WO2012016484A1 - 有价文件识别方法及其识别系统、装置 - Google Patents

Description

有价文件识别方法及其识别系统、 装置

本申请要求于 2010 年 8 月 3 日提交中国专利局、 申请号为 201010251473.0、 发明名称为"有价文件识别方法及其识别系统"的中国专利申 请的优先权， 其全部内容通过引用结合在本申请中。

技术领域

本发明涉及图像处理及模式识别技术，特别涉及有价文件， 例如纸币的识 别方法及其识别系统、 装置。

背景技术

随着社会经济的快速增长， 纸币的流通量越来越大，银行传统的手工处理 方式难以满足大量纸币处理的需求。 为了提高纸币处理效率， 降低人力成本， 急需大量易用性好、可靠性高的金融自助设备投放社会使用。但在流通的纸币 中， 旧钞的比例高， 绝大多数的旧钞图像也存在笔迹、 划痕、 污损、 褶皱等退 化情况， 增加了鉴伪识别的难度， 而目前国、 内外设备制造商生产的金融自助 设备对残钞和旧钞的适应性差， 导致已投放到市场的金融自助设备拒钞率高、 易用性差， 不利于金融自助设备的推广使用。如果把旧钞的图像质量恢复到新 钞的图像质量水平， 就有可能解决金融自助设备对旧钞的拒钞率高的问题。基 于偏微分方程的图像恢复技术， 目前取得一定的研究成果， 它在处理划痕、 笔 迹、 污损、 褶皱等退还现象， 能够取得较好的恢复效果， 旧钞图像的恢复与基 于偏微分方程的图像恢复的研究内容是一致的。基于偏微分方程的图像恢复技 术应用于钞票图像恢复， 可以取得较好的恢复效果。

图 1为传统的钞票图像识别处理流程图，如图所示，先对整幅图像做图像 恢复处理， 再提取特征， 然后按照币种、 面额或新旧等标准分类， 最后才是鉴 伪识别。

令 T表示每张钞票识别时间， 令^。表示图像处理的时间开销， ^表示特征 提取的时间开销， 表示分类的时间开销， ^表示鉴伪的时间开销， 令⁷^表 示系统的实时响应的时间范围， 则当且仅当识别系统满足（1 ) 式时， 才能达 到实际应用的需求： ^{T = t}a ^{+ t}b ^{+ t}c "_{d ( 1 )}

\ _t ,

― max

对于带有笔迹、 划痕、 污损、 褶皱等退化情况的旧钞票， 由于钞票退化会 降低系统鉴伪的精度， 因此， 系统需要先对纸币的 "整幅图像"作图像恢复处 理，需要大量的时间开销，会出现图像处理时间 ^。远大于分类时间 ,即 》 。

然而， 钞票识别系统应用于金融自助设备时， 要求具备较高的实时性:每 张钞票的识别必须在有限的时间内完成。现有技术中的钞票识别系统，在识别 过程中先对纸币的 "整幅图像"进行图像恢复处理， 占用了大量的时间； 另夕卜， 现有技术对图像质量好的纸币也做恢复处理， 浪费了系统资源。每张钞票的识 别时间开销剧增， 钞票识别系统难以满足应用的实时性需求⁷ 具体情况如 (2)式所示：

因此， 已有的钞票识别系统为了提高实时响应速度， 对旧钞不作处理， 即 拒绝识别旧钞， 从而导致大量旧钞被拒收， 钞票识别系统的拒钞率高， 影响了 钞票识别系统的易用性， 不利于金融自助设备的推广应用。

发明内容

本发明的目的在于提供一种实时响应速度快的有价文件识别方法，以及实 时响应速度快、 拒钞率低的有价文件识别系统、 装置。

该有价文件识别方法包括：

步骤 1, 提取特征， 选取有价文件的特征区域， 并从所述特征区域中提取 用于快速分类的有价文件特征；

步骤 2, 快速分类， 根据步骤 1中提取的有价文件特征， 对输入的有价文 件根据预先设置的分类模型做快速分类处理， 获得有价文件的币种、 面额、 朝 向以及图像质量信息等信息，并遴选出图像质量好的纸币一一新钞和图像质量 差的纸币——旧钞；

步骤 3, 图像恢复， 应用基于偏微分方程的图像恢复技术对旧钞图像进行 恢复处理， 得到恢复处理后的图像； 步骤 4, 鉴伪处理， 对新钞直接做鉴伪识别； 对旧钞则通过恢复后的图像 做鉴伪识别， 判定当前钞票的真实性；

步骤 5 , 输出判定当前钞票的结果。

进一步的， 步骤 1中所述提取特征是结合钞票的多波长图像特性、钞票图 像的多分辨率特性、 以及钞票图像的防伪属性，选取钞票多波长图像的特征区 域， 结合分类模型， 从选定的特征区域中提取特征。

进一步， 步骤 1中所述有价文件特征包括白水印、 黑水印、 变色油墨、 磁 性安全线、 缩微文字、 凹版印刷图案、 面额数字号码以及钞票冠字号码中至少 一种。

进一步的， 步骤 1中所述有价文件特征的向量化， 具体包括： 对有价文件 的特征区域图像作归一化处理， 得到归一化图像； 从所述归一化图像中选取" 个不同的特征区域，对于 1至 n个特征区域图像分别进行灰度值平均计算； 根 据上述 1至 n个灰度平均值形成特征向量。 具体表示如下：

假设对于高为 宽为 W的钞票灰度图像/ ，) , 其中， ^表示行号 ( ^ (1, ））, y表示列号（ ), 表示在坐标为（U)的像素灰度值， 首先对特征区域图像作归一化处理， 得到归一化图像 ， ； 再从钞票图像中 选取"个不同的特征区域， 对于高为^' , 宽为 W '的特征区域图像 ^ ， 其中 = (1，²，···，_Μ , 选取其灰度平均值作为它们的特征值， 即

Μ Ν d = ^{x=l y=l}

¹ M x N

最后， 按上式计算 ， 得到特征向量^^ ^ ^^

进一步的， 所述快速分类模型是根据不同的币种、 面额、 朝向以及图像质 量建立的。

进一步的， 所述快速分类模型包括如下层级：

第一层： 不同币种， 如： 人民币、 欧元、 美元；

第二层： 同一币种的不同面额；

第三层： 同一面额的不同朝向； 第四层： 同一面额的不同图像质量， 包括新钞和旧钞。

可选择的， 所述分类模型可以为如下层级顺序：

第一层： 不同币种， 如： 人民币、 欧元、 美元；

第二层： 同一币种的不同面额；

第三层： 同一面额的不同图像质量， 包括新妙和旧钞；

第四层： 同一面额的不同朝向。

进一步的， 分类模型通过如下步骤建立： 划分 p 个币种， 每种币种的 q 类面额， 每个面额的正反 2面朝向以及新、 旧图像的特征区域； 分别对上一步 形成的 Ρ^χ^^χ4个不同图像作归一化处理， 得到归一化图像； 从每个归一化图 像中选取"个不同的特征区域， 对于 1至 η个特征区域图像分别进行灰度值平 均计算， 形成特征向量； 通过 R 个训练样本对所述特征向量进行训练形成 pxgx⁴个类聚中心， 依此建立有价文件特征区域的分类模型。 具体如下所示： 令^{^'"，^}表示所有币种； 其中， -^，^…，^表示第 /类币 种包含 ^类面额； 令^^ ，⁰^表示钞票的朝向， 表示正向， "2表示反向；

令 ^{B =} {A，A表示图像质量， A表示新， A表示旧； };

则可得 px^⁴个类别，每种类 C = l，²"*，pxgx⁴)表示，如下式所述：

用 表示类别 的特征向量， 则有

D = {D₁,D₂,^;D_pxqx4} 对于上述每个类别 ^( ^{= 1}，²，'''，^Ρ>^^Χ4), 选取 R个训练样本， 则类别 ^ ^的 聚类中心可用下式描述：

其中， _ "。 进一步的， 快速分类处理包括如下步骤： 对于提取的特征， 与每个类别的聚类中心 的距离为：

e_k =||Ζ)-Ζ)_Α||(^ = 1,2,···,ρχ^χ4) 分类判别函数定义为：

g ,· (D) = min( _k ) = minllZ) - D_k \\(k = 1,2,· ·;ρχρχ4)

^J k k " "

其中， 当 [0.1-0.5], 可把输入 D划归为 类； 否则， 输入 D不属于 类 别。

进一步的， 步骤 3中所述图像恢复， 其恢复对象为图像质量差的纸币一一 旧钞的感兴趣区域（R0I)。

进一步的，对旧钞图像进行恢复是采用基于偏微分方程的图像恢复方法完 成的。

本发明提供的有价文件识别系统包括：

一图像采集模块， 用于采集有价文件的图像数据；

一存储模块， 用于存储上述图像数据以及所需标准模型数据；

一数据处理模块，对上述存储图像数据进行特征区域特征提取、快速分类、 图像恢复处理； 即选取有价文件的特征区域， 并从所述特征区域中提取有价文 件的特征； 根据提取的所述有价文件的特征，对输入的有价文件按照预先设置 的分类模型做快速分类处理， 遴选出图像质量好的纸币和图像质量差的纸币； 对图像质量差的纸币的图像进行恢复处理，得到恢复处理后的图像（即图像数 据）；

一识别模块， 用于对上述处理后的图像数据与标准模型数据比对， 进行鉴 伪识别处理；

一输出模块， 用于将识别模块的鉴伪识别结果输出；

一中央控制模块，用于控制和协调上述模块（即图像采集模块、存储模块、 数据处理模块、 识别模块和输出模块）之间的工作， 包括数据传输、 资源分配 等。

本有价文件识别系统中的各模块之间形成数据链路，其中数据链路属于公 知技术， 本发明不再赘述。

本发明提供的一种有价文件识别装置， 包括：

选取模块， 用于选取有价文件的特征区域；

提取模块， 用于从所述特征区域中提取有价文件的特征；

分类处理模块， 用于根据提取的所述有价文件的特征，对输入的有价文件 按照预先设置的分类模型做快速分类处理，遴选出图像质量好的纸币和图像质 量差的纸币；

恢复处理模块，对图像质量差的纸币的图像进行恢复处理，得到处理后的 图像；

识别模块， 用于分类处理模块得到的图像质量好的纸币直接做鉴伪识别； 以及对恢复处理模块恢复处理后的图像做鉴伪识别， 判定当前纸币的真实性； 以及

输出模块， 用于输出识另模块判定当前纸币的结果。

该有价文件识别方法、装置及系统的有益效果是： 省略了对图像质量好的 纸币一一新钞的图像恢复处理， 节省了时间， 提高了整个系统的处理效率； 且 对图像质量差的纸币——旧钞的感兴趣区域（ROI )做恢复处理， 既节约系统 开销，又为鉴伪环节提供质量好的图像数据，降低鉴伪难度，提高鉴伪的精度， 从而提高了钞票识别系统的接收率。

附图说明

图 1是传统的钞票图像识别处理方法的流程图；

图 2是本发明具体实施例提供的有价文件识别方法的流程图；

图 3是图 2中建立快速分类模型的示意图；

图 4是图 2中建立快速分类的另一种示意图；

图 5是图 2中图像恢复的示意图； 以及

图 6是本发明具体实施例提供的有价文件识别系统的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图 和实施方式对本发明实施例作进一步的详细说明。 以下结合图示举例说明本发明提供的有价文件识别方法的流程步骤以及 有价文件识别系统的模块框架。

如图 2所示， 该有价文件识别方法包括： 步骤 1 , 提取特征； 步骤 2, 快 速分类； 步骤 3, 图像恢复； 步骤 4, 鉴伪识别； 以及步骤 5, 输出结果。 以 下详细介绍各步骤的具体内容。

步骤 1 , 提取特征。

结合钞票的多波长图像特性、钞票图像的多分辨率特性、 以及钞票图像的 防伪属性， 选取钞票多波长图像的特征区域， 结合分类模型， 从选定的特征区 域中提取特征， 如： 白水印、 黑水印、 变色油墨、 磁性安全线、 缩微文字、 凹 版印刷图案、 面额数字号码和 /或钞票冠字号码等。

特征的量^ ^表示如下：

假设对于高为 宽为 W的钞票灰度图像/ , 其中， 表示行号 ( (1, H) ), y表示列号（ _{y e} (i，w) ), 表示在坐标为（U)的像素灰度值。

首选， 对特征区域图像作归一化处理， 得到归一化图像 ：

其次， 从钞票图像中选取"个不同的特征区域， 对于高为^' , 宽为 ^的 特征区域图像 ^， ， 其中'' = (1，²，*^，"）， 选取其灰度平均值作为该钞票图像 的特征值， 即

¹ Μ χ Ν

最后， 按上式计算 ， 得到特征向量^^ ^^，^^

步骤 2, 快速分类。

对输入的钞票信息根据预先设置的分类模型做快速分类处理，得到钞票的 币种、 面额、 朝向和图像质量。 其中， 币种、 面额、 朝向合图像质量为后续环 节定位感兴趣（ROI ) 区域提供指导法则。 例如： 人民币 100元正面， 有白水 印、 光变油墨面额数字以及毛主席头像； 人民币 100元反面， 有隐形文字、 有 色荧光红色条纹以及凹版印刷面额数字。

图像质量则决定是否需要做图像恢复处理，图像质量好的纸币直接送识别 处理， 图像质量差的旧钞送数据处理模块处理。

其中， 分类模型的建立的示意图如图 3所示，

首先， 根据不同的币种、 面额和图像质量以如下几个层级建立分类模型： 第一层： 根据不同币种， 如： 人民币、 欧元、 美元， 将钞票进行分类； 第二层： 根据同一币种的不同面额， 如： 人民币 100元、 50元， 对钞票 做进一步的分类；

第三层： 再根据同一面额的不同朝向， 如： 正向、 反向， 对钞票进行第三 层次的分类； 然后

第四层： 根据同一面额的不同图像质量， 如： 新钞、 旧钞， 对钞票再次分 类。

其中第三层和第四层可以互换顺序，如图 4所示，第一层：根据不同币种， 如： 人民币、 欧元、 美元， 对钞票进行分类； 第二层： 根据同一币种的不同面 额， 如： 人民币 100元、 50元， 对钞票进行第二层次的分类； 第三层： 根据 同一面额的不同图像质量， 如新钞、 旧钞， 再次对钞票分类； 第四层： 最后根 据同一面额的不同朝向， 如： 正向、 反向， 对钞票做再次分类。

其次， 建立聚类中心

令^ ^，…， 表示所有币种； 其中， ^ψ'= ， 表示第 '·类币 种包含 ^类面额；

令 ^ = {«"«2}表示钞票的朝向， 表示正向， 《₂表示反向；

令 ^{B =} {A，A表示图像质量， A表示新， A表示旧； }

则可得/^ <⁴个类别，每种类别用<^ = 1，²"*，/^^⁴)表示，如下式所述： C,

用 表示类别 的特征向量， 则有

D = {D₁,D₂,^;D_pxqy 对于上述每个类别 ^^¹，²，"'，^^⁴), 选取 R个训练样本， 则类别 的 聚类中心可用下式描述：

^Dk = {¾1， 2，· · ·， „} 其中， = R 依据上述分类模型进行分类：

对于提取的特征 与每个类别的聚类中心

分类判别函数定义为：

g · (D) = min( _k ) = minllZ) - D_k \\(k = 1,2,·•;pxqx4)

其中， 当 ζ [0.1-0.5]时， 可把输入 D划归为 ^类； 否则， 输入 D不属于 类别。

步骤 3, 图像恢复。

针对旧钞的定位感兴趣（ROI) 区域做图像恢复， 即结合快速分类环节获 得的信息， 先定位图像的定位感兴趣（ROI) 区域， 把基于偏微分方程的图像 恢复技术用到定位感兴趣（ROI) 区域图像中， 对定位感兴趣（ROI) 区域图 像做恢复处理。 具体实现流程如图 5所示， 定位感兴趣（ROI) 区域图像经恢 复处理后， 达到鉴伪的图像质量要求。

图像恢复的目标是从一幅降质图像（噪声、 模糊、 污损 )恢复出原始的图 像， 在去除噪声和模糊的同时， 图像的边界和细节信息能 4艮好地保留下来。 为 达到上述条件， 恢复模型需要满足： （a)在梯度较小的区域应具有各向同性的 扩散效应， （ b )在梯度值较大的区域只沿着梯度方向演化。 为此， 本实施例采 用基于偏微分方程的图像恢复模型如下：

其中 是实时获得的观测图像， 是原始图像； 利用梯度下降法， 引入时 间变量 图像 可以被看作是关于时间变化的函数， 设退化图像为初始时刻 的时间函数， 即/ 0^ = 0) = /, Λ=/0^，Ο。

Q_e R "是一个有界开集； 为可变参数， V为梯度算子； φ(·)是一个单调递减函数； 是非局部的均值滤波器。

(1) ^φ(·)采用 ΡΜ异向扩散模型中的边界函数， 如下式所示。

Φ(s) = l + ^ - ^ (5)

1+(— )²

Μ

其中， Μ为边界阈值参数。

(2)非局部的均值滤波器 如下式所示： φ( x) =

式（4) 的梯度下降方程为： f_t =f -fo + Μν(Φ( (/₀)) I V/ ^-¹ |^|) (7) 其中， (·)表示散度。

为避免分母为零， 给分母加一个无穷小， 把上式变为： f_t =f -fo+ Μν(Φ( ( ₀ )) I V/ 1 ^(/。))- ¹ , ^V ) (8) 以实时观测到的定位感兴趣（ ROI ) 区域图像为 ； 标准 ROI图像为 ,。。 采用高斯-塞德尔法对式（ 8 )进行迭代， 完成 ROI图像 的恢复处理。

步骤 4, 鉴伪识别。

进入该环节的钞票信息分为两种：图像恢复处理过的质量差的纸币一一旧 钞， 以及没做图像恢复处理的质量好的纸币一一新钞。

根据事先存储的纸币标准模型， 与纸币信息进行匹配， 判定当前钞票的真 实性。

步骤 5, 输出结果。

将货币真实性结果输出。

上述以钞票识别为例的有价文件识别方法， 由于该方法先对有价文件分 类， 然后根据分类结果仅对图像质量差的旧币做图像恢复处理， 因此节约了大 量的图像恢复处理时间， 提高了钞票识别系统的实时响应速度。 实现该有价文件识别方法的系统， 其模块架构如图 6所示， 包括： 一图像采集模块， 用于采集有价文件的图像数据；

一存储模块， 用于存储上述图像数据以及所需标准模型数据；

一数据处理模块，对上述存储图像数据进行特征区域特征提取、快速分类、 图像恢复处理； 即选取有价文件的特征区域， 并从所述特征区域中提取有价文 件的特征； 根据提取的所述有价文件的特征， 对输入的有价文件按照预先设置 的分类模型做快速分类处理， 遴选出图像质量好的纸币和图像质量差的纸币； 对图像质量差的纸币的图像进行恢复处理， 得到恢复处理后的图像；

一识别模块， 用于对上述处理后的图像数据进行鉴伪识别处理；

一输出模块， 用于将识别模块的鉴伪识别结果输出； 以及

一中央控制模块， 用于控制和协调上述模块的工作， 包括数据传输、 资源 分配等。

各模块之间形成数据链路，其中数据链路属于公知技术，本发明不再赘述。 所述系统中各个模块的功能和作用的实现过程详见上述方法中对应的实 现过程， 在此不再赘述。

基于上述方法的实现过程， 本发明还提供一种有价文件识别装置， 包括： 选取模块， 提取模块， 分类处理模块， 恢复处理模块， 识别模块和输出模块， 其中， 所述选取模块， 用于选取有价文件的特征区域； 所述提取模块， 用于从 所述特征区域中提取有价文件的特征； 所述分类处理模块， 用于根据提取的所 述有价文件的特征，对输入的有价文件按照预先设置的分类模型做快速分类处 理， 遴选出图像质量好的纸币和图像质量差的纸币； 所述恢复处理模块， 对图 像质量差的纸币的图像进行恢复处理， 得到处理后的图像； 所述识别模块， 用 于分类处理模块得到的图像质量好的纸币直接做鉴伪识别；以及对恢复处理模 块恢复处理后的图像做鉴伪识别，判定当前纸币的真实性；以及所述输出模块， 用于输出识别模块判定当前纸币的结果。

其中， 所述有价文件识别装置可以集成在服务终端中， 也可以独立部署， 本实施例不作限制。 所述装置中各个模块的功能和作用的实现过程详见上述方法中对应的实 现过程， 在此不再赘述。

由于该系统仅对图像质量差的旧钞进行感兴趣（ ROI )区域图像恢复处理， 以及对图像质量好的新钞直接进行真伪鉴别， 因此节约了大量的识别处理时 间， 因此实时响应速度快，适合应用于金融自助设备，其拒钞率低， 易用性好， 利于金融自助设备的推广使用。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明 可借助软件加必需的通用硬件平台的方式来实现， 当然也可以通过硬件，但很 多情况下前者是更佳的实施方式。基于这样的理解， 本发明的技术方案本质上 或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机 软件产品可以存储在存储介质中， 如 ROM/RAM、 磁碟、 光盘等， 包括若干指 令用以使得一台计算机设备（可以是个人计算机， 服务器， 或者网络设备等） 执行本发明各个实施例或者实施例的某些部分所述的方法。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通 技术人员来说， 在不脱离本发明原理的前提下， 还可以作出若干改进和润饰， 这些改进和润饰也应视为本发明的保护范围。

+

Claims

权 利 要 求

1、 一种有价文件识别方法， 其特征在于， 包括：

选取有价文件的特征区域， 并从所述特征区域中提取有价文件的特征； 根据提取的所述有价文件的特征，对输入的有价文件按照预先设置的分类 模型做快速分类处理， 遴选出图像质量好的纸币和图像质量差的纸币；

对图像质量差的纸币的图像进行恢复处理， 得到恢复处理后的图像； 对图像质量好的纸币直接做鉴伪识别； 并对恢复处理后的图像做鉴伪识 另¹ J , 判定当前纸币的真实性； 以及

输出判定当前纸币的结果。

2、 如权利要求 1所述的有价文件识别方法， 其特征在于， 所述提取有价 文件的特征是结合纸币的多波长图像特性、纸币图像的多分辨率特性、 以及纸 币图像的防伪属性， 选取纸币多波长图像的特征区域， 结合分类模型， 从选定 的特征区域中提取特征。

3、 如权利要求 1所述的有价文件识别方法， 其特征在于， 所述有价文件 的特征包括白水印、 黑水印、 变色油墨、 磁性安全线、 缩微文字、 凹版印刷图 案、 面额数字号码和 /或钞票冠字号码。

4、 如权利要求 1所述的有价文件识别方法， 其特征在于， 还包括： 对提 取有价文件的特征进行向量化， 具体包括步骤：

对有价文件的特征区域图像作归一化处理， 得到归一化图像；

从所述归一化图像中选取 w个不同的特征区域， 对于 1至 n个特征区域图 像分别进行灰度值平均计算；

根据上述 1至 n个灰度平均值形成特征向量。

5、 如权利要求 4所述的有价文件识别方法， 其特征在于， 所述分类模型 是根据不同的币种、 面额、 朝向以及图像质量建立的。

6、 如权利要求 5所述的有价文件识别方法， 其特征在于， 还包括： 预先 设置分类模型， 具体包括如下步骤：

划分 p个币种， 每种币种的 q类面额， 每个面额的正反 2面朝向以及新、 旧图像的特征区域；

分别对上一步形成的 P X⁴个不同图像作归一化处理， 得到归一化图像； 从每个归一化图像中选取 w个不同的特征区域， 对于 1至 _n个特征区域图 像分别进行灰度值平均计算， 形成特征向量；

通过 R个训练样本对所述特征向量进行训练形成 Ρ^Χ^^{Χ 4}个类聚中心， 依 此建立有价文件特征区域的分类模型。

7、 如权利要求 6所述的有价文件识别方法， 其特征在于， 所述快速分类 处理是根据提取的有价文件的特征与分类模型之中每个类别的聚类中心的距 离进行分类。

8、 如权利要求 7所述的有价文件识别方法， 其特征在于， 当提取的有价 文件的特征与分类模型之中每个类别的聚类中心的距离属于 [0.1-0.5]之间时， 则将其归入该类别， 否则不属于该类别。

9、 如权利要求 1所述的有价文件识别方法， 其特征在于， 所述图像质量 差的纸币的图像进行恢复处理，其恢复对象为图像质量差的纸币的感兴趣区域 ( ROI )。

10、 如权利要求 1或 9所述的有价文件识别方法， 其特征在于， 所述图像 恢复是基于偏微分方程的图像恢复技术。

11、 一种有价文件识别系统， 其特征在于， 包括：

一图像采集模块， 用于采集有价文件的图像数据；

一存储模块， 用于存储所述图像数据以及所需标准模型数据；

一数据处理模块， 用于对存储所述图像数据进行特征区域特征提取、快速 分类、 图像恢复处理；

一识别模块， 用于对上述处理后的图像数据与标准模型数据比对， 进行鉴 伪识别处理；

一输出模块， 用于将识别模块的鉴伪识别结果输出； 以及

一中央控制模块， 用于控制和协调所述模块之间的数据传输。

12、 一种有价文件识别装置， 其特征在于， 包括： 选取模块， 用于选取有价文件的特征区域；

提取模块， 用于从所述特征区域中提取有价文件的特征；

分类处理模块， 用于根据提取的所述有价文件的特征，对输入的有价文件 按照预先设置的分类模型做快速分类处理，遴选出图像质量好的纸币和图像质 量差的纸币；

恢复处理模块，对图像质量差的纸币的图像进行恢复处理，得到处理后的 图像；

识别模块， 用于分类处理模块得到的图像质量好的纸币直接做鉴伪识别； 以及对恢复处理模块恢复处理后的图像做鉴伪识别， 判定当前纸币的真实性； 以及

输出模块， 用于输出识另模块判定当前纸币的结果。