть на место расположения темных пикселей эталона. Аналогичным образом, темные пиксели исследуемого цифрового образа из-за смещения совместятся со светлыми пикселями эталона. В результате сравнения исследуемого цифрового образа с эталоном, для большого количества пикселей будет зафиксировано превышение допустимого порогового значения различия, их число превысит допустимое предельное значение, в результате чего будет принято ложное решение о наличии постороннего изображения. Так как геометрические искажения сканирования с той или иной степенью вероятности возникают в механизмах практически любой счетно-сортировальной машины, то попиксельное сравнение приводит к заметному проценту ложной отбраковки банкнот по критерию обнаружения постороннего изображения. Для уменьшения отбраковки приходится делать механизм перемещения банкнот более сложным и дорогим, чтобы уменьшить геометрические искажения при сканировании.
Попиксельное сравнение является ресурсоемким процессом. В машине приходится хранить эталонные цифровые образы банкнот для всех обрабатываемых валют и их номиналов, а также серий выпуска, которые различаются по дизайну банкноты. Под это расходуется заметный объем памяти процессора, который реализует попиксельное сравнение.
Для исправления недостатков попиксельного сравнения предлагаются способы, в которых, до проведения сравнения, так или иначе уменьшают реальное пространственное разрешение изображения. Уменьшение пространственного разрешения также уменьшает влияние геометрических искажений сканирования на результат выполнения способа. Например, в патенте Европейского патентного ведомства ЕР 2355056 (опубл. 10.08.2011, МПК G07D 7/00) всю поверхность банкноты разбивают на блоки пикселей одинакового размера, подсчитывают для каждого из них значение среднего уровня яркости, и присваивают это значение уровня яркости пикселю в цифровом образе низкого разрешения, который заменяет собой соответствующий блок. Далее, анализируют полученный цифровой образ низкого разрешения путем сравнения значения яркости каждого пикселя в нем с индивидуальным пороговым значением, предварительно заданным на основе статистической обработки цифровых образов множества нормальных банкнот. Если число пикселей низкого разрешения, вышедших за пределы порогового значения, превышает установленное предельное значение, делается вывод о наличии постороннего изображения на банкноте.
Такой способ похож на ранее описанное попиксельное сравнение с эталоном, с тем отличием, что для сравнения используется цифровой образ низкого разрешения. Однако, именно за счет снижения разрешения и соответствующего ему увеличения размера пикселя, результат работы этого способа значительно меньше зависит от геометрических искажений сканирования. С точки зрения расходования памяти процессора, массив пороговых значений занимает значительно меньше места, чем полный цифровой образ эталонной банкноты, что можно считать еще одним преимуществом данного способа.
К сожалению, данный способ, одновременно со снижением частоты ложных отбраковок нормальных банкнот, также отличается пониженной чувствительностью к посторонним изображениям. Это связано с тем, что посторонние изображения малого размера либо невысокой контрастности вносят слишком малый вклад в изменение яркости пикселей цифрового образа низкого разрешения, и этот небольшой вклад часто не приводит к выходу яркости за установленное пороговое значение. Кроме того, загрубление порогового значения в результате статистической обработки множества банкнот приводит к тому, что на банкнотах с наиболее светлым рисунком и бумагой постороннее изображение в сумме с нормальным изображением также не приводит к выходу за установленное пороговое значение. В результате, для многих посторонних изображений не набирается достаточного количества пикселей низкого разрешения, значение яркости которых выходит за допустимое пороговое значение, в результате чего постороннее изображение не обнаруживается данным способом.
Отчасти, недостатки данного способа исправлены в патенте США US 8139273 (опубл. 08.10.2009, МПК G06K 9/00), в котором, вместо среднего значения уровня яркости по пикселям одного блока, при построении цифрового образа низкого разрешения, используют минимальное значение пикселя в блоке. За счет этого, даже небольшие по площади элементы постороннего изображения оказывают существенное влияние на значения пикселей низкого разрешения, что повышает чувствительность способа. Однако, это повышение чувствительности происходит не только в отношении пятен, надписей и рисунков, но также и в отношении шумов сканирования и минимальных дефектов изображения. Такое неизбирательное повышение чувствительности приводит к ложным отбраковкам и негативно влияет на применимость названного патента.
Еще один недостаток попиксельного сравнения связан с различиями между нормальными банкнотами, возникающими из-за нестабильности печатного процесса и из-за допустимого износа самих банкнот. На нормальных банкнотах такие характеристики, как оптическая плотность красочного слоя и толщина тонких линий рисунка подвержены существенным изменениям от экземпляра к экземпляру вследствие нестабильности печатного процесса. Когда банкноты печатаются с разных экземпляров печатных форм и на различном оборудовании, то расстояние между характерными элементами рисунка может заметно отличаться. При допустимом износе банкнот, бумага темнеет, а оптическая плотность красочного слоя падает. Когда все эти факторы суммируются в исследуемой банкноте, то при сравнении ее цифрового образа с эталоном может обнаружиться слишком много пикселей, в которых найдено различие свыше допустимого. Это также приводит к возникновению ложной отбраковки по критерию обнаружения постороннего изображения. В патенте ЕР 2355056 (опубл. 10.08.2011, МПК G07D 7/00) статистическая обработка позволяет установить индивидуальные пиксельные пороговые значения таким образом, чтобы избежать ложных отбраковок нормальных банкнот из-за разброса их параметров: плотности красочного слоя, яркости бумаги, толщины линий, расстояния между характерными элементами. В то же время, увеличение пиксельных пороговых значений приводит к снижению чувствительности способа. По своей сути, пиксельное пороговое значение определяет локальную чувствительность для конкретного пиксела, и действует одним и тем же образом, как в случае общего потемнения банкноты, так и в случае постороннего изображения. Увеличение порогового значения для того, чтобы компенсировать общее потемнение банкноты, одновременно, снижает чувствительность к локальным потемнениям, вызванным посторонним изображением.
Чтобы сохранить чувствительность к посторонним изображениям в широком интервале изменения общего уровня яркости документа, применяют различные приемы, основанные на учете общего потемнения бумаги и общего износа красочного слоя перед поиском локальных отличий от эталонного цифрового образа. Например, для компенсации влияния различий яркости бумаги и оптической плотности красочного слоя между разными экземплярами банкнот с нормальным изображением, в способе согласно патенту США US 8805025 (опубл. 03.10.2013, МПК G07D 7/182), цифровой образ банкноты после сканирования подвергают нормализации градационного интервала. В результате нормализации, исходный интервал значений яркостей пикселей, зависящий от яркости бумаги и оптической плотности красочного слоя, линейно отображают на фиксированный интервал. Затем, производят бинаризацию цифрового образа в соответствии с таким пороговым значением бинаризации, при котором в цифровом образе в результате бинаризации получается наперед заданный процент черных пикселей. Оба этих действия, в значительной степени, уменьшают различия между цифровыми образами различных экземпляров банкнот.
После бинаризации, анализируемый цифровой образ попиксельно сравнивают с эталонным бинаризованным образом. В результате сравнения, получают цифровой образ, в котором черные пиксели возникают только в тех местах, где в эталонном цифровом образе был белый пиксель, а в анализируемом оказался черный. Черные пиксели результирующего цифрового образа, по сути, представляют собой бинаризованное представление постороннего изображения. Дальнейший анализ результирующего цифрового образа выявляет черные области, превышающие наперед заданный допустимый размер. Когда такая область выявлена, делается вывод о наличии постороннего изображения.
Данный способ был выбран в качестве ближайшего прототипа к заявленному изобретению. В прототипе решена проблема влияния различий яркости бумаги и плотности красочного слоя между экземплярами банкнот. Хранение эталонного бинаризованного цифрового образа требует несколько меньшего объема памяти, чем хранение полного эталонного цифрового образа.
Однако, в прототипе, по сути, используется принцип попиксельного сравнения, что влечет за собой существенную паразитную чувствительность к геометрическим искажениям. В частности, при небольшом смещении относительно друг друга черной области в цифровом образе нормальной банкноты и в эталонном цифровом образе, на результирующем цифровом образе мог бы возникнуть паразитный черный контур, ошибочно воспринимаемый как постороннее изображение. Чтобы избежать подобной ошибки, в эталонном цифровом образе дополнительно несколько расширяют черную область, что ведет к появлению зоны нечувствительности способа к посторонним изображениям вдоль периметра черной области.
Кроме того, из-за установления единого порогового значения бинаризации для всех пикселей в цифровом образе прототип обладает существенным ограничением чувствительности к реальным посторонним изображениям. На затемненных участках нормального изображения банкноты, эталонный бинаризованный цифровой образ уже имеет черные пиксели, поэтому, на таких участках невозможно обнаружить появление посторонних изображений, даже если они нанесены самой темной краской. Напротив, на самых светлых полях банкноты, постороннее изображение, выполненное темно-серой краской, может не достигнуть порогового значения бинаризации и также останется незамеченным. Это связано с тем, что рекомендуемая авторами доля черных пикселей при установке порогового значения составляет 10-30%, то есть, пороговое значение соответствует уровню яркости в самой темной части нормального изображения. Прототип достаточно хорошо выявляет только посторонние изображения, нанесенные темной краской на областях среднего уровня яркости.
Рассмотрим возможные пути исправления недостатков прототипа. Чтобы уменьшить паразитную чувствительности к геометрическим искажениям, следовало бы полностью отказаться от попиксельного сравнения с эталоном. Для обеспечения высокой чувствительности к посторонним изображениям было бы желательно адаптировать пороговое значение бинаризации к особенностям нормального изображения в каждой небольшой области банкноты. Это позволило бы выявить посторонние изображения на любом фоне, на котором их можно только заметить.
Технический результат заявленного изобретения состоит в повышении чувствительности способа обнаружения посторонних изображений, при уменьшении его паразитной чувствительности к геометрическим искажениям сканирования. Дополнительный результат заключается в уменьшении объема памяти, необходимого для хранения неизменных данных, используемых для реализации способа. Эти результаты достигаются за счет того, что в способе обнаружения посторонних изображений на банкноте
получают цифровой образ банкноты, подлежащей проверке на наличие посторонних изображений, и определяют ее соответствие одному из предварительно определенных типов и ориентаций,
и далее, используя форму и расположение контролируемой зоны на поверхности банкноты, соответствующую данному типу и ориентации банкнот, формируют оценочное изображение путем бинаризации контролируемой зоны, при этом индивидуальное пороговое значение бинаризации для каждого пикселя контролируемой зоны
вычисляется на основании карты параметра бинаризации, заранее заданной для предварительно определенного типа и ориентации банкнот,
и связано с элементами этой карты известной функциональной зависимостью, причем, один элемент карты бинаризации определяет пороговое значение бинаризации для группы из, по меньшей мере, двух соседних пикселей,
а известная функциональная зависимость установлена с учетом статистического распределения яркостей пикселей в цифровом образе подлежащей проверке банкноты для уменьшения влияния разброса яркостей на результат бинаризации на различных экземплярах банкнот,
и затем применяют к оценочному изображению критерий обнаружения постороннего изображения, основанный на анализе черных пикселей в этом оценочном изображении,
и на основе этого критерия выносят решение о наличии постороннего изображения в контролируемой зоне цифрового образа банкноты, подлежащей проверке,
причем элементы карты параметра бинаризации подбирают таким образом, чтобы увеличить соответствующие им индивидуальные пороговые значения бинаризации, и, вместе с тем, обеспечить приемлемый низкий уровень вероятности ложного решения о наличии постороннего изображения при выполнении указанной последовательности действий для банкнот предварительно определенного типа и ориентации, заведомо не содержащих посторонних изображений.
В заявленном способе не используется попиксельное сравнение. Вместо него для каждого пикселя вычисляется индивидуальное пороговое значение бинаризации. Это пороговое значение задается картой параметра бинаризации, в которой каждый элемент задает пороговое значение бинаризации для нескольких соседних пикселей. За счет этого, в случае смещения положения графического элемента банкноты на соседние пиксели из-за геометрических искажений сканирования, смещенный пиксель обычно остается в пределах группы, пороговые значения бинаризации для которой задаются одним и тем же элементом карты параметра бинаризации. Соответственно, геометрические искажения сравнительно мало влияют на результат бинаризации. За счет этого обеспечивается снижение чувствительности способа к геометрическим искажениям сканирования.
Карта параметра бинаризации содержит меньше элементов, чем имеется пикселей в исходном цифровом образе. Так происходит, поскольку один элемент карты задает пороговое значение бинаризации для нескольких пикселей цифрового образа. В результате, для реализации заявленного способа требуется меньший объем энергонезависимой памяти, чем для известных способов, использующих попиксельное сравнение. Действительно, при попиксельном сравнении приходится энергонезависимо хранить эталонный цифровой образ банкноты, который содержит больше элементов, чем карта параметра бинаризации.
В заявленном способе, элементы карты параметра бинаризации подбирают таким образом, чтобы увеличить соответствующие им индивидуальные пороговые значения бинаризации, и, вместе с тем, обеспечить приемлемый низкий уровень вероятности ложного решения о наличии постороннего изображения для банкнот предварительно определенного типа и ориентации, заведомо не содержащих посторонних изображений. При увеличении порогового значения бинаризации увеличивается количество пикселей, значение которых оказалось ниже порогового значения.
Соответственно, количество черных пикселей в оценочном изображении также увеличивается. Увеличение индивидуальных пороговых значений бинаризации, примененное к цифровому образу банкноты с посторонним изображением, увеличивает чувствительность к постороннему изображению, поскольку после такого увеличения постороннее изображение, даже имеющее небольшую оптическую плотность, проявляется в оценочном изображении.
В то же время, каждое индивидуальное пороговое значение бинаризации не повышается чрезмерно, так чтобы не приводить к возникновению в оценочном изображении черных пикселей, которые могут вызвать слишком частое ложное срабатывание критерия обнаружения постороннего изображения при проверке банкнот, называемых нормальными, на которых постороннее изображение отсутствует. То есть, элементы карты параметра бинаризации подбираются для одновременного выполнения двух требований: увеличения индивидуальных пороговых значений бинаризации, и снижения до допустимого уровня вероятности ложных срабатываний критерия постороннего изображения на нормальных банкнотах.
Ложные срабатывания критерия при отсутствии посторонних изображений нельзя полностью исключить из-за разброса параметров банкнот определенного типа, по причине нестабильности печатного процесса и допустимого износа банкнот в обороте. Кроме того, для формирования карты параметра бинаризации, по чисто практическим соображениям, можно использовать только ограниченную выборку от общего количества банкнот, находящихся в обращении. Поэтому, в требовании к индивидуальным пороговым значениям бинаризации речь идет только о снижении вероятности ложного решения о наличии постороннего изображения до технически приемлемого уровня, но не о полном исключении этого заключения. Приемлемость указанного уровня вероятности может быть установлена практическим путем на основе требований к наличному денежному обороту, принятым в зоне обращения банкноты определенного типа. Во многих странах, приемлемый уровень ложных решений о наличии постороннего изображения на нормальной банкноте составляет до 5% от общего количества обработанных банкнот.
Отметим, что подбор элементов карты параметра бинаризации в заявленном способе может выполняться различным образом. Полная оптимизация с достижением наилучших возможных значений карты параметра бинаризации, в строгом математическом смысле, является затруднительной задачей, как с точки зрения разработки алгоритма, так и сложности его вычислительной реализации. С технической точки зрения, разумно применять более простые последовательности шагов для выбора значений элементов карты, которые, хотя и не приводят к полной и математически точной оптимизации, но дают существенное приближение к ней. Результат подбора, который получается при этом, принято называть квазиоптимальным, то есть, близким к оптимальному, который может использоваться в качестве оптимального в практических целях.
В сравнении с прототипом, где используется постоянное пороговое значение бинаризации для всех пикселей изображения, в заявленном способе пороговые значения индивидуально подбираются в соответствии с разбиением оценочного изображения на группы. Это позволяет выбрать квазиоптимальные пороговые значения как для темных, так и светлых участков банкноты, чтобы обеспечить на них повышенную чувствительность к посторонним изображениям. Заявленный способ, в отличие от прототипа, обеспечивает появление черных пикселей после бинаризации на месте постороннего изображения, вне зависимости от того, в темной или светлой области рисунка банкноты находится постороннее изображение. Таким образом, достигается повышение чувствительности.
С учетом этих соображений, в предпочтительном варианте реализации заявленного способа, для построения карты параметра бинаризации, соответствующей определенному типу и ориентации банкнот, заранее выполняют предварительную обработку комплекта подлинных банкнот, не содержащих посторонних изображений, в дальнейшем описании такая обработка будет называться обучением, в ходе которой получают набор обучающих цифровых образов комплекта подлинных банкнот, не содержащих посторонних изображений, для каждого предварительно определенного типа и ориентации,
и формируют карту параметра бинаризации на основе полученного набора обучающих цифровых образов, для чего задают набор калибровочных областей, в совокупности покрывающих контролируемую зону,
и также целевое значение доли черных пикселей, меньшее 40%, устанавливают такие начальные значения элементов карты параметра бинаризации, которые при проведении бинаризации каждого цифрового образа из обучающего набора, обеспечивают превышение доли черных пикселей в каждой калибровочной области над целевым значением,
и далее, при рассмотрении каждой калибровочной области на каждом из обучающих цифровых образов в наборе, за счет изменения элементов карты параметра бинаризации, снижают пороговое значение бинаризации для отдельных пикселей, тогда и в той мере, в какой это необходимо для снижения доли черных пикселей в пределах каждой калибровочной области до уровня не более целевого значения.
В предпочтительном варианте реализации, для ограничения возможности ложного срабатывания критерия постороннего изображения, используют целевое значение доли черных пикселей. Постороннее изображение проявляется в виде дополнительных черных пикселей в оценочном изображении, которые в дальнейшем и обнаруживаются критерием. При увеличении целевого значения доли черных пикселей, общее количество черных пикселей в оценочном изображении также увеличивается. Слишком большое количество черных пикселей, полученное при бинаризации цифрового образа банкноты, не содержащей постороннего изображения, вызывает ложное срабатывание критерия. Поэтому, для заданного критерия, выбирают такую целевое значение доли черных пикселей, которое не позволяет вероятности ложного срабатывания превысить приемлемый уровень. На практике применяются различные критерии, которые обычно соответствуют требованиям центрального банка в зоне обращения банкноты определенного типа. Для заданного критерия, подбор целевого значения доли черных пикселей удобнее всего проводить экспериментальным путем с использованием представительной выборки нормальных банкнот, постепенно изменяя это целевое значение доли до достижения вероятности ложного срабатывания о наличии постороннего изображения не выше приемлемого уровня. Вероятность ложного срабатывания не должна быть существенно ниже приемлемого уровня, поскольку это оставляет неиспользованную возможность для дальнейшего увеличения индивидуальных пороговых значений бинаризации и повышения чувствительности способа.
Для некоторых критериев имеется возможность теоретического расчета соответствующей доли черных пикселей на основе геометрических соображений. Однако, значение, полученное расчетным образом, обычно требует экспериментальной проверки и коррекции.
В предпочтительном варианте реализации обеспечивается увеличение индивидуальных пороговых значений бинаризации, и снижение до допустимого уровня вероятности ложных срабатываний критерия постороннего изображения на нормальных банкнотах. Более конкретно, пороговые значения бинаризации для индивидуальных пикселей сначала увеличивают до заведомо неприемлемо высокого уровня, а затем снижают лишь в той мере, в какой это необходимо для снижения доли черных пикселей в пределах каждой калибровочной области. За счет этого, пороговое значение бинаризации поддерживается на возможно более высоком уровне, при котором, на нормальных банкнотах, еще не происходит превышения целевого значения доли черных пикселей во всех калибровочных областях. Таким образом, на нормальной банкноте, оценочное изображение содержит фоновую плотность черных пикселей во всех областях банкноты, не превышающую целевого значения. Это, в свою очередь, обеспечивает приемлемую низкую вероятность ложного решения о наличии постороннего изображения на нормальной банкноте.
Когда на проверяемой банкноте имеется постороннее изображение, то его оптическая плотность дополнительно снижает яркость части пикселей по сравнению с нормальной банкнотой. После бинаризации, даже относительно небольшое снижение яркости приводит к увеличению числа черных пикселей в соответствующей области и проявлению в ней постороннего изображения. То есть, в отличие от прототипа, постороннее изображение проявляется, даже если на банкноте оно не имеет высокой оптической плотности.
За счет ограничения доли черных пикселей в калибровочной области целевым значением достигается высокая чувствительность обнаружения посторонних изображений. Каким бы темным не был рисунок нормальной банкноты в определенной области, после бинаризации доля черных пикселей в нем не превысит целевого значения. В этой области нормальной банкноты остается существенная доля белых пикселей. Однако, при наличии в ней постороннего изображения, пиксели в оценочном изображении, соответствующие постороннему изображению, изменяют свой цвет на черный и, таким образом, проявляются.
Возможны разные квазиоптимальные стратегии снижения пороговых значений бинаризации для снижения доли черных пикселей в пределах каждой калибровочной области до уровня не более целевого значения. В одной из реализаций, при рассмотрении каждой калибровочной области, на каждом из обучающих образов,
вычисляют предельный уровень бинаризации для области, при котором в этой области достигается целевая доля черных пикселей,
и, для снижения порогового значения бинаризации для каждого пикселя в этой области, если ранее установленное пороговое значение бинаризации данного пикселя превышает предельный уровень бинаризации, за счет изменения элементов карты параметра бинаризации снижают его до предельного уровня бинаризации.
Описанная реализация отличается простотой и позволяет проводить снижение пороговых значений в любом порядке рассмотрения обучающих образов и областей на них. В иных реализациях заявленного изобретения могут применяться более сложные последовательности шагов, обеспечивающие необходимое снижение пороговых значений бинаризации. В целом, чем выше установлено пороговое значение бинаризации, тем полнее посторонние изображения малой оптической плотности будут проявляться в оценочном изображении. Поэтому, для получения наиболее высокой чувствительности способа к таким изображениям, желательно проводить снижение пороговых значений в наименьшей возможной степени, добиваясь максимально возможного приближения фоновой доли черных пикселей снизу к целевому значению доли. При реализации заявленного способа целесообразно выбирать такую последовательность шагов, которая обеспечивает чувствительность к посторонним изображениям малой оптической плотности, приемлемую на практике, при допустимом уровне вычислительной сложности.
Постороннее изображение переносится в оценочное изображение в виде дополнительных черных пикселей, которые, собственно, и отличают нормальную банкноту от поврежденной. Поэтому, такие дополнительные пиксели разумно называть аномальными. Для оценки количества и расположения аномальных пикселей должен быть использован подходящий критерий их подсчета. Для специалиста очевидно, что, если постороннее изображение перенесено в оценочное бинарное изображение, то подбор критерия для его обнаружения является типовой инженерной задачей. Описание решения этой задачи имеется как в прототипе, так и в других известных из уровня техники решений. Например, в патенте РФ RU 2282895 (опубл. 10.04.2005, МПК G07D 7/12) осуществляют поиск кластеров аномальных пикселей за счет проверки наличия других аномальных пикселей среди восьми возможных соседей каждого аномального пикселя. Для оценки кластеров в патенте предложено несколько различных критериев, которые позволяют сделать вывод о том, соответствует ли кластер тому или иному виду постороннего изображения. На основе численных характеристик кластеров, таких, как число кластеров на банкноте, количество аномальных пикселей в кластере и соотношение периметра кластера к его площади, делается вывод о ветхости банкноты. В прототипе используют близкий подход, но критерием ветхости считают превышение определенного ограничения на размер области, содержащей постороннее изображение.
Чаще всего, по требованиям центрального банка, нужно проверять наличие на банкноте постороннего изображения заданного размера, например, темного круга. В этом случае следует последовательно проходить по оценочному изображению проверочным окном этого же размера, и, для каждого положения окна, подсчитывать количество черных пикселей, оказавшихся в нем. Если количество черных пикселей, оказавшихся в окне, превышает заранее заданное предельное значение, соответствующее наибольшему допустимому размеру постороннего изображения, критерий срабатывает и выдает заключение о наличии постороннего изображения. Когда постороннее изображение не попадает в окно, максимально возможное количество черных пикселей в окне (так называемое фоновое число пикселей) определяется целевыми значениями доли черных пикселей, которые выбираются значительно ниже предельного значения. Возможны и иные, более сложные критерии подсчета, выбор которых зависит от постановки задачи проверки ветхости по конкретным требованиям центрального банка.
Когда проверяемая банкнота оказывается более темной либо более яркой, или же более контрастной либо менее контрастной, чем типовая банкнота, то это отражается на статистическом распределении яркости пикселей в ее цифровом образе. В заявленном способе, пороговое значение бинаризации формируется с учетом статистического распределения яркостей пикселей цифрового образа. Это делается с целью уменьшения влияния разброса яркостей на различных экземплярах банкнот на результат бинаризации. Для специалиста являются очевидными возможные пути учета статистического распределения яркостей пикселей. Например, для более темного образа банкноты, что выражается в пониженном математическом ожидании распределения яркости, необходимо дополнительно снизить индивидуальные пороговые значения всех пикселей по отношению к тем, которые вычисляются на основе карты параметра бинаризации для типовой банкноты. Соответственно, для более светлой банкноты, имеющей повышенное математическое ожидание распределения яркости, нужно увеличить индивидуальные пороговые значения всех пикселей. Учет статистического распределения яркостей в заявленном способе успешно решает ту же задачу, что и нормализация интервала яркостей, используемая в прототипе.
Таким образом, заявленный способ сохраняет преимущества прототипа, но улучшает чувствительность при выявлении посторонних изображений и снижает паразитную чувствительность к геометрическим искажениям.
Цель подстройки пороговых значений с использованием калибровочных областей состоит в том, чтобы, для нормальной банкноты без посторонних изображений, получить примерно постоянную плотность черных пикселей на всех участках банкноты. Важно, чтобы при этом, в оценочном изображении такой банкноты не возникали крупные паразитные кластеры черных пикселей, схожие своей формой и размером с посторонним изображением. Паразитные кластеры возникают на местах наиболее темных элементов рисунка банкноты, и полностью избежать их образования невозможно. Если паразитный кластер достигает размера и формы, при которых критерий обнаружения выдает ложное решение о наличии постороннего изображения, то заявленный способ работает некорректно и выдает ложноположительный результат.
В результате выполнения способа, в пределах каждой калибровочной области устанавливаются такие пороговые значения бинаризации, что доля черных пикселей в области, для нормальной банкноты, не превышает заданного целевого значения, которое выбирается меньшим, чем 40%. Такое ограничение доли черных пикселей допускает формирование небольших паразитных кластеров, размер которых значительно меньше размера калибровочной области, но не позволяет формироваться крупным кластерам, сопоставимым по размерам с самой областью. Наибольшая площадь возможного кластера в пределах калибровочной области равна целевому значению, умноженному на площадь этой области. Поэтому, размер калибровочной области и целевое значение нужно выбирать достаточно малыми, чтобы паразитные кластеры не могли превысить предельных размеров постороннего изображения, установленных в качестве критерия ветхости.
Целевое значение доли черных пикселей должно выбираться опытным путем в соответствии с заданным критерием обнаружения. В целом, за счет этого целевого значения, нужно обеспечить приемлемый низкий уровень вероятности ложного решения о наличии постороннего изображения для банкнот предварительно определенного типа и ориентации, заведомо не содержащих посторонних изображений. Как показывает опыт, оптимальное целевое значение доли черных пикселей лежит в пределах от 10% до 30%, что, соответственно, ограничивает максимальную площадь кластера в пределах от 10% до 30% площади калибровочной области. При увеличении целевого значения доли до 50% и более, происходит касание и слияние небольших паразитных кластеров друг с другом, в результате чего возникает единый кластер большого размера. Фактически, возникает инверсия структуры оценочного изображения, когда на черном фоне остаются разрозненные белые кластеры. Это вызывает ложное срабатывание критерия обнаружения и делает способ неработоспособным. Практическим предельным целевым значением доли черных пикселей, определенным в ходе экспериментов, является величина 40%.
Имеется еще один путь возникновения крупных паразитных кластеров, проявляющийся даже при малых целевых значениях доли черных пикселей. Речь идет о таком взаимном расположении калибровочных областей и рисунка банкноты, при котором части одного кластера оказываются разнесенными по соседним неперекрывающимся областям. Каждая из частей кластера достаточно мала и не вызывает, в своей калибровочной области, превышения долей черных пикселей установленного целевого значения. В то же время, весь кластер может быть настолько велик, что своим размером может вызвать срабатывание критерия ветхости. Для того, чтобы ограничить возможность возникновения паразитного кластера на границе, калибровочные области следует выбирать с некоторым перекрытием. Место перекрытия, в таком случае, будет относиться, по меньшей мере, к двум калибровочным областям, для каждой из которых, в отдельности, проводится подстройка пороговых значений бинаризации по предельному уровню бинаризации. В выборе порогового значения бинаризации для места перекрытия участвуют все взаимно перекрывающиеся области, что снижает вероятность образования крупного паразитного кластера на стыке областей.
Наибольшую сложность представляют паразитные кластеры, находящиеся в местах стыковки углов областей, поскольку их части распределяются по всем четырем смежным областям и, таким образом, теоретически возможно четырехкратное увеличение площади кластера. Например, кластер, равномерно распределенный по четырем областям, при целевом значении доли черных пикселей 25% может иметь суммарную площадь, равную площади калибровочной области. Для подавления формирования подобных кластеров, предпочтителен такой набор калибровочных областей, в котором
калибровочные области имеют прямоугольную форму с постоянной шириной и постоянной высотой,
а набор этих областей состоит из двух подмножеств,
так что указанные калибровочные области в каждом подмножестве размещены вплотную друг к другу в порядке рядов и колонн,
причем калибровочные области одного подмножества перекрываются с пересекающимися с ними калибровочными областями другого подмножества на половину высоты и на половину ширины области.
Описанное расположение калибровочных областей гарантирует, что паразитный кластер, расположившийся в месте стыковки углов областей одного подмножества, будет, в то же время, размещаться в середине области из другого подмножества. Пороговые значения бинаризации, установленные для места расположения такого кластера, будут определяться предельным уровнем бинаризации именно той области, в середине которой находится кластер. Таким образом, при установлении пороговых значений бинаризации в этой области размер кластера не превысит целевого значения.
Практически полностью решить проблему крупных паразитных кластеров, находящихся на границе калибровочных областей, можно за счет создания плотной регулярной сетки перекрывающихся прямоугольных областей. Например, можно разместить области в виде рядов и колонн с определенными значениями шага как в направлении ряда, так и в перпендикулярном ему направлении. Когда шаг выбирается достаточно малым в сравнении с размером области, то для практически любого места расположения кластера найдется такая калибровочная область, что кластер окажется вблизи ее центра. Подстройка пороговых значений бинаризации по этой области не позволит кластеру выйти за размер, который задается целевым значением доли черных пикселей. Недостатком такого решения можно считать существенное увеличение числа калибровочных областей и вычислительных затрат на обучение. Изменяя размер шага, можно достигнуть технически оправданного компромисса между временем обучения и степенью подавления крупных паразитных кластеров.
Также возможна реализация способа, в которой не используют перекрытие калибровочных областей, а для борьбы с формированием крупных кластеров выбирают размер прямоугольной калибровочной области достаточно небольшим. Приведем пример выбора размера прямоугольной области, когда максимально допустимый размер паразитного кластера задан значением его площади. Для выбора размера калибровочной области следует рассмотреть уже упомянутый наименее приемлемый случай, когда крупный кластер формируется в месте стыковки углов четырех калибровочных областей, так что в каждой области оказывается одна четверть площади кластера. Площадь части кластера, находящейся в пределах одной области, не превышает площади области, умноженной на целевое значение доли черных пикселей. Поэтому, площадь калибровочной области нужно выбирать меньше, чем одна четверть максимально допустимой площади кластера, деленная на целевое значение доли черных пикселей.
Одна из возможных реализаций изобретения предполагает учет статистического распределения за счет того, что
для банкноты, подлежащей проверке, вычисляют характеристический уровень, такой, при котором доля пикселей с равными ему или более низкими значениями в цифровом образе этой банкноты представляет собой целевое значение доли черных пикселей, предварительно заданное для этого типа банкнот,
а значение, поставляемое функциональной зависимостью, пропорционально характеристическому уровню.
В математических терминах, характеристический уровень является квантилем гистограммы цифрового образа банкноты, а предельный уровень бинаризации является квантилем гистограммы калибровочной области цифрового образа, причем, эти квантили вычисляются для одного и того же предварительно заданного целевого значения доли черных пикселей. Можно сказать, что гистограмма калибровочной области является частью гистограммы цифрового образа всей банкноты, поскольку все пиксели из каждой ячейки гистограммы калибровочной области также входят и в ячейку с тем же номером в гистограмме цифрового образа. Поэтому, когда происходит общее потемнение бумаги проверяемой банкноты либо общее истирание красочного слоя, характеристический уровень отражает этот процесс не только в среднем по поверхности банкноты, но также и в каждой отдельной калибровочной зоне.
Рассмотрим эту взаимосвязь более подробно. Характеристический уровень играет роль начальной точки, от которой отсчитываются предельные уровни бинаризации отдельных калибровочных областей. В каждой из областей предельный уровень бинаризации отличается от характеристического уровня в соответствии с коэффициентом, который зависит от рисунка банкноты в этой области. Так, для незапечатанных полей банкноты коэффициент будет несколько выше единицы, поскольку яркость поля банкноты выше средней яркости банкноты. На участках с высокой плотностью красочного слоя коэффициент, наоборот, будет ниже единицы. Как показывает опыт, при общем потемнении бумаги, либо общем истирании красочного слоя, характеристический уровень и предельный уровень бинаризации в каждой из областей изменяются приблизительно в одно и то же число раз, из-за чего описанные коэффициенты мало изменяются от банкноты к банкноте. Таким образом, использование характеристического уровня для пропорционального изменения порогового значения бинаризации позволяет эффективно компенсировать общее потемнение бумаги либо общее истирание красочного слоя.
В одной из реализаций, используют разбиение контролируемой зоны банкноты на смежные прямоугольные группы пикселей одинакового размера, и каждой группе ставят в соответствие отдельный элемент карты параметра бинаризации. Пороговое значение бинаризации для каждого пикселя в цифровом образе проверяемой банкноты вычисляют, как произведение характеристического уровня цифрового образа проверяемой банкноты на значение элемента карты параметра бинаризации, соответствующего группе, в которую входит рассматриваемый пиксель. Пороговое значение для каждого пикселя зависит от единственного элемента карты параметра бинаризации, и может вычисляться однократно для всех пикселей в группе. Такая реализация отличается как быстрым вычислением порогового значения бинаризации, так и простотой подстройки элементов карты при обучении. Параметр бинаризации, представленный в виде элементов карты, представляет собой безразмерный коэффициент. Размеры прямоугольника, образующего группу пикселей, должны выбираться несколько большими, чем геометрическая погрешность процесса сканирования, чтобы снизить чувствительность способа к этим погрешностям.
Важно отметить, что количество пикселей, уровни яркости пикселей и пороговые значения бинаризации задаются целыми числами, что не позволяет совершенно точно решить задачи вычисления характеристического уровня и предельного уровня бинаризации калибровочной области. В данном описании подразумевается наличие соответствующих естественных погрешностей, но также предполагается, что эти погрешности малы и не оказывают существенного влияния на результат выполнения способа. Нужно учитывать, что погрешности увеличиваются при уменьшении размера калибровочной области, которое делается для ограничения размера паразитных кластеров. В частности, набор возможных значений предельного уровня бинаризации, как видно из его определения, совпадает с набором значений пикселей в калибровочной области. Если область содержит всего лишь нескольких пикселей, то предельный уровень бинаризации вычисляется очень грубо, что может ухудшить точность работы способа.
Следует отметить, что, при обработке банкнот, в одной пачке могут находиться банкноты различных валют, номиналов и ориентаций. В счетно-сортировальной машине, пачку банкнот последовательно сканируют, банкнота за банкнотой. Цифровой образ банкноты, полученный в результате сканирования, как правило, имеет некоторый перекос. Для компенсации перекоса, цифровой образ банкноты выравнивают по отношению к осям координат. Для определения валюты, номинала и ориентации банкноты, после сканирования, обычно применяют специальные способы, основанные на распознавании образов. Способы выравнивания и распознавания образов хорошо известны специалистам.
Когда, в данном описании, говорится о получении цифрового образа проверяемой банкноты определенного типа и ориентации, это предполагает шаги физического сканирования банкноты, выравнивания цифрового образа к горизонтальному расположению, а также определения валюты, номинала и ориентации. Шаги способа, выполняемые вслед за получением цифрового образа, основываются на том типе и ориентации банкноты, который был определен при получении цифрового образа. А именно, используется карта параметра бинаризации, которая соответствует определенному типу и ориентации.
Если машина для обработки банкнот предполагает подачу банкнот различного типа и/или различной ориентации, то эту особенность машины можно описать при помощи набора из нескольких допустимых сочетаний типа и ориентации. Поскольку карта параметра бинаризации заранее задается для определенного типа и ориентации банкнот, то для применения в такой машине необходимо хранить отдельную карту параметра бинаризации, соответствующую каждому допустимому сочетанию. В соответствии с заявленным способом, карта параметра бинаризации для каждого такого сочетания должна заранее формироваться путем обучения с использованием набора образов соответствующего типа и ориентации.
Имеется возможность избежать необходимости хранить различные карты параметра бинаризации, соответствующие различным ориентациям одного и того же типа банкноты. Если сканировать банкноту одновременно с двух сторон и получать цифровые образы, соответствующие этим сторонам, то, при помощи преобразования цифровых образов, можно получить такой цифровой образ, который соответствует единственной, заранее заданной ориентации. Такие преобразования хорошо известны специалистам: они включают в себя перестановку цифровых образов, полученных для первой и второй стороны банкноты, поворот и зеркальное отображение. Если, при получении цифрового образа банкноты, преобразовывать его к заранее заданной ориентации, то для любой из четырех возможных ориентаций банкноты определенного типа потребуется лишь одна карта, которая соответствует заранее заданной ориентации.
При обработке банкнот, как правило, требуется проверить банкноту на наличие постороннего изображения на каждой из ее сторон. Это можно сделать, например, за счет последовательного выполнения проверки при помощи заявленного способа, сначала для цифрового образа первой стороны банкноты, а затем, для цифрового образа второй стороны банкноты. Исключительно в том случае, когда проверка обоих цифровых образов покажет отсутствие на них посторонних изображений, можно сделать вывод об отсутствии посторонних изображений на банкноте. Удобно использовать преобразование цифрового образа к заданной ориентации совместно с проверкой обеих сторон банкноты, поскольку как в том, так и в другом случае требуется сканировать банкноту с обеих сторон и нужно осуществлять сходные преобразования цифровых образов обеих сторон банкноты.
На Фиг. 1 показано расположение контролируемой зоны на банкноте, разбиение этой зоны на группы пикселей и калибровочные области. Фиг. 2 иллюстрирует процесс бинаризации контролируемой зоны банкноты на основе карты параметра бинаризации. Контролируемая зона на исходном образе банкноты (Фиг. 2А), условное представление значений элементов карты параметра бинаризации в виде градаций серого (Фиг. 2В), и оценочное изображение (Фиг. 2С) показаны на примере банкнот российских рублей номиналом 50 рублей модификации 2004 года в лицевой ориентации.
Блок-схема на Фиг. 3 показывает последовательность шагов при бинаризации контролируемой зоны банкноты.
Блок-схемы на Фиг. 4, 5 показывают последовательность шагов при обучении.
Блок-схема на Фиг. 6 показывает шаги при проверке цифрового образа банкноты на наличие посторонних изображений.
Блок-схемы на Фиг. 7, 8 показывают шаги при обработке банкноты с целью проверки ее на наличие посторонних изображений.
Описанная ниже практическая реализация заявленного способа, приводимая здесь в качестве примера, предназначена для выполнения при помощи счетно-сортировальной машины, которая содержит банкнотопроводный механизм, обеспечивающий перемещение банкнот из подающего кармана в приемные карманы; систему датчиков, позволяющую сканировать цифровой образ банкноты по мере ее движения в банкнотопроводном механизме; и встроенную вычислительную систему. Вычислительная система, в свою очередь, содержит процессор, память, пользовательский интерфейс, а также периферические устройства и электрические схемы для подключения датчиков и приводов банкнотопроводного механизма. Для обеспечения удобства проведения обучения, вычислительная система может быть дополнительно соединена с персональным компьютером, на который могут передаваться цифровые образы банкнот, и с которого могут загружаться результаты обучения в виде сформированной карты параметра бинаризации. Однако, применение персонального компьютера не является строго необходимым, поскольку современные счетно-сортировальные машины обладают мощными вычислительными системами, которые позволяют выполнить все шаги способа. В практической реализации заявленного способа банкноту сканируют с обеих сторон в отраженном белом излучении. Цифровой образ, снятый датчиком изображения с одной стороны банкнотопроводного тракта, мы будем условно обозначать как образ А, а снятый датчиком с противоположной стороны тракта - как образ В. Как цифровой образ А, так и цифровой образ В банкноты получают с разрешением один пиксель на миллиметр. Как показано на Фиг. 1, размер зоны 1 контроля банкноты выбирают кратным 4 миллиметрам по вертикали и по горизонтали, и позиционируют центр зоны контроля по центру цифрового образа банкноты. Между зоной 1 контроля и контуром 2 банкноты номинального размера оставляют небольшие поля, в пределах от 2 до 4 пикселей, чтобы компенсировать разброс размера цифровых образов банкнот за счет допусков печатного процесса и погрешностей сканирования.
Группы 3 пикселей для построения карты параметра бинаризации выбирают в виде квадратов размером четыре на четыре пикселя, расположенных в порядке рядов и колонн вплотную друг к другу. Каждой такой группе 3 пикселей соответствует один элемент карты параметра бинаризации.
Все калибровочные области 6 и 7 являются квадратами размером восемь на восемь пикселей, и их границы выровнены по границам групп 3. Каждая калибровочная область полностью накрывает четыре группы 3 пикселей. В дальнейшем, для простоты изложения, мы будем говорить о том, что калибровочная область накрывает четыре элемента карты параметра бинаризации, которые, в свою очередь, соответствуют четырем вышеназванным группам 3 пикселей.
Набор калибровочных областей состоит из первого подмножества, состоящего из областей 6, и второго подмножества, состоящего из областей 7. Области 7 второго подмножества на рисунке показаны толстой линией. Области 6 первого подмножества перекрываются с пересекающимися с ними областями 7 второго подмножества на величину четыре пикселя по высоте и четыре пикселя по ширине.
Способ предназначен для поиска посторонних изображений на определенных типах и ориентациях банкнот. Сочетания типа и ориентации банкноты, для которых обеспечивается работа способа, составляют набор допустимых сочетаний. Обучение проводится, в отдельности, для каждого сочетания типа и ориентации банкноты из набора допустимых сочетаний.
Опишем здесь процесс бинаризации цифрового образа, который проиллюстрирован блок-схемой на Фиг. 3. При получении цифрового образа, он был подвергнут выравниванию и распознан, в результате чего были определены его тип и ориентация. В результате бинаризации контролируемой зоны цифрового образа, создается оценочное изображение, в котором каждый пиксель соответствует пикселю зоны контроля цифрового образа, и может иметь одно из двух значений: черный пиксель либо белый пиксель.
Прежде всего, вычисляют характеристический уровень цифрового образа (шаг 101). Далее, для каждого элемента карты параметра бинаризации, вычисляют и сохраняют в памяти вычислительной системы соответствующее ему пороговое значение бинаризации путем умножения этого элемента на характеристический уровень того цифрового образа банкноты, который необходимо бинаризовать (шаг 102). Далее, для каждого пиксела находят соответствующий ему элемент карты параметра бинаризации, и относящееся к нему пороговое значение бинаризации берут в качестве индивидуального порогового значения для пикселя (шаг 104). На этом шаге используется карта параметра бинаризации, заранее полученная для тех определенных типа и ориентации, к которым относится цифровой образ. Карта параметра бинаризации хранится в энергонезависимой памяти вычислительной системы. Координаты элемента карты параметра бинаризации, как по горизонтали, так и по вертикали, получают путем целочисленного деления координат пиксела на четыре. Затем берут значение этого пиксела и сравнивают его с индивидуальным пороговым значением бинаризации (шаг 105). Если значение пиксела больше индивидуального порогового значения бинаризации, то в результате записывают белый пиксел в соответствующем месте оценочного изображения (шаг 106). Если значение пиксела меньше либо равно индивидуальному пороговому значению, то записывают черный уровень (шаг 107).
Таким образом, индивидуальное пороговое значение бинаризации для каждого пикселя является произведением характеристического уровня цифрового образа банкноты и элемента карты параметра бинаризации.
Статистическое распределение яркости в цифровом образе учитывается за счет характеристического уровня этого цифрового образа.
Для проведения обучения для определенного сочетания типа банкноты и лицевой ориентации, используют набор из двухсот банкнот определенного типа, годных к обращению, и сканируют их при помощи машины для обработки банкнот, в одной и той же лицевой ориентации. Для обучения используют образ А. Каждому пикселю в цифровом образе присваивают значение яркости в пределах от 0 до 255. Полученные цифровые образы выравнивают по отношению к осям координат для компенсации перекоса, возникающего при сканировании. В результате создается обучающий набор, содержащий двести цифровых образов. Такое количество цифровых образов в обучающем наборе отражает вариативность результатов печатного процесса и изменение оптических характеристик банкнот по мере их обращения. Этого количества, как правило, оказывается достаточно для проведения обучения, но оно, при необходимости, может быть увеличено.
Целью обучения является заполнение карты параметра бинаризации для ее последующего использования при бинаризации цифрового образа проверяемой банкноты. В ходе обучения, как будет показано ниже, сама бинаризация не проводится, а значения элементов карты параметра бинаризации устанавливаются в результате манипуляций со статистическими характеристиками образа и калибровочных областей. Результат бинаризации цифрового образа непосредственно определяется индивидуальными пороговыми значениями бинаризации пикселей, которые, в свою очередь, определяются картой параметра бинаризации и характеристическим уровнем этого цифрового образа. Для анализа влияния обучения на результат бинаризации, в наших рассуждениях мы будем рассматривать, каким образом указанные манипуляции влияют на получаемые индивидуальные пороговые значения бинаризации.
Целевое значение доли черных пикселей выбирается достаточно высоким, но таким, чтобы обеспечить приемлемый низкий уровень вероятности ложного решения о наличии постороннего изображения для банкнот предварительно определенного типа и ориентации, заведомо не содержащих посторонних изображений. Эта доля выбирается, исходя из того, какой критерий обнаружения предполагается использовать. В описываемой реализации используется критерий для поиска круглых пятен при помощи скользящего квадратного окна, размер которого равен размеру наименьшего пятна, которое требуется обнаружить. Критерий срабатывает, когда внутри окна обнаруживается количество черных пикселей, превышающее предварительно заданное предельное значение. Для круглого пятна предельное значение задают равным 0,75-0,8 от общего числа пикселей в окне. Опытным путем показано, что для такого критерия наилучшие результаты дает целевое значение доли черных пикселей, равное 20%. Это значение является хорошей начальной точкой. Процесс обучения, который будет описан далее, предусматривает, при необходимости, коррекцию целевого значения доли черных пикселей.
Обучение для цифровых образов банкнот определенного сочетания типа и ориентации показано на Фиг. 4А. Прежде всего, устанавливают все элементы карты параметра бинаризации в заведомо большое начальное значение, например, равное 10000 (шаг 201). Такое значение, после умножения на характеристический уровень любой реальной банкноты, даст пороговое значение бинаризации, превышающее максимальное значение пиксела в цифровом образе, равное 255. В результате, бинаризация цифрового образа любой банкноты с применением начальных значений элементов карты параметра бинаризации даст оценочное изображение, состоящее из одних черных пикселей.
Дальнейшее обучение проводят, последовательно используя каждый из цифровых образов в обучающем наборе.
Для каждого из обучающих цифровых образов строят гистограмму и по ней вычисляют характеристический уровень (шаг 203). С этой целью, находят значение уровня, при котором доля пикселей с этим и более низкими значениями в цифровом образе представляет собой целевое значение доли черных пикселей черных пикселей. Если точного целевого значения доли достичь не удается, то выбирают такой уровень, который обеспечивает наилучшее приближение к целевому значению доли черных пикселей, не превышая его. Как и значения пикселей, характеристический уровень может принимать значения от 0 до 255, но, для реальных цифровых образов, на которых имеются пиксели с разными значениями, крайние значения 0 и 255 не достигаются.
На каждом из цифровых образов последовательно проходят по всем калибровочным областям, и для каждой из них находят предельный уровень бинаризации (шаг 205). Для этого строят гистограмму пикселей калибровочной области. По гистограмме находят значение уровня, при котором пиксели с этим и более низкими значениями в совокупности составляют в калибровочной области целевую долю черных пикселей. Если точного целевого значения доли достичь не удается, то выбирают такой уровень, который обеспечивает наилучшее приближение к целевому значению доли черных пикселей.
Далее, делят предельный уровень бинаризации рассматриваемой области на характеристический уровень цифрового образа банкноты (шаг 206). В результате получают безразмерный параметр бинаризации для калибровочной области. Затем, находят, какие именно четыре элемента карты параметра бинаризации накрывает рассматриваемая область (шаг 207). Используя параметр бинаризации области как верхний предел, ограничивают значения этих элементов карты. А именно, если найденный параметр бинаризации меньше значения элемента карты, то присваивают этому элементу значение найденного параметра бинаризации (шаг 208). В результате такого ограничения, индивидуальное пороговое значение бинаризации, соответствующее каждому пикселю в калибровочной области, ограничивается предельным уровнем бинаризации рассматриваемой области. Последовательность шагов 205-208 повторяют для всех оставшихся калибровочных областей и всех оставшихся цифровых образов из обучающего набора, после чего обучение завершается. Результатом обучения является карта параметра бинаризации, которую сохраняют в энергонезависимой памяти вычислительной системы для последующего использования при контроле банкнот (шаг 209).
В соответствии с описанной последовательностью шагов, после обучения, для любой калибровочной области любого цифрового образа из обучающего набора, индивидуальное пороговое значение бинаризации каждого из пикселей области оказывается либо равно предельному уровню бинаризации области, либо ниже этого уровня. Рассмотрим более подробно, за счет чего получается этот результат. Необходимо учитывать, что, когда мы будем говорить о снижении индивидуальных пороговых значений бинаризации пикселей, на самом деле производится соответствующее снижение элементов карты параметра бинаризации, а уменьшение индивидуальных пороговых значений оказывается его прямым следствием.
В самом начале обучения, при рассмотрении первой области на первом цифровом образе из обучающего набора (когда шаги 203-208 выполняются первый раз), индивидуальные пороговые значения для всех пикселей этой области снижаются до предельного уровня бинаризации, определенного для этой области. При дальнейшем рассмотрении других калибровочных областей, для каждой из них вычисляется свой предельный уровень бинаризации. Когда какая-то из этих областей перекрывается с первой областью, и ее предельный уровень бинаризации оказывается меньше предельного уровня бинаризации первой области, то на шаге 208, в месте перекрытия, индивидуальные пороговые значения бинаризации будут дополнительно уменьшены от предельного уровня бинаризации первой области. Таким образом, при обработке цифрового образа одной банкноты, в калибровочной области возможно появление пикселей с пороговым значением бинаризации, более низким, чем предельный уровень бинаризации этой области, что обусловлено более низким предельным уровнем, вычисленным для другой области, с которой она перекрывается.
При переходе ко второму и последующим цифровым образам, значение характеристического уровня и предельный уровень бинаризации для каждой из областей вычисляются заново (шаг 203). Соответственно, индивидуальные пороговые значения бинаризации для каждого пикселя теперь определяются на основе ранее полученных элементов карты параметра бинаризации и нового характеристического уровня. Если новый предельный уровень бинаризации для области оказывается ниже, чем индивидуальное пороговое значение пикселя в этой области, то значение соответствующего элемента карты бинаризации дополнительно снижается (шаг 208), чтобы снизить упомянутое индивидуальное пороговое значение до величины предельного уровня бинаризации. Для тех пикселей, индивидуальное пороговое значение бинаризации которых уже имеет значение ниже вновь вычисляемого предельного уровня бинаризации, дальнейшее снижение не производится. Таким образом, снижение порогового значения бинаризации каждого пикселя происходит при необходимости, и в той степени, чтобы гарантированно избежать превышения доли черных пикселей над заданным целевым значением этой доли в каждой из перекрывающихся областей и на всех образах из обучающего набора.
На шаге 209 полученную карту параметра бинаризации сохраняют в энергонезависимой памяти машины.
Рассмотрим альтернативный вариант разбиения на калибровочные области. В альтернативном варианте квадратные калибровочные области в наборе имеют размер четыре на четыре пикселя и располагаются в порядке рядов и колонн, вплотную друг к другу и без перекрытия. Каждой области соответствует один и только один элемент карты параметра бинаризации. В этом случае, в ходе обучения (см. Фиг. 4В), вплоть до шага 206 вычисления параметра бинаризации области включительно, действуют аналогично основному варианту. Однако, затем, на шаге 221 определяют единственный элемент карты параметра бинаризации, и на шаге 222 ограничивают его значением параметра бинаризации области. Поэтому, снижение значения элемента карты параметра бинаризации обусловлено только появлением более низкого параметра бинаризации для соответствующей ему области в каком-либо цифровом образе из обучающего набора. То есть, при альтернативном варианте разбиения отсутствует влияние нескольких перекрывающихся областей на один элемент карты параметра бинаризации.
Альтернативный вариант имеет свои преимущества и недостатки. За счет уменьшенного размера калибровочной области, он позволяет более детально учитывать в карте параметра бинаризации мелкие элементы нормального рисунка банкноты. Благодаря этому, высококонтрастные темные элементы нормального рисунка в меньшей степени передаются в оценочное изображение. Поэтому, снижается возможность образования кластеров, способных вызвать ложное решение об обнаружении постороннего изображения. Кроме того, альтернативный вариант позволяет в меньшей степени снижать значения элементов карты, поскольку каждая область влияет только на один элемент карты, а не на четыре. Это позволяет повысить чувствительность способа к обнаружению малоконтрастных посторонних изображений.
Недостаток альтернативного варианта связан с особенностями гистограммы пикселей калибровочной области, которую строят на шаге 205 для определения предельного уровня бинаризации. Так как в области находится всего 16 пикселей, то в ее гистограмме ненулевые значения будут иметь не более 16 уровней из 256. Поэтому, случайная погрешность определения предельного уровня по такой гистограмме будет примерно равна среднему расстоянию между соседними уровнями, то есть примерно 16. Это очень большая величина, которая может случайным образом существенно исказить тот или иной элемент карты параметра бинаризации и снизить достоверность обнаружения посторонних изображений. В основном варианте разбиения калибровочная область содержит 64 пикселя, поэтому, случайная погрешность значительно меньше и примерно равна 4.
Выбор между основным или альтернативным вариантом разбиения необходимо делать на экспериментальной основе. Для того или иного типа банкноты, из-за различий в особенностях рисунка, может оказаться предпочтительным тот или иной вариант разбиения. Важно, что выбор варианта разбиения не оказывает влияния на размерность получаемой карты параметра бинаризации. За счет этого, карта параметра бинаризации, вне зависимости от использованного варианта разбиения, может далее совершенно одинаковым образом применяться для обнаружения посторонних изображений.
В целом, можно сказать, что при любом варианте разбиения, карта параметра бинаризации, после обучения, содержит обобщенное пространственное представление яркости проверяемой зоны для определенного типа и ориентации банкноты. Такое представление учитывает пространственное распределение яркости всех экземпляров банкнот из обучающего набора с уменьшением влияния на это представление факторов общего потемнения или осветления каждой отдельной банкноты. Обращаясь к Фиг. 2В, где карта параметра бинаризации визуализируется при помощи градаций серого цвета, можно увидеть ее сходство с контролируемой зоной банкноты, воспроизведенной на Фиг. 2А. На Фиг. 2В более темные тона серого соответствуют более низким значениям элементов карты, а более светлые -более высоким. Расположение темных и светлых участков на Фиг. 2В совпадает с расположением темных и светлых участков контролируемой зоны банкноты. В месте расположения постороннего изображения 8 в виде темного пятна на Фиг. 2В карта параметра бинаризации не имеет затемнения, поскольку на нормальных банкнотах в этом месте пятно отсутствует.
Можно также заметить, что изображение карты параметра бинаризации Фиг. 2В имеет отдельные локальные затемнения, которые отсутствуют на изображении нормальной банкноты на Фиг. 2А, такие, как область 13. Эти затемнения возникают при обучении, когда на какой-либо из нормальных банкнот обучающего набора в этом месте оказывается увеличенная оптическая плотность. Подобное увеличение оптической плотности может происходить из-за технологических отклонений печатного процесса или же в ходе допустимого износа, еще не достигшего уровня ветхости. Так, затемненная область 13 возникла из-за единственного обучающего экземпляра нормальной банкноты, на котором в этом месте, в результате непостоянства печатного процесса, проявилась повышенная краскопередача с печатной формы. Таким образом, карта параметра бинаризации, хотя и имеет сходство с индивидуальным изображением нормальной банкноты, также учитывает разнообразные локальные отличия между разными экземплярами нормальных банкнот. Очевидно, что локальные затемнения на карте параметра бинаризации ухудшают возможности обнаружения посторонних изображений в этих местах, но снижают вероятность ложной отбраковки нормальных банкнот. Таким образом, чувствительность к обнаружению посторонних изображений и вероятность ложного решения об обнаружении постороннего изображения должны выбираться на основе допустимого компромисса. Чем более велики локальные различия между банкнотами в обучающем наборе, тем ниже чувствительность к посторонним изображениям, но и ниже вероятность ложной отбраковки
Полное обучение для всех допустимых сочетаний типа и ориентации банкноты выполняют последовательно (шаг 230), сочетание за сочетанием, как показано на Фиг. 5. Шаг 231 объединяет в себе шаги 201-209, описанные ранее. Затем, с использованием обучающего набора цифровых образов, проводят проверку вероятности ложных срабатываний критерия обнаружения (шаг 232). Для этого, проводят проверку каждого цифрового образа в соответствии с шагами 301-308, как описано далее, и определяют процент цифровых образов в обучающем наборе, на которых было обнаружено постороннее изображение. При этом используют карту параметра бинаризации, полученную на шаге 231. Так как на банкнотах обучающего набора отсутствуют посторонние изображения, то найденный процент представляет собой вероятность ложного решения о наличии постороннего изображения. На шаге 233 сравнивают найденный процент с приемлемым уровнем вероятности, заранее известным на основе требований центрального банка для обработки банкнот определенного типа. Найденный процент должен находиться в пределах от 1/3 приемлемого уровня до приемлемого уровня вероятности ложных срабатываний критерия обнаружения. Например, если приемлемый уровень равен 3%, то процент цифровых образов в обучающем наборе, на которых было обнаружено постороннее изображение, должен находиться в пределах 1-3%. Если найденный процент слишком велик и превышает допустимый уровень вероятности, то необходимо несколько уменьшить целевое значение доли черных пикселей, и повторить проверку на шагах 231-232. При слишком малом значении найденного процента имеется резерв увеличения чувствительности способа за счет увеличения значения элементов карты параметра бинаризации и соответствующих им индивидуальных пороговых значений бинаризации. Этот резерв необходимо использовать, для чего нужно несколько увеличить целевое значение доли черных пикселей, и повторить проверку на шагах 231-232. В результате такой итерационной подстройки целевого значения доли черных пикселей (шаги 233, 231, 232), выполняемой при необходимости, происходит снижение либо увеличение элементов карты параметра бинаризации. Это позволяет еще более приблизить значения карты параметра бинаризации к оптимальным.
Допустимый интервал найденного процента ложных решений об обнаружении постороннего изображения, установленный в пределах от 1/3 приемлемого уровня до приемлемого уровня вероятности ложных срабатываний критерия обнаружения, и использованный для итерационной подстройки целевого значения доли черных пикселей, был определен эмпирически и его нижняя граница может быть изменена при необходимости. Увеличение нижней границы улучшает чувствительность способа, но требует увеличения количества банкнот в обучающей выборке для более точной настройки элементов карты параметра бинаризации. Нижнюю границу можно уменьшить до нуля, в этом случае целевое значение доли черных пикселей не будет повышаться. Этот вариант можно рекомендовать при малом доступном размере обучающей выборки, когда требуется определенный запас пороговых значений бинаризации, чтобы не вызвать частых ложных срабатываний критерия обнаружения на нормальных банкнотах, которые существенно отличаются от банкнот, включенных в обучающую выборку.
При проверке банкноты на наличие посторонних изображений, проверку ее цифрового образа ведут, как показано на Фиг. 6. Сначала, получают цифровой образ и определяют тип и ориентацию банкноты (шаг 301). Далее, проводят бинаризацию цифрового образа с получением оценочного изображения (шаг 302), применяя карту параметра бинаризации, хранящуюся в энергонезависимой памяти машины. Этот шаг состоит из последовательности отдельных шагов 101-107, подробно описанных ранее. Карта параметра бинаризации для определенного сочетания типа и ориентации банкноты, хранящаяся в энергонезависимой памяти машины, была получена ранее, в ходе обучения (шаги 201-209).
Затем, приступают к поиску постороннего изображения в оценочном изображении. Устанавливают проверочное окно в начальное положение (шаг 303) и проверяют количество черных пикселей, попавших в пределы окна (шаг 304). Если количество черных пикселей превышает установленное предельное значение (шаг 305), то делают вывод о наличии постороннего изображения. Если же количество черных пикселей не превысило установленное предельное значение, перемещают окно в следующее положение (шаг 307) и опять проводят проверку количества черных пикселей (шаги 304, 305). Повторяют шаги 304-307 до тех пор, пока не проверят все положения проверочного окна или же, пока не обнаружат превышения установленного предельного значения. Если для всех положений проверочного окна ни разу не было зафиксировано превышение установленного предельного значения для количества черных пикселей, то делают вывод об отсутствии постороннего изображения (шаг 307).
Обратимся к Фиг. 2 и проследим проверку цифрового образа банкноты на конкретном примере. Как показано на Фиг. 2А, в пределах контролируемой зоны 1 на банкноте, находится постороннее изображение в виде черного пятна 8. При бинаризации контролируемой зоны 1 с использованием карты параметра бинаризации, показанного на Фиг. 1В, получается оценочное изображение, изображенное на Фиг. 2С (шаг 302). В той части оценочного изображения, где черное пятно 8 отсутствует, черные пиксели хаотично разбросаны поодиночке либо в виде мелких кластеров, а их средняя плотность не превышает целевого значения. Черное пятно 8 передается в оценочное изображение в виде крупного кластера из черных пикселей 9. В ходе проверки скользящим проверочным окном 11, последовательно проходящим все возможные положения на банкноте слева направо и сверху вниз (шаги 303-305, 307), в положении, показанном на Фиг. 2С обнаруживается превышение установленного предельного значения для количества черных пикселей, равного 20 (шаг 306). Соответственно, делается вывод об обнаружении постороннего изображения, и дальнейшая проверка оценочного изображения проверочным окном прекращается.
Для проверки наличия постороннего изображения в пределах проверочного окна, могут применяться более сложные методы. Например, может анализироваться не количество черных пикселей в целом в пределах окна, а количество черных пикселей в самом крупном кластере черных пикселей, находящемся в окне. Такой анализ позволяет исключить из рассмотрения мелкие кластеры и одиночные черные пиксели, имеющие шумовое происхождения и не связанные с посторонним изображением. Дополнительно к этому, может анализироваться отношение длины границы к площади такого кластера, что позволяет более уверенно выявлять тонколинейные рисунки. Выбор того или иного метода определяется, как конкретными требованиями к поиску постороннего изображения, так и наличием достаточной вычислительной мощности для реализации метода с необходимым быстродействием.
Опишем последовательность проверки банкноты в счетно-сортировальной машине (Фиг. 7). Машина последовательно обрабатывает банкноты, находящиеся в подающем кармане в виде пачки. Каждая банкнота механически отделяется от пачки и начинает движение по банкнотопроводному тракту. Во время ее движения через участок тракта, где установлены датчики, производится сканирование с получением цифровых образов банкноты с обеих сторон (шаг 401). При сканировании могут использоваться различные виды подсветки банкноты, в соответствии с тем, какая информация необходима для распознавания ее валюты, номинала и ориентации. А именно, могут использоваться как монохроматические источники излучения, так и комбинация нескольких длин волн - например, образующих белый свет. Излучение может подаваться как со стороны расположения фотоприемника, так и с противоположной стороны банкноты. В первом случае будет получен цифровой образ в отраженном излучении, а во втором - цифровой образ в проходящем излучении. Для обнаружения посторонних изображений наиболее информативными являются цифровые образы, полученные в отраженном белом свете.
Для компенсации перекоса банкноты при движении через участок расположения датчиков, на шаге 402 производят выравнивание цифровых образов относительно координатных осей. Для этого, по резкому изменению яркости пикселей находят расположение границ банкноты в цифровом образе, вычисляют ее центр и угол перекоса, и далее производят поворот изображения относительно центра на угол, противоположный углу перекоса. При этом, центр изображения смещают в заданную точку. В результате, кромки банкноты оказываются параллельны координатным осям, а центр изображения банкноты расположен в заданной точке.
Затем, на шаге 403 производят распознавание валюты, номинала и ориентации банкноты. Для этого используют один из способов распознавания цифровых образов, хорошо известных специалистам. Например, может применяться корреляционное сравнение с заранее заготовленными эталонными цифровыми образами всех известных типов и ориентаций банкнот, которые обрабатывает данное устройство. Если максимальная найденная корреляция с одним или несколькими из эталонных цифровых образов превышает заданный порог, то выносят заключение о том, что банкнота относится к сочетанию типа и ориентации, соответствующему эталонному цифровому образу, с которым была получена наивысшая корреляция. Если корреляция ни с одним из эталонных цифровых образов не превышает заданный порог, выносят решение о том (шаг 411), что банкнота не распознана и должна быть отбракована. Нераспознанную банкноту далее не проверяют на наличие посторонних изображений.
Если банкнота была распознана, то далее приводят ее цифровой образ к заданной ориентации (шаг 404) путем формирования первого цифрового образа. Банкнота может иметь всего четыре ориентации, являющиеся комбинациями стороны банкноты и ее поворота: лицевая неперевернутая, лицевая перевернутая, тыльная неперевернутая, тыльная перевернутая. В качестве заданной ориентации выбрана лицевая неперевернутая. Когда банкнота уже имеет заданную ориентацию, в качестве первого цифрового образа берут образ А. Если распознанная банкнота имеет лицевую перевернутую ориентацию, то в качестве первого цифрового образа берут цифровой образ А и поворачивают это изображение на 180 градусов вокруг центра. Если распознанная банкнота имеет тыльную неперевернутую ориентацию, то в качестве первого цифрового образа берут образ В. Для тыльной перевернутой ориентации цифровой образ В дополнительно поворачивают вокруг центра. В результате этих манипуляций, первый цифровой образ всегда соответствует лицевой неперевернутой стороне банкноты.
На шаге 405 проверяют первый цифровой образ на наличие посторонних изображений, выполняя шаги 302-308. По результату проверки выносят заключение о наличии постороннего изображения (шаг 409) или его отсутствии (шаг 410). Это заключение используется для управления электромеханическими перенаправляющими элементами в банкнотопроводном механизме. Перенаправляющие элементы управляются от вычислительной системы машины и позволяют направить банкноту, движущуюся по тракту, в один из приемных карманов. Если банкнота не была распознана или же на ней было обнаружено постороннее изображение, то она направляется в приемный карман для отбракованных банкнот. Если на распознанной банкноте не было обнаружено постороннего изображения, то она направляется в карман для годных банкнот. Таким образом, при последовательной обработке всех банкнот, находящихся в подающем кармане машины, они сортируются на годные и негодные. К негодным относят как нераспознанные банкноты, так и распознанные банкноты с посторонними изображениями.
Описанная выше реализация сортировки банкнот проверяет на наличие посторонних изображений только лицевую сторону банкноты. Эта реализация имеет определенную практическую ценность, например, для тех видов валют, для которых особенно важно убедиться в отсутствии посторонних изображений, например, на портрете монарха. Однако, для большинства валют полная проверка банкноты требует контроля также и ее тыльной стороны.
Поэтому, наибольшую практическую ценность имеет реализация проверки обеих сторон банкноты. Для полной проверки банкнот за однократный проход через машину необходимо дополнить описанную реализацию дополнительными шагами для проверки тыльной стороны, как показано на Фиг. 8.
Необходимо, на этапе обучения, сформировать и сохранить в энергонезависимой памяти машины вторую карту параметра бинаризации, соответствующую изображению тыльной стороны. Обучение проводят точно так же, как и для лицевой стороны, с использованием результата сканирования того же самого обучающего набора банкнот в заданной ориентации. Однако, для формирования второй карты бинаризации, вместо цифрового образа А используют цифровой образ В.
При проверке банкноты, на шаге 412, вместе с первым цифровым образом, формируют также и второй цифровой образ, который соответствует тыльной неперевернутой стороне банкноты. Когда банкнота уже имеет заданную ориентацию, в качестве второго цифрового образа берут цифровой образ В. Если распознанная банкнота имеет лицевую перевернутую ориентацию, то в качестве второго цифрового образа берут цифровой образ В и поворачивают это изображение на 180 градусов вокруг центра. Если распознанная банкнота имеет тыльную неперевернутую ориентацию, то в качестве второго цифрового образа берут цифровой образ А. Для тыльной перевернутой ориентации цифровой образ А поворачивают вокруг центра.
Дополнительную проверку наличия постороннего изображения на тыльной стороне осуществляют на шаге 407. На этом шаге проверку ведут по шагам 302-308, но используют для проверки второй цифровой образ и вторую карту параметра бинаризации. Решение по результатам проверки принимают при выполнении шагов 406 и 408. Если как на первом, так и на втором цифровых образах постороннее изображение отсутствует, то делают заключение об отсутствии постороннего изображения на банкноте (шаг 410). Если хотя бы на одном из этих цифровых образов найдено постороннее изображение, то делают заключение о наличии постороннего изображения на банкноте (шаг 410). Это заключение используют для направления банкноты в соответствующий приемный карман машины, точно так же, как и в ранее описанной реализации.
Далее более подробно будет рассмотрено образование ложных кластеров черных точек на оценочном изображении, способных вызвать ложное обнаружение постороннего изображения на нормальной банкноте (см. Фиг. 9 - Фиг. 12). В отличие от кластера 9, порожденного настоящим посторонним изображением 8, ложные кластеры могут возникать на оценочном изображении нормальной банкноты в местах темных и контрастных элементов рисунка.
Будем считать, что целевое значение доли черных пикселей равен 12,5%, а при поиске постороннего изображения в оценочном изображении допускается не более 20 пикселей в скользящем окне 11 размером 10 на 10 пикселей. Вначале, рассмотрим основной вариант разбиения, в котором используются перекрывающиеся калибровочные области. Пусть смежные области банкноты 6А, 6В, 6С, 6D из первого подмножества расположены таким образом относительно рисунка банкноты, что на их общий угол приходится центр контрастного темного элемента 10 изображения (Фиг. 9). Область 7 из второго подмножества расположена таким образом, что она перекрывается с областями 6А - 6D и темный элемент 10 изображения расположен по центру области 7. В ходе обучения по первой банкноте, вначале элементы карты параметра бинаризации устанавливаются по областям первого подмножества 6А - 6D, и уже потом по областям второго подмножества, включая область 7. На момент завершения обработки областей первого подмножества, будут выставлены такие значения элементов карты параметра бинаризации для групп пикселей 3А - 3Q, что в оценочном изображении первой обучающей банкноты в каждой из областей 6А - 6D получится по 8 черных пикселей, что составляет как раз по 12,5% от общего числа пикселей в области. Отметим, что темный элемент 10 изображения, как и всякий элемент сканированного изображения, имеет пиксели с различными значениями интенсивности, поэтому, при постепенном увеличении порогового значения бинаризации число черных пикселей постепенно увеличивается, а при постепенном уменьшении порогового значения - постепенно уменьшается. Для определенности, будем- условно считать, что значение элементов карты параметра бинаризации для групп пикселей 3А - 3Q установлено в значение 0,91 (Фиг. 10). Заметим, что указанные черные пиксели сливаются в общий ложный кластер 12А, состоящий из 32 пикселей. При проходе скользящим окном 11 этот кластер целиком разместится в окне и превысит допустимый порог 20 пикселей. Таким образом, произойдет ложное обнаружение постороннего изображения на нормальном рисунке банкноты. Выбранное расположение темного элемента 10 в наибольшей степени стимулирует образование ложного кластера, так как этот элемент в равной степени распределен по максимально возможному количеству калибровочных областей - по четырем калибровочным областям 6А - 6D.
Однако, при продолжении обучения по второму подмножеству калибровочных областей, будет произведена коррекция значений элементов карты параметра бинаризации для групп 3F, 3G, 3J, 3K. В результате соответствующего уменьшения порогового значения бинаризации, доля черных пикселей в области 7 не превысит целевого значения 12,5%. Для этого, значение элементов карты для групп 3F, 3G, 3J, 3K придется снизить до величины 0,47 (условное значение для иллюстративных целей, см. Фиг. 11). В итоге, при бинаризации количество черных пикселей в областях 6А - 6D снизится до 2 пикселей в каждой. Ложный кластер 12В на месте темного элемента 10 уменьшится до 8 пикселей, что как раз соответствует целевому значению доли черных пикселей в области 7. При проходе скользящим окном 11 этот кластер не превысит допустимое предельное количество черных пикселей, равное 20, что исключает возможность ложного обнаружения постороннего изображения.
Хотя мы рассматривали бинаризацию только первой банкноты, при продолжении обучения на последующих банкнотах из обучающего набора механизм образования и уменьшения размера ложных кластеров будет соответствовать ранее описанному, а карта параметра бинаризации будет постепенно уточняться. Образование ложных кластеров будет подчиняться тем же закономерностям и во время проверки на наличие постороннего изображения при обработке банкноты в счетно-сортировальной машине. Данный пример иллюстрирует, как расположение калибровочных областей с перекрытием друг друга позволяет избежать формирования крупных ложных кластеров черных пикселей на оценочном изображении нормальной банкноты.
В случае альтернативного разбиения, калибровочные области совпадают с группами пикселей 3А - 3Q (см. Фиг. 12). Темный элемент 10 изображения попадает на области 3F, 3G, 3J, 3K, для каждой из которых при обучении будет установлено значение элемента карты параметра бинаризации, равное 0,26 и обеспечивающее по 2 пикселя в каждой из областей. Отметим, что количество 2 пикселя в каждой из областей 3F, 3G, 3J, 3K как раз соответствует целевому значению 12,5% доли черных пикселей в области. Как и в случае основного варианта разбиения, весь ложный кластер 12С составит только 8 пикселей и не будет обнаружен скользящим окном в качестве ложного признака постороннего изображения.
Таким образом, как основной, так и альтернативный вариант разбиения решают проблему подавления крупных ложных кластеров на оценочном изображении нормальной банкноты. В основном варианте оценка предельного уровня бинаризации производится по большой калибровочной области размером 8 на 8 пикселей, что в меньшей степени адаптирует карту порога бинаризации под контрастные элементы малого размера на нормальном изображении банкноты. Альтернативный вариант, за счет меньшего размера калибровочной области, лучше отражает такие контрастные элементы в карте параметра бинаризации и позволяет более надежно передавать малоконтрастное постороннее изображение, находящееся на фоне этих элементов, в оценочное изображение. Однако, следует учитывать, что при альтернативном варианте разбиения из-за малого количества пикселей в области значение элемента карты параметра бинаризации будет устанавливаться с большой случайной погрешностью, что может ухудшить достоверность обнаружения посторонних изображений.
Использованные варианты разбиения контролируемой зоны на калибровочные области, и стратегии снижения значений элементов карты параметра бинаризации, не исчерпывают все возможности. При необходимости могут быть применены более сложные методы, соответствующие формуле заявленного изобретения.
| название | год | авторы | номер документа |
|---|---|---|---|
| Способ бинаризации изображений символов на банкноте на основе гистограммы длины границ | 2019 |
|
RU2718571C1 |
| СПОСОБ И СИСТЕМА УПРАВЛЕНИЯ БАНКОМАТАМИ | 2016 |
|
RU2708422C1 |
| СПОСОБ РАСПОЗНАВАНИЯ СИМВОЛА НА БАНКНОТЕ И СОПРОЦЕССОР ДЛЯ ВЫЧИСЛИТЕЛЬНОЙ СИСТЕМЫ УСТРОЙСТВА ДЛЯ ОБРАБОТКИ БАНКНОТ | 2019 |
|
RU2707320C1 |
| Способ определения цветности фотографии владельца документа по изображению документа | 2023 |
|
RU2822677C1 |
| РАЗДЕЛЕНИЕ ИЗОБРАЖЕНИЙ НА ОБОСОБЛЕННЫЕ ЦВЕТОВЫЕ СЛОИ | 2021 |
|
RU2792722C1 |
| СПОСОБ И УСТРОЙСТВО ДЛЯ ОПРЕДЕЛЕНИЯ ПРИГОДНОСТИ ДОКУМЕНТА ДЛЯ ОПТИЧЕСКОГО РАСПОЗНАВАНИЯ СИМВОЛОВ (OCR) НА СЕРВЕРЕ | 2016 |
|
RU2640296C1 |
| УЛУЧШЕНИЕ КОНТРАСТА И СНИЖЕНИЕ ШУМА НА ИЗОБРАЖЕНИЯХ, ПОЛУЧЕННЫХ С КАМЕР | 2017 |
|
RU2721188C2 |
| СПОСОБ ДИАГНОСТИКИ МЕЛАНОМЫ КОЖИ | 2021 |
|
RU2780367C1 |
| УСТРОЙСТВО ОБРАБОТКИ ВИДЕОИНФОРМАЦИИ СИСТЕМЫ ОХРАННОЙ СИГНАЛИЗАЦИИ | 2009 |
|
RU2484531C2 |
| СПОСОБ ДОПОЛНИТЕЛЬНОЙ ПРОВЕРКИ ПОДЛИННОСТИ ЦЕННОГО ДОКУМЕНТА | 2020 |
|
RU2745032C1 |
Изобретение относится к способу обнаружения посторонних изображений на банкноте. Согласно способу получают цифровой образ банкноты и определяют ее соответствие одному из предварительно определенных типов и ориентаций. Используя форму и расположение контролируемой зоны на поверхности банкноты, соответствующую данному типу и ориентации банкнот, формируют оценочное изображение путем бинаризации контролируемой зоны. Индивидуальное пороговое значение бинаризации для каждого пикселя контролируемой зоны вычисляется на основании карты параметра бинаризации, заранее заданной для предварительно определенного типа и ориентации банкнот, и связано с элементами этой карты известной функциональной зависимостью. Один элемент карты параметра бинаризации определяет пороговое значение бинаризации для группы из по меньшей мере двух соседних пикселей, а известная функциональная зависимость установлена с учетом статистического распределения яркостей пикселей в цифровом образе банкноты. Затем применяют к оценочному изображению критерий обнаружения постороннего изображения, основанный на анализе черных пикселей в этом оценочном изображении, и на основе этого критерия выносят решение о наличии постороннего изображения в контролируемой зоне цифрового образа банкноты. Элементы карты параметра бинаризации подбирают таким образом, чтобы увеличить соответствующие им индивидуальные пороговые значения бинаризации и обеспечить приемлемо низкий уровень вероятности ложного решения о наличии постороннего изображения при выполнении указанной последовательности действий для банкнот предварительно определенного типа и ориентации, заведомо не содержащих посторонних изображений. Технический результат - повышение чувствительности способа обнаружения посторонних изображений при уменьшении его паразитной чувствительности к геометрическим искажениям сканирования. 12 з.п. ф-лы, 13 ил.
1. Способ обнаружения посторонних изображений на банкноте, в котором получают цифровой образ банкноты, подлежащей проверке на наличие посторонних изображений, и определяют ее соответствие одному из предварительно определенных типов и ориентаций,
и далее, используя форму и расположение контролируемой зоны на поверхности банкноты, соответствующую данному типу и ориентации банкнот, формируют оценочное изображение путем бинаризации контролируемой зоны, при этом индивидуальное пороговое значение бинаризации для каждого пикселя контролируемой зоны вычисляется на основании карты параметра бинаризации, заранее заданной для предварительно определенного типа и ориентации банкнот,
и связано с элементами этой карты известной функциональной зависимостью, причем один элемент карты параметра бинаризации определяет пороговое значение бинаризации для группы из по меньшей мере двух соседних пикселей,
а известная функциональная зависимость установлена с учетом статистического распределения яркостей пикселей в цифровом образе подлежащей проверке банкноты для уменьшения влияния разброса яркостей на результат бинаризации на различных экземплярах банкнот,
и затем применяют к оценочному изображению критерий обнаружения постороннего изображения, основанный на анализе черных пикселей в этом оценочном изображении,
и на основе этого критерия выносят решение о наличии постороннего изображения в контролируемой зоне цифрового образа банкноты, подлежащей проверке,
причем элементы карты параметра бинаризации подбирают таким образом, чтобы увеличить соответствующие им индивидуальные пороговые значения бинаризации и вместе с тем обеспечить приемлемый низкий уровень вероятности ложного решения о наличии постороннего изображения при выполнении указанной последовательности действий для банкнот предварительно определенного типа и ориентации, заведомо не содержащих посторонних изображений.
2. Способ по п. 1, в котором карту параметра бинаризации, соответствующую определенному типу и ориентации банкнот, получают путем предварительной обработки комплекта подлинных банкнот, не содержащих посторонних изображений,
в ходе которой получают набор обучающих цифровых образов комплекта подлинных банкнот, не содержащих посторонних изображений, для каждого предварительно определенного типа и ориентации,
и формируют карту параметра бинаризации на основе полученного набора обучающих цифровых образов, для чего задают набор калибровочных областей, в совокупности покрывающих контролируемую зону,
и также целевое значение доли черных пикселей, меньшее 40%,
устанавливают такие начальные значения элементов карты параметра бинаризации, которые при проведении бинаризации каждого цифрового образа из обучающего набора обеспечивают превышение доли черных пикселей в каждой калибровочной области над целевым значением,
и далее при рассмотрении каждой калибровочной области на каждом из обучающих цифровых образов в наборе за счет изменения элементов карты параметра бинаризации снижают пороговое значение бинаризации для отдельных пикселей тогда и в той мере, в какой это необходимо для снижения доли черных пикселей в пределах каждой калибровочной области до уровня не более целевого значения.
3. Способ по п. 2, в котором при рассмотрении каждой калибровочной области на каждом из обучающих образов
вычисляют предельный уровень бинаризации для области, при котором в этой области достигается целевое значение доли черных пикселей,
и для снижения порогового значения бинаризации для каждого пикселя в этой области, если ранее установленное пороговое значение бинаризации данного пикселя превышает предельный уровень бинаризации, за счет изменения элементов карты параметра бинаризации снижают его до предельного уровня бинаризации.
4. Способ по п. 3, в котором проверка критерия обнаружения состоит в том, что используют проверочное окно заранее заданного размера,
и для всех возможных положений проверочного окна в границах оценочного изображения подсчитывают долю черных пикселей среди всех пикселей, попадающих в границы проверочного окна,
затем сравнивают эту долю с предварительно заданным предельным значением, в случае превышения предельного значения делают заключение об обнаружении постороннего изображения.
5. Способ по любому из пп. 1-4, в котором при получении цифрового образа банкноты предварительно определенного типа и ориентации сочетание типа и ориентации банкноты относятся к набору допустимых сочетаний, содержащему по меньшей мере два таких сочетания.
6. Способ по любому из пп. 2-5, в котором при задании набора калибровочных областей обеспечивают, чтобы, по меньшей мере, часть пикселей контролируемой зоны одновременно относилась к по меньшей мере двум калибровочным областям.
7. Способ по любому из пп. 1-5, в котором для получения цифрового образа банкноты
сканируют банкноту при прохождении банкноты через банкнотопроводный тракт машины для обработки банкнот с получением цифровых образов банкноты для обеих ее сторон,
выравнивают полученные цифровые образы банкноты по отношению к координатным осям,
производят распознавание типа и ориентации банкноты,
выполняют преобразование цифровых образов банкноты к заранее заданной ориентации, получая первый цифровой образ, соответствующий первой стороне банкноты в заданной ориентации,
и этот цифровой образ используют для проверки на наличие посторонних изображений в соответствии с распознанным типом и заданной ориентацией.
8. Способ по п. 7, в котором проверку на наличие посторонних изображений проводят дважды,
для чего предварительно при преобразовании цифровых образов банкноты к заранее заданной ориентации дополнительно получают второй цифровой образ, соответствующий второй стороне банкноты в заранее заданной ориентации, и затем используют в качестве полученного сначала первый цифровой образ, а затем второй цифровой образ,
после чего выносят решение об отсутствии посторонних изображений на подлежащей проверке банкноте только в том случае, когда совместно сделаны выводы об отсутствии постороннего изображения в контролируемой зоне как первого, так и второго цифровых образов банкноты,
в противном случае выносят решение о наличии постороннего изображения на банкноте,
причем карту параметра бинаризации, используемую для бинаризации первого цифрового образа, строят в результате обучения с использованием набора первых обучающих цифровых образов подлинных банкнот определенного типа и заданной ориентации, не содержащих посторонних изображений,
а карту параметра бинаризации, используемую для бинаризации второго цифрового образа, строят в результате обучения с использованием набора вторых обучающих цифровых образов подлинных банкнот определенного типа и заданной, не содержащих посторонних изображений.
9. Способ по п. 6, в котором
калибровочные области имеют прямоугольную форму с постоянной шириной и постоянной высотой,
а набор этих калибровочных областей состоит из двух подмножеств,
так что указанные калибровочные области в каждом подмножестве размещены вплотную друг к другу в порядке рядов и колонн,
причем калибровочные области одного подмножества перекрываются с пересекающимися с ними калибровочными областями другого подмножества на половину высоты и на половину ширины одной калибровочной области.
10. Способ по п. 6, в котором
калибровочные области имеют прямоугольную форму с постоянной шириной и постоянной высотой,
так что калибровочные области размещены в порядке рядов и колонн,
причем в пределах ряда калибровочные области размещены с предварительно заданным первым шагом,
а ряды смещены друг относительно друга с предварительно заданным вторым шагом в направлении, перпендикулярном направлению рядов.
11. Способ по любому из пп. 2-5, в котором задают набор калибровочных областей
в виде прямоугольников одинакового размера, расположенных в порядке рядов и колонн вплотную друг к другу,
при этом размер каждого прямоугольника выбран достаточно малым, чтобы избежать формирования на оценочном изображении банкноты, не содержащей посторонних изображений, паразитных кластеров черных пикселей, имеющих размер более предварительно заданного.
12. Способ по любому из пп. 3-6, в котором известная функциональная зависимость установлена с учетом статистического распределения яркостей пикселей в цифровом образе подлежащей проверке банкноты за счет того, что для банкноты, подлежащей проверке, вычисляют характеристический уровень такой, при котором доля пикселей с равными ему или более низкими значениями в цифровом образе указанной подлежащей проверке банкноты представляет собой целевое значение доли черных пикселей, предварительно заданное для этого типа и ориентации банкнот,
а значение, поставляемое функциональной зависимостью, пропорционально характеристическому уровню.
13. Способ по п. 10, в котором
контролируемую зону разбивают на прямоугольные смежные группы пикселей одинакового размера,
причем каждой группе соответствует отдельный элемент карты бинаризации,
а пороговое значение бинаризации для каждого пикселя в цифровом образе подлежащей проверке банкноты вычисляют как произведение характеристического уровня подлежащей проверке банкноты на значение элемента карты бинаризации, соответствующего группе, в которую входит рассматриваемый пиксель.
| US 6272248 B1, 07.08.2001 | |||
| CN 108269349 A, 10.07.2018 | |||
| WO 2011028772 A2, 10.03.2011. |
