حسین ابراهیم پورکومله - دانشگاه کاشان
مسلم محمدی جنقرا - دانشگاه پیام نورمیاندوآب

دردنیای امروز بسیاری از کارها بدون اپراتور انسانی انجام میگیرد و به طبع آن کارهای مرتبط با اسکناس و فعالیت های روزمره مثل خرید کالا نی از این اتوماسیون بی نصیب نمانده است از الزامات جایگزینی اپراتور ماشینی با انسان تعریف و برنامه ریزی بعضی توانمندی های اولیه انسان به ماشین هست نیاز اصلی درمرتبط با اسکناس شناسایی و تشخیص اسکناس می باشد دراین مقاله از روش نزدیکترین همسایگی براساس تحلیل مولفه های اصلی برای رده بندی استفاده شده است برای داشتن دقت رده بندی بالا ابتدا همه تصاویر را دریک راستا تراز می کنیم که این کار ازطریق پیدا کردن خطوط و زاویه آنها با استفاده از تبدیل هاف انجام میگیرد و سپس ضرایب pca استخراج شده و براساس k نزدیکترین همسایگی رده بندی انجام میگیرد.

شناسایی اسکناس، تراز بندی، نزدیکترین همسایگی، تبدیل هاف، Computer Vision