说明书纸币鉴别的质量控制方法及其系统
技术领域
本发明涉及多光谱信号质量控制领域，尤其涉及纸币鉴别的质量控制方 法及其系统。
背景技术
纸币鉴别模块是金融自助设备的核心模块，用于在现金交易过程中，鉴 别纸币的币种面额、真伪、质量，其内部的核心元器件是CIS(接触式图像传 感器)，通过CIS采集纸币的多光谱图像信号，利用纸币在多光谱下的成像特 点对纸币进行币种面额识别、真假鉴别和纸币质量清分，上一代纸币鉴别模 块的可见光信号只有一种自然白光信号，新一代纸币鉴别模块的可见光信号 至少拥有红、绿、蓝三色光信号，色彩信息的级别可达到真彩色的水平，纸 币鉴别的可靠性得到大幅度提高，尤其对于一些仿真度极高的变造币的检测， 相比自然白光信号检测的准确明显提升。
可知，纸币鉴别的准确性与CIS的性能密切相关。但是由于制造工艺的 差别，出厂的每一个CIS不可能完全一致，性能上多少存在一定的差别。现 有的纸币鉴别技术一般通过CIS采集纸币的多光谱信号，提取该多光谱信号 对应的颜色特征值并输送至纸币分类器进行纸币分类处理。
然而，由于CIS的性能存在差异，同一纸币被不同的CIS采集到的多光 谱信号也不相同，导致最终得到的纸币分类结果也存在差异，影响纸币识别 的准确性，存在误识别的风险。
发明内容
本发明实施例提供了纸币鉴别的质量控制方法及其系统，能够解决由于 CIS的性能存在差异导致得到的纸币分类结果也存在差异，影响纸币识别的准 确性，存在误识别的风险的技术问题。
本发明实施例提供的一种纸币鉴别的质量控制方法，包括：
获取CIS采集的多光谱信号；
提取所述多光谱信号的第一特征值；
根据所述第一特征值和预置的校正转换值获得对应的第二特征值；
将所述第二特征值输入至纸币分类器，得到对应的纸币分类结果。
可选地，所述方法还包括：
获取标准CIS采集的多光谱信号对应的标准特征值；
获取待测验的CIS采集的多光谱信号对应的颜色特征值；
根据所述标准特征值和所述颜色特征值获得所述校正转换值，所述校正 转换值包含所述标准特征值和所述颜色特征值之间的转换关系。
可选地，所述方法还包括：
对所述CIS输出的多光谱信号进行白平衡检测。
可选地，所述对所述CIS输出的多光谱信号进行白平衡检测具体包括：
对所述CIS输出的多光谱信号进行白纸白平衡检测；
或，对所述CIS输出的多光谱信号进行黑纸白平衡检测。
可选地，所述方法还包括：
判断所述CIS是否通过白平衡检测，若是，则执行获取CIS采集的多光 谱信号的步骤。
本发明实施例提供的一种纸币鉴别的质量控制系统，包括：
第一获取模块，用于获取CIS采集的多光谱信号；
提取模块，用于提取所述多光谱信号的第一特征值；
转换模块，用于根据所述第一特征值和预置的校正转换值获得对应的第 二特征值；
分类模块，用于将所述第二特征值输入至纸币分类器，得到对应的纸币 分类结果。
可选地，所述系统还包括：
第二获取模块，用于获取标准CIS采集的多光谱信号对应的标准特征值；
第三获取模块，用于获取待测验的CIS采集的多光谱信号对应的颜色特 征值；
校正值获取模块，用于根据所述标准特征值和所述颜色特征值获得所述 校正转换值，所述校正转换值包含所述标准特征值和所述颜色特征值之间的 转换关系。
可选地，所述系统还包括：
白平衡检测模块，用于对所述CIS输出的多光谱信号进行白平衡检测。
可选地，所述白平衡检测模块具体包括：
白纸检测单元，用于对所述CIS输出的多光谱信号进行白纸白平衡检测；
或，黑纸检测单元，用于对所述CIS输出的多光谱信号进行黑纸白平衡 检测。
可选地，所述系统还包括：
判断模块，用于判断所述CIS是否通过白平衡检测；
触发模块，用于当所述判断模块的判断结果为是时，则触发所述第一获 取模块。
从以上技术方案可以看出，本发明实施例具有以下优点：
本发明实施例中，首先，获取CIS采集的多光谱信号；然后，提取所述 多光谱信号的第一特征值；接着，根据所述第一特征值和预置的校正转换值 获得对应的第二特征值；最后，将所述第二特征值输入至纸币分类器，得到 对应的纸币分类结果。在本发明实施例中，在获取到多光谱信号的第一特征 值之后，根据所述第一特征值和预置的校正转换值获得对应的第二特征值， 从而对第一特征值进行校正处理，消除CIS性能差别所带来的偏差，因此消 除了最终得出的纸币分类结果的差异，保证了纸币识别的准确性，并消除误 识别的风险。
附图说明
图1为本发明实施例中纸币鉴别的质量控制方法一个实施例流程图；
图2为本发明实施例中纸币鉴别的质量控制方法另一个实施例流程图；
图3是白纸RGB图像的直方图；
图4是黑纸RGB图像的直方图；
图5是蓝色分量直方图均值发生偏移的示意图；
图6是蓝色分量直方图均值发生偏移且动态范围扩大的示意图；
图7是偏色检测需获取的特征量的示意图；
图8是将白纸图像横向均分成n个区域的示意图；
图9是颜色校正模型训练单元的示意图；
图10是应用颜色校正的纸币鉴别的质量控制系统的示意图；
图11为本发明实施例中纸币鉴别的质量控制系统一个实施例结构图；
图12为本发明实施例中纸币鉴别的质量控制系统另一个实施例结构图。
具体实施方式
本发明实施例提供了纸币鉴别的质量控制方法及其系统，用于解决由于 CIS的性能存在差异导致得到的纸币分类结果也存在差异，影响纸币识别的准 确性，存在误识别的风险的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将 结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整 地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部 的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性 劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例中一种纸币鉴别的质量控制方法一个实施例包 括：
101、获取CIS采集的多光谱信号；
首先，可以获取CIS采集的多光谱信号。
102、提取该多光谱信号的第一特征值；
在获取CIS采集的多光谱信号之后，可以提取该多光谱信号的第一特征 值。
103、根据该第一特征值和预置的校正转换值获得对应的第二特征值；
在提取该多光谱信号的第一特征值之后，可以根据该第一特征值和预置 的校正转换值获得对应的第二特征值。
104、将该第二特征值输入至纸币分类器，得到对应的纸币分类结果。
在根据该第一特征值和预置的校正转换值获得对应的第二特征值之后， 可以将该第二特征值输入至纸币分类器，得到对应的纸币分类结果。
本实施例中，首先，获取CIS采集的多光谱信号；然后，提取该多光谱 信号的第一特征值；接着，根据该第一特征值和预置的校正转换值获得对应 的第二特征值；最后，将该第二特征值输入至纸币分类器，得到对应的纸币 分类结果。在本实施例中，在获取到多光谱信号的第一特征值之后，根据该 第一特征值和预置的校正转换值获得对应的第二特征值，从而对第一特征值 进行校正处理，消除CIS性能差别所带来的偏差，因此消除了最终得出的纸 币分类结果的差异，保证了纸币识别的准确性，并消除误识别的风险。
为便于理解，下面对本发明实施例中的纸币鉴别的质量控制方法进行详 细描述，请参阅图2，本发明实施例中纸币鉴别的质量控制方法另一个实施例 包括：
201、获取标准CIS采集的多光谱信号对应的标准特征值；
在对纸币进行分类处理之前，需要先获取标准CIS采集的多光谱信号对 应的标准特征值。该标准CIS为颜色准确度较高的CIS，可以认为该标准CIS 输出的多光谱信号是准确无误的，并将其输出的多光谱信号作为纸币分类器 设计的基准信号，从而完成标准的纸币分类器的开发设计。
需要说明的是，该标准特征值可以由该标准CIS的多种颜色基值组成， 例如可以选定多种颜色，假设为5种，红、绿、蓝、黄、紫，印制出标准检 验色纸。通过该标准CIS采集红纸图像m次、绿纸图像m次、蓝纸图像m次、 黄纸图像m次、紫纸图像m次，并分别记录每次和获取的颜色特征，从而获 得这些标准值在标准CIS中对应的颜色基值。
202、获取待测验的CIS采集的多光谱信号对应的颜色特征值；
同理的，在对纸币进行分类处理之前，可以获取待测验的CIS采集的多 光谱信号对应的颜色特征值。该待测验的CIS为相对于标准CIS而言的未经 过测试、检验的CIS。由于生产工艺的原因，可以认为该待测验的CIS与标准 CIS之间存在差异，输出的多光谱信号也存在一定差异。
需要说明的是，通过实验证明，不同的CIS输出的信号之间的差异变化 是线性的，也就是说待测验的CIS采集的多光谱信号可以通过一个恒定的线 性变换得到一个与标准CIS直接采集的信号近似的值。
203、根据该标准特征值和该颜色特征值获得该校正转换值；
在获取到该标准特征值和颜色特征值之后，可以根据该标准特征值和该 颜色特征值获得该校正转换值，该校正转换值包含该标准特征值和该颜色特 征值之间的转换关系。由上述可知，该标准特征值与颜色特征值之间可以通 过一个恒定的线性变换得到，反之，在得知该标准特征值和颜色特征值的情 况下，可以计算得到该线性变换的恒定值，即校正转换值。
204、对该CIS输出的多光谱信号进行白平衡检测；
在使用CIS进行采集信号之前，可以对该CIS输出的多光谱信号进行白 平衡检测。其中，白平衡检测可以分为白纸白平衡检测或黑纸白平衡检测。 该白平衡检测的具体过程将在下面的实用场景中进行详细描述，此处不再赘 述。
205、判断该CIS是否通过白平衡检测，若是，则执行步骤207，若否， 则执行步骤206；
在对该CIS输出的多光谱信号进行白平衡检测之后，可以判断该CIS是 否通过白平衡检测，若是，则执行步骤207，若否，则执行步骤206。
206、暂停纸币分类处理；
当该CIS未通过白平衡检测，则说明该CIS输出的信号存在较大偏差， 可以暂停纸币分类处理。
207、获取CIS采集的多光谱信号；
当该CIS通过白平衡检测，则说明该CIS输出的信号偏差很小，在合理 范围之内，此时，可以获取该CIS采集的多光谱信号。
208、提取该多光谱信号的第一特征值；
在获取CIS采集的多光谱信号之后，可以提取该多光谱信号的第一特征 值。提取该多光谱信号的第一特征值与上述步骤202中获取待测验的CIS采 集的多光谱信号对应的颜色特征值的过程类似，此处不再赘述。
209、根据该第一特征值和预置的校正转换值获得对应的第二特征值；
在获取到该第一特征值之后，可以根据该第一特征值和预置的校正转换 值获得对应的第二特征值。可以理解的是，该校正转换值在进行纸币分类前 已预先获取到，该校正转换值包含该标准特征值和该颜色特征值之间的转换 关系，即包含了第一特征值与该第二特征值之间的转换关系。因此，可以根 据该第一特征值和预置的校正转换值获得对应的第二特征值。
210、将该第二特征值输入至纸币分类器，得到对应的纸币分类结果。
在获得对应的第二特征值之后，可以将该第二特征值输入至纸币分类器， 得到对应的纸币分类结果。
本实施例中，通过对CIS输出的多光谱信号进行白平衡检测，可以简单、 快速地评估该CIS输出的多光谱图像信号质量，当CIS的输出存在较大偏差 时，暂停纸币分类处理，避免影响纸币鉴别的准确性。
为便于理解，根据图2所描述的实施例，下面以一个实际应用场景对本 发明实施例中的纸币鉴别的质量控制方法进行描述：
本实际应用场景中该纸币鉴别的质量控制方法主要由“信号评估”和“信 号校正”两部分组成。“信号评估”通过检测CIS输出信号的颜色稳定性，从 而评价CIS的输出信号是否存在偏色缺陷，评估过程不需人工参与，而且检 测方法简单可靠。“信号校正”用于消除不同CIS间的颜色信号偏差，由“颜 色校正模型训练”以及“颜色校正”两个部分组成。
信号评估主要应用色彩白平衡检测原理对信号进行检测。白纸满足白平 衡表现为，其红绿蓝三色的直方图形状基本是一样的，即三者的直方图基本 重合，而且，颜色值集中在靠近255的位置附近，呈正态分布，如图3。同理， 黑纸如果满足白平衡，红绿蓝的直方图形状也基本一致，颜色集中在0的位 置附近，呈正态分布，如图4。
如果图像信号出现偏色，即在RGB某一路或者几路信号的直方图分布将 发生偏移或者变形，例如图5，白纸的蓝色分布均值发生偏移，图6，白纸的 蓝色分布的均值发生偏移而且动态范围也有所扩大。
因为白纸和黑纸的颜色分布规律比较固定，而且所采集的信号特征比较 稳定，其分布的均值N以及动态范围(或标准差)μ两个值就能准确描述颜 色分布的形状，如图7。
因此，检测CIS信号是否发生偏色，可以转化成统计CIS红、绿、蓝三 路信号的N和μ值，并评判各路信号的N和μ是否满足检验标准。
本应用场景的白纸白平衡具体检测步骤如下。
第1步，采集标准白色检测纸的红绿蓝三色图像信号，将三个图像横向 平均分成n个区域(n根据生产过程的经验得到，这里凭经验总结取4，如图 8)，因为根据CIS的特性，其横向区域的信号特性并不完全相同。
第2步，分别统计出第一个区域RGB三色图像的直方图。
第3步，根据每一色图像直方图，统计直方图中依次10％～95％像素点的 平均值，得出N。
第4步，以N为中点，向小于N的方向统计40％的像素点数，获取这些 点中的最小值min；以N为中心，向大于等于N的方向统计40％的像素点数， 获取这些点中的最大值max，令μ＝(max+min)/2。
第5步，RGB三色图统计出来的平均值分别记为NR，NG，NB，动态范 围分别记为μR，μG，μB。转至第3步，计算其他区域的NR，NG，NB，μR， μG，μB，如果所有区域计算完成，进入第6步。
第6步，采集相同性质白纸100张次以上，循环执行2～5步，对各区域 求取NR，NG，NB，μR，μG，μB的平均值
第7步，按以下评判标准评判： N R ‾ ∈ [ 0.98 W , 1.02 W ] , ]]> N G ‾ ∈ [ 0.98 W , 1.02 W ] , ]]> N B ‾ ∈ [ 0.98 W , 1.02 W ] , ]]> | N R ‾ - N B ‾ | < 5 , ]]> | N R ‾ - N G ‾ | < 5 , ]]> | N G ‾ - N B ‾ | < 5 , ]]>依据经验值W＝210； μ R ‾ ∈ [ 0,1.5 μ 0 ] , ]]> μ G ‾ ∈ [ 0,1.5 μ 0 ] , ]]> μ B ‾ ∈ [ 0,1.5 μ 0 ] , ]]> | N R ‾ - N B ‾ | < 5 , ]]> | N R ‾ - N G ‾ | < 5 , ]]> | N G ‾ - N B ‾ | < 5 , ]]>依据经验值μ0＝10。
第8步，所有区域的都符合评判标准，白纸 白平衡检测通过，如果其中一个条件不满足，则跳出(或暂停纸币分类处理)， 认为该CIS输出的信号存在颜色偏差。
类似地，黑纸白平衡检测具体步骤如下：
第1步，按类似的方法采集标准黑色检测纸信号。
第2步，分别统计出第一个区域RGB三色图像的直方图。
第3步，根据每一色图像直方图，统计直方图中依次前0％～90％点的平 均值，得出N。
第4步，以N为中点，向小于N的方向统计40％的像素点数，获得这些 点中的最小值min；以N为中心，向大于等于N的方向统计40％的像素点数， 获得这些点中的最大值max，令μ＝(max+min)/2。
第5步，RGB三色图统计出来的平均值分别记为NR，NG，NB，动态范 围分别记为μR，μG，μB。转至第3步，计算其他区域的NR，NG，NB，μR， μG，μB，如果所有区域计算完成，进入第6步。
第6步，采集相同性质黑纸100张次以上，循环执行2～5步，求取各张 次中各区域的NR，NG，NB，μR，μG，μB，统计出每个区域的平均值
第7步，按以下评判标准评判： N R ‾ ∈ [ 0 , V ] , ]]> N G ‾ ∈ [ 0 , V ] , ]]> N B ‾ ∈ [ 0 , V ] , ]]> | N R ‾ - N B ‾ | < 5 , ]]> | N R ‾ - N G ‾ | < 5 , ]]> | N G ‾ - N B ‾ | < 5 , ]]>依据经验值V＝10； μ R ‾ ∈ [ 0 , μ 0 ] , ]]> μ G ‾ ∈ [ 0 , μ 0 ] , ]]> μ B ‾ ∈ [ 0 , μ 0 ] , ]]> | μ R ‾ - μ B ‾ | < 5 , ]]> | μ R ‾ - μ G ‾ | < 5 , ]]> | μ G ‾ - μ B ‾ | < 5 , ]]>依据经验值μ0＝10。
第8步，所有区域的都符合评判标准，黑纸 白平衡检测通过，如果其中一个条件不满足，则跳出，认为该CIS输出的信 号存在颜色偏差。
每一台CIS在出厂时都必须通过黑纸和白纸的白平衡检测，保证每一台 CIS输出的红绿蓝彩色信号是相对稳定的，不发生严重偏色。
经过上述检测，符合检验标准的纸币鉴别模块，在实际工程应用时还是 不能保证100％不发生偏色，只是将偏色的幅度控制在合格的小范围内。本应 用场景的质量控制方法的“信号校正”部分重点用于校正这种小幅度的偏色。
假定，纸币分类器是基于基准CIS获得的信号设计和开发的，也就是说， 工程师以标准CIS获取的特征作为基准设计出了标准分类器classifiers。例如， 在基准CIS——CIS0，提取了某颜色特征feat0＝(r0 g0 b0)T，而其他CIS，例 如CIS1，在同等条件下提取的相同颜色特征值feat1＝(r1 g1 b1)T，feat0和feat1在实际工程应用中很难完全一致的，存在一定的偏差。如果纸币鉴别系统直 接将在CIS1中获得的feat1输入至标准分类器classifiers，其分类的结果将必然产 生误差，存在误识别的风险，降低了纸币鉴别模块的识别精度。
本应用场景提出的颜色校正方法，是建立从CIS1到CIS0的转换模型，将CIS1的信号特征值feat1＝(r1 g1 b1)T，校正为CIS0信号基准下的特征值 feat1′＝(r1′g1′b1′)T。
通过工程实验证明，在偏差很小的情况下，即在符合信号评估单元设置 的检验标准基础上，不同CIS信号之间的差异变化是线性的，CIS1采集的信 号可通过一个恒定的线性变换得到一个与CIS0直接采集的信号近似的值，变换 满足以下规律， r 1 ′ g 1 ′ b 1 ′ = A 1 B 1 C 1 D 1 E 1 F 1 G 1 H 1 I 1 r 1 g 1 b 1 , ]]>其中A1+B1+C1＝1，D1+E1+F1＝1， G1+H1+I1＝1，变换矩阵 Φ 1 = A 1 B 1 C 1 D 1 E 1 F 1 G 1 H 1 I 1 . ]]>
每个CIS对应唯一的变换矩阵，记为CISn对应的变换矩阵Φn。变换矩阵Φn由“颜色校正模型训练单元”获得，其结构图如图9。
“颜色校正模型训练单元”实现建立信号校正模型的功能，具体实现步 骤如下。
第1步，选定一个颜色准确度较高的CIS，作为基准CIS——CIS0，其输 出的多光谱信号作为纸币分类器设计的基准信号，完成标准分类器classifiers的 开发。
第2步，测量CIS0的颜色基值。选定多种颜色，可定为5种，红、绿、蓝、 黄、紫，印制出标准检验色纸。通过CIS0采集红纸图像m次，记录每次获取 的颜色特征获得红色标准纸在CIS0中颜色基值 feat 0 ( train 1 ) = Σ i = 1 m feat 0 i ( 1 ) / m , ]]> feat 0 ( train 1 ) = r 0 ( 1 ) g 0 ( 1 ) b 0 ( 1 ) T . ]]>
第3步，同理，分别采集其他颜色纸图像m次，计算出绿、蓝、黄、紫 色纸在CIS0中的颜色基值，分别为 feat 0 ( train 3 ) = r 0 ( 3 ) g 0 ( 3 ) b 0 ( 3 ) T , ]]> feat 0 ( train 4 ) = r 0 ( 4 ) g 0 ( 4 ) b 0 ( 4 ) T , ]]> feat 0 ( train 5 ) = r 0 ( 5 ) g 0 ( 5 ) b 0 ( 5 ) T . ]]>
第4步，测量待测CISn的颜色基值。通过CISn采集红、绿、蓝、黄、紫色 纸图像各m次，计算出5种颜色在CISn的颜色基值，分别为， feat n ( train 1 ) = r n ( 1 ) g n ( 1 ) b n ( 1 ) T , ]]> feat n ( train 2 ) = r n ( 2 ) g n ( 2 ) b n ( 2 ) T , ]]> feat n ( train 3 ) = r n ( 3 ) g n ( 3 ) b n ( 3 ) T , ]]> feat n ( train 4 ) = r n ( 4 ) g n ( 4 ) b n ( 4 ) T , ]]> feat n ( train 5 ) = r n ( 5 ) g n ( 5 ) b n ( 5 ) T . ]]>
第5步，根据CIS0和CISn的颜色基值建立方程组
r 0 ( 1 ) g 0 ( 1 ) b 0 ( 1 ) = A n B n C n D n E n F n G n H n I n r n ( 1 ) g n ( 1 ) b n ( 1 ) ]]>
……
r 0 ( k ) g 0 ( k ) b 0 ( k ) = A n B n C n D n E n F n G n H n I n r n ( k ) g n ( k ) b n ( k ) ]]>
An+Bn+Cn＝1，Dn+En+Fn＝1，Gn+Hn+In＝1，k＝1,2,...,5
第6步，解上述方程组，未知数9个，共18条方程，此为超定方程组。 展开矩阵并整理方程，可归类为三组，每组3个未知数，6条方程，共三组超 定方程组。
r 0 ( 1 ) = A n r n ( 1 ) + B n g n ( 1 ) + C n b n ( 1 ) ]]>
r 0 ( 2 ) = A n r n ( 2 ) + B n g n ( 2 ) + C n b n ( 2 ) ]]>
r 0 ( 3 ) = A n r n ( 3 ) + B n g n ( 3 ) + C n b n ( 3 ) - - - ( 1 ) ]]>
r 0 ( 4 ) = A n r n ( 4 ) + B n g n ( 4 ) + C n b n ( 4 ) ]]>
r 0 ( 5 ) = A n r n ( 5 ) + B n g n ( 5 ) + C n b n ( 5 ) ]]>
An+Bn+Cn＝1
g 0 ( 1 ) = D n r n ( 1 ) + E n g n ( 1 ) + F n b n ( 1 ) ]]>
g 0 ( 2 ) = D n r n ( 2 ) + E n g n ( 2 ) + F n b n ( 2 ) ]]>
g 0 ( 3 ) = D n r n ( 3 ) + E n g n ( 3 ) + F n b n ( 3 ) - - - ( 2 ) ]]>
g 0 ( 4 ) = D n r n ( 4 ) + E n g n ( 4 ) + F n b n ( 4 ) ]]>
g 0 ( 5 ) = D n r n ( 5 ) + E n g n ( 5 ) + F n b n ( 5 ) ]]>
Dn+En+Fn＝1
b 0 ( 1 ) = G n r n ( 1 ) + H n g n ( 1 ) + I n b n ( 1 ) ]]>
b 0 ( 2 ) = G n r n ( 2 ) + H n g n ( 2 ) + I n b n ( 2 ) ]]>
b 0 ( 3 ) = G n r n ( 3 ) + H n g n ( 3 ) + I n b n ( 3 ) - - - ( 3 ) ]]> b 0 ( 4 ) = G n r n ( 4 ) + H n g n ( 4 ) + I n b n ( 4 ) ]]>
b 0 ( 5 ) = G n r n ( 5 ) + H n g n ( 5 ) + I n b n ( 5 ) ]]>
Gn+Hn+In＝1
第7步，利用线性回归的方法，求解各组超定方程组的最小二乘解，分 别解得An Bn Cn,Dn En Fn,Gn Hn In，获得CISn所唯一对应的变换矩阵 Φ n = A n B n C n D n E n F n G n H n I n . ]]>
第8步，将Φn存储于CISn对应的存储单元。
获得CISn对应的颜色校正模型后，将其置于原始的纸币分类识别系统当 中，在特征提取单元和标准分类器中间加入“特征转换单元”，如图10。
改进后纸币识别分类具体步骤如下，
第1步，CISn获取某特征featn＝(rn gn bn)T。
第2步，将featn转换为以CIS0颜色信号为基准的特征featn′。系统运算单 元从存储单元获取对应的变换矩阵Φn，通过以下运算获得featn′，
featn′＝Φnfeatn，即 r n ′ g n ′ b n ′ = A n B n C n D n E n F n G n H n I n r n g n b n , ]]>featn′＝(rn′gn′bn′)T。
第3步，featn′输入至标准纸币分类器classifiers，输出最终的纸币分类结果。
上面主要对纸币鉴别的质量控制方法进行描述，下面将对纸币鉴别的质 量控制系统进行详细描述，请参阅图11，本发明实施例中纸币鉴别的质量控 制系统一个实施例包括：
第一获取模块111，用于获取CIS采集的多光谱信号；
提取模块112，用于提取该多光谱信号的第一特征值；
转换模块113，用于根据该第一特征值和预置的校正转换值获得对应的第 二特征值；
分类模块114，用于将该第二特征值输入至纸币分类器，得到对应的纸币 分类结果。
本实施例中，首先，第一获取模块111获取CIS采集的多光谱信号；然 后，提取模块112提取该多光谱信号的第一特征值；接着，转换模块113根 据该第一特征值和预置的校正转换值获得对应的第二特征值；最后，分类模 块114将该第二特征值输入至纸币分类器，得到对应的纸币分类结果。在本 实施例中，在获取到多光谱信号的第一特征值之后，根据该第一特征值和预 置的校正转换值获得对应的第二特征值，从而对第一特征值进行校正处理， 消除CIS性能差别所带来的偏差，因此消除了最终得出的纸币分类结果的差 异，保证了纸币识别的准确性，并消除误识别的风险。
为便于理解，下面对本发明实施例中的纸币鉴别的质量控制系统进行详 细描述，请参阅图12，本发明实施例中纸币鉴别的质量控制系统另一个实施 例包括：
第一获取模块121，用于获取CIS采集的多光谱信号；
提取模块122，用于提取该多光谱信号的第一特征值；
转换模块123，用于根据该第一特征值和预置的校正转换值获得对应的第 二特征值；
分类模块124，用于将该第二特征值输入至纸币分类器，得到对应的纸币 分类结果。
本实施例中该系统还可以包括：
第二获取模块125，用于获取标准CIS采集的多光谱信号对应的标准特征 值；
第三获取模块126，用于获取待测验的CIS采集的多光谱信号对应的颜色 特征值；
校正值获取模块127，用于根据该标准特征值和该颜色特征值获得该校正 转换值，该校正转换值包含该标准特征值和该颜色特征值之间的转换关系。
本实施例中该系统还可以包括：
白平衡检测模块128，用于对该CIS输出的多光谱信号进行白平衡检测。
本实施例中该白平衡检测模块128具体可以包括：
白纸检测单元1281，用于对该CIS输出的多光谱信号进行白纸白平衡检 测；
或，黑纸检测单元1282，用于对该CIS输出的多光谱信号进行黑纸白平 衡检测。
本实施例中该系统还可以包括：
判断模块129，用于判断该CIS是否通过白平衡检测；
触发模块130，用于当该判断模块的判断结果为是时，则触发该第一获取 模块。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描 述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应 过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和 方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示 意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可 以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个 系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间 的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合 或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作 为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方， 或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或 者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中， 也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单 元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单 元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售 或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的 全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个 存储介质中，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所述方法的全部或部分步 骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘 等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制； 尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应 当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其 中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案 的本质脱离本发明各实施例技术方案的精神和范围。