본 논문에서는 현재 우리 나라에서 유통되고 있는 1,000원 권, 5,000원 권, 10,000원 권 지폐를 학습시키고, 인식하기 위해서 선분 추출 필터를 이용한 알고리즘을 제안한다. 낡은 지폐나 일부 영역이 훼손된 지폐영상에 대해서도 인식할 수 있도록 배경이 제거되고, 각도가 보정된 지폐영상에 수평필터, 수직필터, 45도 사선필터, 135도 사선필터를 적용시켜서 그 특징을 추출해 낸다. 선분 추출 필터를 적용시킨 영상을 64 x 64 크기의 블록으로 나눈 후 갈 블록 당 평균을 구하여 학습시킬 지폐영상을 구성한다. 훼손 정도가 서로 다른 여러 장의 지폐를 학습시켜서 표준패턴이 완성되면 인식할 지폐영상을 입력받아 학습시켰던 방법과 동일한 방법으로 지폐영상을 재구성하고, 일정범위 안에서 학습 데이터와의 거리가 가장 작은 패턴을 채택하는 방식으로 인식을 수행한다. 이러한 인식과정 중 학습 데이터와 입력된 데이터의 차이가 ...
본 논문에서는 현재 우리 나라에서 유통되고 있는 1,000원 권, 5,000원 권, 10,000원 권 지폐를 학습시키고, 인식하기 위해서 선분 추출 필터를 이용한 알고리즘을 제안한다. 낡은 지폐나 일부 영역이 훼손된 지폐영상에 대해서도 인식할 수 있도록 배경이 제거되고, 각도가 보정된 지폐영상에 수평필터, 수직필터, 45도 사선필터, 135도 사선필터를 적용시켜서 그 특징을 추출해 낸다. 선분 추출 필터를 적용시킨 영상을 64 x 64 크기의 블록으로 나눈 후 갈 블록 당 평균을 구하여 학습시킬 지폐영상을 구성한다. 훼손 정도가 서로 다른 여러 장의 지폐를 학습시켜서 표준패턴이 완성되면 인식할 지폐영상을 입력받아 학습시켰던 방법과 동일한 방법으로 지폐영상을 재구성하고, 일정범위 안에서 학습 데이터와의 거리가 가장 작은 패턴을 채택하는 방식으로 인식을 수행한다. 이러한 인식과정 중 학습 데이터와 입력된 데이터의 차이가 허용오차를 넘어서는 경우는 거부(reject) 한다. 본 논문에서는 지폐영상을 학습시키고, 인식하는 과정에서 사용되는 4가지의 선분 추출 필터를 적용시킨 영상과 적용시키지 않은 영상간의 차이점을 비교 분석하여 선분 추출 필터를 이용한 동기를 밝히고, 각 선분 추출 필터가 인식률에 미치는 영향을 실험을 통하여 제시하고, 분석하였다. 그 결과 인식률에서 선분 추출 필터를 적용시킨 영상이 적용시키지 않은 영상보다 더 높은 인식률을 보였으며, 지폐영상을 일정한 블록 당 평균으로 재구성하여 학습시키고, 인식하였기 때문에 일부가 훼손되거나 낡은 지폐에 대해서도 높은 인식률을 보여주었다.
본 논문에서는 현재 우리 나라에서 유통되고 있는 1,000원 권, 5,000원 권, 10,000원 권 지폐를 학습시키고, 인식하기 위해서 선분 추출 필터를 이용한 알고리즘을 제안한다. 낡은 지폐나 일부 영역이 훼손된 지폐영상에 대해서도 인식할 수 있도록 배경이 제거되고, 각도가 보정된 지폐영상에 수평필터, 수직필터, 45도 사선필터, 135도 사선필터를 적용시켜서 그 특징을 추출해 낸다. 선분 추출 필터를 적용시킨 영상을 64 x 64 크기의 블록으로 나눈 후 갈 블록 당 평균을 구하여 학습시킬 지폐영상을 구성한다. 훼손 정도가 서로 다른 여러 장의 지폐를 학습시켜서 표준패턴이 완성되면 인식할 지폐영상을 입력받아 학습시켰던 방법과 동일한 방법으로 지폐영상을 재구성하고, 일정범위 안에서 학습 데이터와의 거리가 가장 작은 패턴을 채택하는 방식으로 인식을 수행한다. 이러한 인식과정 중 학습 데이터와 입력된 데이터의 차이가 허용오차를 넘어서는 경우는 거부(reject) 한다. 본 논문에서는 지폐영상을 학습시키고, 인식하는 과정에서 사용되는 4가지의 선분 추출 필터를 적용시킨 영상과 적용시키지 않은 영상간의 차이점을 비교 분석하여 선분 추출 필터를 이용한 동기를 밝히고, 각 선분 추출 필터가 인식률에 미치는 영향을 실험을 통하여 제시하고, 분석하였다. 그 결과 인식률에서 선분 추출 필터를 적용시킨 영상이 적용시키지 않은 영상보다 더 높은 인식률을 보였으며, 지폐영상을 일정한 블록 당 평균으로 재구성하여 학습시키고, 인식하였기 때문에 일부가 훼손되거나 낡은 지폐에 대해서도 높은 인식률을 보여주었다.
In this paper, a paper notes classifying and recognizing algorithm using the edge detection filters in learning and recognizing the 1,000 won notes, 5,000 won notes, and 10,000 won notes currently in circulation in Korea is proposed. Removing the background of notes in order to recognize the paper m...
In this paper, a paper notes classifying and recognizing algorithm using the edge detection filters in learning and recognizing the 1,000 won notes, 5,000 won notes, and 10,000 won notes currently in circulation in Korea is proposed. Removing the background of notes in order to recognize the paper monies either old or partly damaged, it extracts common features by applying the horizontal filter, vertical filter, 45°diagonal filter and 135° diagonal filter, which are collectively called the edge detection filter, to the paper note images compensated with angles, i.e., the primary images appearing when the paper notes are put into the recognition system. After dividing the images into the 64 x 64 size blocks, applying the edge detection filters to them, and then calculating the average of each block, it arranges the feature values of each paper note image, i.e., the compensated images that the common features are properly reflected. Rearranging the feature values of numerous paper notes that have various degrees of damages into the standard feature pattern, the system is designed to recognize an input note within some predefined range by finding the shortest distance feature pattern based on the exemplary data. In the course of these recognition processes, it can reject the recognition result where the differences between the learned data and an input data exceed the predefined range. This study shows the effectiveness of the edge detection filters when it is applied to the paper note recognition by comparing and analyzing the differences between the images that were applied and that were not applied with those 4 types of edge extraction filters, and the definite influences imposed on the recognition rate by segmenting the images and extracting the average feature values of them, too. As a conclusion, by rearranging the paper note image features into the averages per some fixed block, the proposed algorithm enhances the recognition rate relative to the damaged paper notes.
In this paper, a paper notes classifying and recognizing algorithm using the edge detection filters in learning and recognizing the 1,000 won notes, 5,000 won notes, and 10,000 won notes currently in circulation in Korea is proposed. Removing the background of notes in order to recognize the paper monies either old or partly damaged, it extracts common features by applying the horizontal filter, vertical filter, 45°diagonal filter and 135° diagonal filter, which are collectively called the edge detection filter, to the paper note images compensated with angles, i.e., the primary images appearing when the paper notes are put into the recognition system. After dividing the images into the 64 x 64 size blocks, applying the edge detection filters to them, and then calculating the average of each block, it arranges the feature values of each paper note image, i.e., the compensated images that the common features are properly reflected. Rearranging the feature values of numerous paper notes that have various degrees of damages into the standard feature pattern, the system is designed to recognize an input note within some predefined range by finding the shortest distance feature pattern based on the exemplary data. In the course of these recognition processes, it can reject the recognition result where the differences between the learned data and an input data exceed the predefined range. This study shows the effectiveness of the edge detection filters when it is applied to the paper note recognition by comparing and analyzing the differences between the images that were applied and that were not applied with those 4 types of edge extraction filters, and the definite influences imposed on the recognition rate by segmenting the images and extracting the average feature values of them, too. As a conclusion, by rearranging the paper note image features into the averages per some fixed block, the proposed algorithm enhances the recognition rate relative to the damaged paper notes.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.