تشخیص اسکناس های مخدوش ایرانی با استفاده از تبدیل موجک و شبکه عصبی

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 533

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

UTCONF01_020

تاریخ نمایه سازی: 19 خرداد 1396

Abstract:

در سال های اخیر تلاش های زیادی در زمینه ساخت دستگاه های تشخیص اسکناس شده است. در این تحقیق بهارایه الگوریتم هایی خواهیم پرداخت که بر روی اسکناس های مخدوش ایرانی پیاده سازی شده است. منظور ازمخدوش بودن وجود برخی تغییرات ناخواسته مانند قلم خوردگی، تا خوردگی، وجود چسب و کهنگی می باشد.سیستم پیشنهادی از دو الگوریتم اصلی تبدیل موجک و شبکه عصبی تشکیل شده است. هدف از اعمال تبدیلموجک استخراج ویژگی های بافت تصویر است. در کنار ویژگی های استخراج شده از تبدیل موجک ویژگی هایرنگ نیز درنظر گرفته شده است. در مرحله دوم از شبکه عصبی برای یادگیری ویژگی های هر یک از دسته هااستفاده شده است که در آن با دریافت ویژگی های هر یک از اسکناس ها به عنوان ورودی توانایی تشخیص دسته-ی مربوطه را دارد. یکی از کارهای مهم صورت گرفته توسط پژوهشگران این تحقیق، ایجاد دادگانی با استفاده ازاسکناس های ایرانی می باشد. ازاینرو، از 6 نوع اسکناس موجود در بازار استفاده شده است و تصاویری در شرایطیکسان از هر یک از اسکناس ها در دو وجه و به تعداد 25 تصویر از هر یک از آنها تهیه شده است. با در دستداشتن این دادگان سیستم پیشنهادی با دو مجموعه ویژگی مورد ارزیابی قرار گرفته است. در حالت اول از هرتصویر 12 ویژگی بافت استخراج شده است و این 12 ویژگی به شبکه عصبی پرسپترونی داده می شود. در اینحالت کارایی سیستم دارای دقت بازشناسی 94 % است. مشاهده شده است که برخی تغییرات در بافت باعثوجود خطا در کارایی سیستم شده است از اینرو ویژگی رنگ نیز به سیستم پیشنهادی اضافه شده است. تحت اینشرایط کارایی سیستم با دقت بازشناسی % 100 همراه بوده است.

Authors

حسین تقی پورسیاه کوچه

دانشجو، دانشگاه آزاد اسلامی واحد آستانه اشرفیه، دانشکده فنی و مهندسی

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • م مهدو ح .آ.لاکه .ب .ناصرشریف , طراحی یک سیستم ...
  • Ahangaryan, F.P., T. Mohammadp our, and A. Kianisarkaleh Persian banknote ...
  • Nojavani, I., A. Rezaeezade, and A. Monadjemi, Iranian cashes recognition ...
  • Behjat, M. and P. Moallem, Fast and Low-cost Mechatronic Recognition ...
  • Celik, E. and A. Kondiloglu, Detection of fake banknotes with ...
  • Park, Y.H., et al., A High Performance Banknote Recognition System ...
  • Debnath, L., Wavelets and signal processing, Springer Science & Business ...
  • Schneiders, M., Wavelets in control engineering. 2001, DCT. p. 38. ...
  • Addison, P.S., The illustrated wavelet transform handbook: introductory theory and ...
  • Selesnick, I.W. and C.S. Burus, Generalized digital Butterworth filter design. ...
  • Bishop, C.M., Pattern Recognition and Machine Learning. 1 ed., Springer, ...
  • نمایش کامل مراجع