Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   8 , No .   6 ,  Decem ber   201 8 , p p.   4230 ~ 4238   IS S N: 20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v8 i 6 . pp 4230 - 42 38          4230       Journ al h om e page :  http: // ia es core .c om/ journa ls /i ndex. ph p/IJECE   Geometr ic a nd  G raysc ale Templat e Matchi ng for S audi  Arabian  Riyal P ap er  Cu rren cy Re cognitio n       Suci A uli a 1 , B agus Bu dhi L 2   , An gga Rus d inar 3 , Yu yu n   Siti R 4   1,4 Depa rtment   of   Applie d   Sci ence ,   Telkom   Unive rsit y ,   Indon esia     2,3 Depa rtment   of   Elec tr ical Engi n ee ring ,   Te lkom  Univer sit y ,   Indo nesia       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   N ov   28 , 201 7   Re vised  Ju l   9 ,   201 8   Accepte d  Aug   3 , 2 01 8       Dete c ti ng  the   au the nticity   of  pap er  cur ren c ie s  using  aut om at ed  ba sed  Paper   Curre nc y   Re cog nit ion  (PCR )  wi th  image  pro ce s sing  te chn ique s  was  stil l  a   hot  topi c  of  d isc uss ion,   due  to  th e  ci r cul a ti on  of  c ounte rfe it   cur r en c y   tha t  was   stil l  over whelmi ng  in  som e  c oun tri es.   Th ere   was  a  downs ide   al on g  with  thi s  adva nc ement  in   te chno log y   in  t he  field  of  co lo r  print ing ,   duplicat ion ,   an d   sca nning,   be ca u se  it   was  bec a m e  one  of  the   supporting  factors  of  the   inc re asing  cri m e   rat e  in  produc t ion  of  count erf e it   m one y .   Our  sy s te m   has   per form ed  a  PC R  appr oac h   bas ed  on  image  pr oce ss ing  techniq ues .   In  th is  stud y ,   the   SA R  banknot e  was  th e  object  to   be  r ec ogni ze d  and   d et e ct ed  it s   aut henticit y   wit h  the   dev el op m ent   of  the   pr evi ous  m et hod,   which  was   inc orpora ti ng  th e  Geom et ric   Tem pla te   Matc hin g  and  Gra y sca l e  Te m pla t e   Matc hing .   In  ad dit ion  to  th e  p a tt ern   rec ogn it ion   proc ess,   the  class ifi ca t ion   proc ess  on  1  S A R,   2  SA R,   5  SAR,   and  10  SA R  was  al so  per form ed.   From  PC R  te st  up  to  1 00  sam ple   da ta ,   for  each  t este d   b anknot e   val u e  o bta ine d   th e  av era g e  va lue  of  the  be st  ac cur acy   le vel  from   i ncor pora t ing  GeoMat chi ngSc ore   and  Gra y M at chi ngScor e  fo r  the   cl assificat ion  proc ess  was  95. 25%.   W hil e  the   ave rag e   le vel   of  s y st e m   ac cur acy   in  rec ogni zi ng  count erf ei t   m oney   on  e ac h   bankn ote   ob ta in ed a  m axi m um   val u e  o f   100%.   Ke yw or d:   Ba nknote   Counter feit   Geo m et ric  t e m plate   m a tc hin g   Gr ay scal e  t em plate   m a tc hin g   PCR     SA R   Copyright   ©   201 8   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Su ci   Au li a,    Dep a rtm ent o f Appli ed  Scie nc e ,   Tel ko m  U ni versi ty ,   Tel eko m un ika si R oad,  Dayeu h Ko l ot,  Ba ndung, Ja wa  Ba rat 4025 7,   I ndone sia .   Em a il :  su ci a@ta ss.tel ko m un i ver sit y.ac .id       1.   INTROD U CTION   Counter feit ing  has  beco m e  t he  case  in  al m os t  eve ry  co un try ,  thu s  m otiv at ing   rese arc he rs  to  detect   counter feit   curre ncy  base d  on  i m age  pr oc e ssing   [ 1] - [4 ] .  Fo r  e xam ple,  especial ly   in  In dia  co unte rf ei ti ng   has   beco m e  a  crit ic al   issue.   T herefo re,  m any  re searche rs   f ocus  on  detect in g  the  a uth e ntici ty   of   100,  500,  a nd   1000  r upees   ba sed  on  Ne ur al   Netw ork   [ 5] - [ 1 0 ]   a nd  oth e r  i m age  proce ssing  ba sed   m et ho ds  m or ph olog ic al ly  [1 1] - [ 1 8 ] .  I n  a dd it io n  to  t he  I nd ia n  Ru pee,   ot her   c urren ci es   are  w i dely   stu died,  inclu ding   Eu ro   [ 19] - [ 2 0 ] ,  U S   Do ll ar  [2 1] - [ 2 3 ] ,  Sa ud i  Ar a bi an  Ri ya l  [2 2 ] ,   Ind on esi a n  R up ia h  [ 2 4 ]   an d  Japa n  Ye n  [2 5 ].   On e  stu dy  of   t he  currency  rec ogniti on   base d o n im age pro ces s ing   was  a  stu dy  that has   bee n d on e  b y  Sawa nt [2 6 ] .  In this   stud y,  the  c urren cy   use d  was   an   I ndia n  cu rr e ncy  with  a n  acc ura cy   le vel  ap pro achin g  90%  ba sed  on  4  par a m et ers,   nam ely  Do mi nant C olo r, Asp ect  Ra ti o,  M ark  I D   a nd  L aten t Imag e . S im i l ar r esea rch   wa s sti ll  ab ou t t he  I ndia n  currency  recogn it io n,   wh ic h  us e d  the  D WT  al gorithm   fo r  fe atu re  ext r action   a nd  cl a ssific at ion   bas ed  on   Probabil ist ic  Neur al Net work   (P N N )  [ 2 7 ].   The  res ult  obta ined  by  appr oach i ng   both  m et ho ds   was  qu it e  go od   tha t  was  with  the   accuracy  of   90.38% .  I n  a dd it io n  to  the   Indian  c urre ncy  rec og niti on,  wh ic h  has   done  a  lot  because   of  it s  high   counter feit ing   crim e  rates,  cur re ncy  rec ogniti on   on  doll ars  al so   wi dely   popu la r  am on g  re searc he rs  as  stud i e d  by  F.  Take da  [ 2 5 ] .  I n  his  j ou rn al ,  it   was  pr opos e d  a  ne w  te chn iq ue  to  c onduct   a  pap e r   cur re ncy  rec ogniti on  Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Geometri c  and Gr aysc ale Te mp l ate M atchi ng for  Sa ud i A ra bi an Riyal  P ap e r Cur rency   ...   ( Su ci  A ulia)   4231   and   cl assi ficat ion   on  Ja pan   Y en  an d  US   D ollar,  w hich  was   us in g  neural  ne tworks .  T he  NN   structure   c ouple d  with  the  r ando m  m as k   m et hod  sho ws  it s  effe ct iveness  for  processi ng   dat a  viewe d  f ro m   tim e  and   fr e quency  do m ai n.   I n  a ddit ion   t o  India n  R up ee   an d   US   doll ar,  P aper  C ur re ncy  Reco gn it io n   (PC R)  on  S au di  Ar a bian   Ri ya l  based   on   the  correla ti on   betwee n  i m ages  has  al so   been   done.   T he   m et ho d  us e d  fo r  the  cl assif ic at ion  was  Ra dia l  B asi s  Fun ct io n  Ne tw or k   and   the   aver a ge  accu r acy   le vel  ob ta ined  was  quit e  sat is factor y  tha t  was  91.51%  [2 8 ] .  Othe r  resea rc h  this  pa per   refe rr e d  to  was  P CR   and   cl assif ic at ion   on  five   curren ci es  at   on ce ,   includi ng   US   Do ll ar  ( USD ),   Au st rali an  D ollar  (AUD),  Sa ud i  A ra bian  Ri ya l  (S AR),   E uro  (E UR),   a nd   I nd ia n  Rup ee   ( IN R )  [ 2 2 ] .   I n  t his  re sea rch,  patte rn  rec ogniti on  in   Regi on  of   I nterest   (RO I)  usi ng   ne ural  net work ,  wh il e  t he  proc ess  of  cl assi ficat ion   us in g  te mp l ate  m atc hin g   m et ho d.  Th e  syst e m   has  s uccess fu ll y  rec ogniz e d  5  I NR,  20  IN R , 20  Eu r o,  50 E uro,   20   A UD  a nd   50 AUD   ba nknote s.  Patt er n  rec o gnit io n  on 1  S AR a nd   5 SAR   bank no te s  are st il l i n  process,  whil e p at te r n r ecognit ion  on  USD  bank no te s w as  f ai le d.   Ba sed  on  s ome   of  the   stu dies  prese nted  a bove ,  PCR   is  sti ll   a  chall en ging  to pic  to   stu dy .  The refor e ,   in  this  resea rc h  we  will   stud y  the  cu rr e nc y  recogn it io n  te chn iq ue  a nd  it s  cl assifi cat ion   us i ng  te m pla te  m at ching  m et ho d,  becau se  b a sed on resea rc h  [ 2 2 ]  it  h as s uc cessf ully  r eco gn iz e d  fi ve  c urren ci es  nam el y  USD,   AUD,   I NR,  E UR  and   S AR.    In   the  pre vious   stud y  [2 8 ] ,  PC R  and   cl assifi cat ion   of  USD  ba sed  on  Ca nny  Edge   Detect ion   a nd  Tem plate   Mat chin g  ob ta ine d  an  a ver a ge  ac cur acy   le vel  o f  95. 625% .  I n  this  stud y,   the   SA R   bank no te   is   th e  obj ect   t o  be  recog nized  a nd  detect ed  it s  authe ntici ty   with  the  de velo pm ent  of  the  previo us  m et ho d, w hich  is inc orporati ng the  G e om et ri c Tem plate  Ma tc hin g an d G ra ysc al e Tem plate  Ma tc hing.       2.   RESEA R CH MET HO D     In  this stu dy, th e res ults of  edge d et ect ion   usi ng  can ny edge  d et ect ion  obtai ned  sati sfacto r y resu lt s as   reco m m end ed   by  [ 29] - [ 3 0 ]   it   see m s  to  pro du ce  false   detect ion   in  no isy   en vir on m ent.  Ba sed  on   oth e r   ref e ren ces  [3 1 ] ,  can ny  ed ge  de te ct ion   in  pre - processi ng   give s  a  fairly   good  cl assifi cat ion  resu lt .T he  ne xt   ste p  f or  i m age  s m oo the ning  proce ss  in  this  rese arch   is  done   w it h  two  a ppr oach e s,  w hich   are  m edian  filt er  an d  g au ssian  filt er.   Me dian  filt ering  is  a  non - li ne ar  di gital   filt erin g  te ch nique   w hich  is  of te n  us ed   to  redu ce  an d  even   el im inate   no ise  [ 29 ] .  Me dian  filt erin g  is   of te n  us e d  in d igit al   i m age  pr oces sin g  beca us e  of   it s  su pe r iority   on  m ai ntaining   an  e dg e   val ue  durin g  no ise  r e m ov al   pr oc ess [ 3 2 ] .  Fi gure 1  sh ows  a n  il lust rati on  of  the  m edian   filt ering .           Figure  1 .  I nput  and  ou t pu t i ll ust rati on   of m edian  filt er  with out cha ngin g  t he  edge  pix el   va lue       Ba sed  on  Fi gure  1  ab ove ,  m edian  value  re placed  t he  cente r  of   m edian  filt er  m a trix  based   on     equ at io n ( 1)   [3 3] - [ 3 5 ]  :     [ , ] =  { , [ , ] , ( , )   }   (1)     Wh e re    repres ents  a  neig hbour hood  ce ntere d  on  l ocati on.  Anothe r  a ppr oa ch  was  g auss ian   fi lt er,  it   w as  a  sm oo thing   te c hn i qu e  on  ed ge   detect ion   process  [2 4 ] .  T he  eq uatio n  f or   e dg e  m at ching   al gorit hm   of   the     i m age  [3 6 ]   is s how n on eq uat ion   ( 2 ) :      ( , ) = − 1 4 [ 1 − 2 + 2 2 2 ] − 2 + 2 2 2   (2)     Wh e re  ( , )   represe nts  the  posit ion  of   eac h  pix el s  of   t he  im age  and   σ  wa s  the  S ta nd a rd   Ga us si an  De viati on.   In   im age  pr oc essing,  Ga us si an  filt er  us ed  was  a  two  di m ension al   Ga us sia n  filt er.  Ther e f or e,  eac h  pix el   directi on  has o ne dim ension al  G a us sia n eq ua ti on  as  foll ow s:   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  8 , N o.   6 ,  Dece m ber  2 01 8   :   4231   -   4238   4232   ( , ) =   1 √ 2 2 −   2 2 2   (3)     Wh e re  σ  re pr e sented  the  sta ndar d  de viati on  of   val ue  distri bu ti on.  T he  di stribu ti on  wa s  assum ed  to  hav e  a n  aver a ge value   equ al  t o 0. The  il lustrati on of  Gaussi an   distri bu ti on is  sho w n on Fig ure  2  a nd Fig ure  3.           Figu r e   2 .  V al ue  d ist rib utio n g raph  of G a us si an 1D           Figure  3 .  V al ue  d ist rib utio n g raph  of G a us si an 2D       The  seco nd  ste p  in  this  resear ch  after  the  sm oo t hing  proces s  was  par am eter   op ti m iz ation.  Te m plate   Ma tc hin g  was  a  m at ching   te chn i qu e  us e d  in   the  stud y,  te m plate   m at ching  was  oft en  acc ur at e  by  c om bin in g  geo m et ric  score  and  gray scal e  scor e   pa ram et ers.   G hazi  [ 3 7 ]   has  te ste d  the  accu racy  le vel  of   Ge ome tric   Tem plate   Ma tch in g  (G e TeM )  to  de te ct   the Di nar   c urre ncy  f or  10 0  ti m es  a nd  it   has   the   ac cur acy   le vel o f   91% .   GeTeM   w orks   by  c om par ing  this   x  value:   = 〈 〉 = 1   with   this   x ’   value:  ′ = 〈 ′ 〉 = 1   in   ti m e  dom ai n  [ 38] .   In  h is pa per  [3 8 ] ,  F rank  m entions  G eTeM   ne eds  t o  be  c on s idere d  a pow e r fu l  a ddit ion   t o  the  s uite  of  to ol s  that  a  tim e  series  analy st  has  at   th ei r  dis po sal   for   the  ne xt  fu t ure  w ork,   s o  t hat  in  this  st ud y  t rial s  wer e   com bin e d  betwee n  GeTe M  and  G raysc al e  Tem plate   Ma tc hin g  ( Gr a yT eM )  f or   feat ur e  e xtr act io n  process .  T he  e qu at io n  of the m at ch  sc or e  it sel f  is s hown b y t he follo wing e qu at io n (4)  [3 6 ]:      ℎ     =  ℎ                  1000   (4)     -4 -3 -2 -1 0 1 2 3 4 5 x 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 Gaus si an   1D 0 3 0 . 0 5 2 3 0 . 1 1 ( x , y ) 2 2 D  G a u s s i a n y 0 . 1 5 0 1 x 0 0 . 2 -1 -1 -2 -2 -3 -3 Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Geometri c  and Gr aysc ale Te mp l ate M atchi ng for  Sa ud i A ra bi an Riyal  P ap e r Cur rency   ...   ( Su ci  A ulia)   4233     3.   RESU LT S   A ND AN ALYSIS     The  syst em   con sist ed  of  3  m ai n  pa rts,  nam el y  1)   m echan ic al   syst e m   of   t he  sca nn e r  box  the  siz e  of   18 cm x10cm x 15   cm   to  ta ke  t he  im age  of  th e  ba nknote   wit h  a  li ghti ng  from   4  le d  piece s  an d  180  de grees  of   li gh t  distrib ution,  2)  we b  ca m era  and   PC   that  serv es  a s  the  i m age  pr oces sin g  syst e m ,  an d  3)  ac tuator   con t ro ll ers  w hi ch  co ntro ls  by  assigni ng   se rial   values  (ser ia l   ou t  of   PC)  us ing   ar duin o  U N O  an d  DC  m oto r  to  pu ll   the  ba nkno te   a fter  being   scan ne d  w it h  a  we bcam .   The  th ree  sy stem s  are  connecte d  se rial ly   to  th e   com pu te r  as   a   com m un ic at i on  ce nter ,   ei ther   as  a   syst em ’s  database  serv e r,  or  as   an  e xisti ng  ac tuato r   con t ro ll er.       3.1.   Sy s tem Tes tin g  Sce na ri o   To  f ound  ou t  the  best  pa ram e te rs  that  was  use d  to  te st  the  authe ntici ty   of   the  bank no te   ( PCR   and   it s   cl assifi cat ion ) ,   the  first  ste p  was  to  m at ch  the  filt er  m edian  va riable  X  siz e  (1,  5,  10,  15,  a nd   20)  a nd   Y  siz e  (1,  5,  10,  15,  a nd  20)   each   co m bin at ion   an d  Gaussi an  fi lt er   with  div i der   pa ram et ers  (d 5,  d10,  an d  d15)  on  a   nu m ber   of  trai ning  set   of   te m pla te   i m ages.   Af te r  te sti ng  on   t he  trai ning   set   data,  then  the  outp ut  was   in  the  form   of   Geom et ric   Matchin g  Sco re   ( Geo M S)   an d  Grays cale  Matc hing   Sco re   ( Gr ay MS).  T he  val ues  of  Geo MS   an d  G rayM S  are  a na ly zed  an d  use d  as  t he  th res ho l d  value  for   each  bank no t e  1  S AR,  5  S AR,  10  SA R,   an d  50  S AR.  From   the  resu lt s  of  the   tr ai nin g  set   data  te st,  ta ble  X  a nd  ta ble  Y   eac h  sh ows   Ge oMS   an d  Gr ay MS data  f or  PCR 1 SAR . Th e  data wer e taken  ba sed on  t he  lowe st scor e  for  eve ry 1 0  at te m pts.  B ased  on   Table  1,   t he  th reshold   val ue  of  Ge oMS  PC R  1  SA R  ta ke n  from   the  lo we st  value   on  t he   top  ed ge   col um n  was   901,4 88.  Sim ilarly ,  the  t hr es hold  valu e   of  G rayM S  PCR   1  SA R  base d  on  T able  2  w as  858,7 8 2.   Furthe rm or e,   after  Ge oMS  and   Gr ay MS  wer e  ob ta i ned  for  each  SAR   PCR ,  a  te st  for  the  cl assi ficat ion   proces s  was   cond ucted.        Table  1   .  G e om et ry  Ma tc hin g  Sc ore  of  PC R 1  S AR   Nu m b e r  o f   Test   Min Valu e   Max  Valu e   Top  E d g e   10   8 2 3 .837   9 0 1 .988   9 0 1 .488   20   9 0 2 .184   9 0 8 .172   9 0 7 .672   30   9 0 9 .341   9 1 3 .821   9 1 3 .321   40   9 1 3 .889   9 1 9 .059   9 1 8 .559   50   9 1 9 .536   9 2 1 .716   9 2 1 .216   60   9 2 2 .004   9 2 5 .7   9 2 5 .2   70   9 2 6 .04   9 3 0 .747   9 3 0 .247   80   9 3 1 .152   9 3 4 .558   9 3 4 .058   90   9 3 5 .195   9 4 2 .113   9 4 1 .613   100   9 4 2 .192   9 5 9 .826   9 5 9 .326     Table  2   .  Gray scal e  Ma tc hing  Score  of  PCR   1  S AR    Nu m b e r  o f   Test   Min Valu e   Max Valu e   Top  E d g e   10   8 1 9 .712   8 5 9 .282   8 5 8 .782   20   8 5 9 .339   8 5 9 .833   8 5 9 .333   30   8 5 9 .874   8 6 0 .377   8 5 9 .877   40   8 6 0 .401   8 6 0 .798   8 6 0 .298   50   8 6 0 .803   8 6 1 .044   8 6 0 .544   60   8 6 1 .076   8 6 1 .429   8 6 0 .929   70   8 6 1 .456   8 6 1 .883   8 6 1 .383   80   8 6 1 .965   8 6 2 .317   8 6 1 .817   90   8 6 2 .332   8 6 2 .822   8 6 2 .322   100   8 6 2 .848   8 6 4 .557   8 6 4 .057         3.2.   Experim en ta l  Results   The  process  of  i m age  acqu isi ti on   wa s  done   by  captu rin g  t he  ba nknote   c om ing   into  the   scan ner   box  with  th e  li ghti ng  co ndit ion s   of  4  LE Ds  a rrang e d  i nto  2  x  2  LE Ds.   Fro m   the  capt ur e   resu lt ,  t he  syst e m   then   detect ed  the  va lue  of  the  num ber   with  the   la rg est   f ont   s iz e  and   t hen   c rop ped   it   as  s een  in  Fi gure  4  an d    Figure  5.   Fig ure  4  re presents   the  Geo m et ric  Tem plate   M at ching  f or  ea ch  1  S AR,  5  S AR,  10  S AR,  and  50   SA R  bank note .  A s  f or   G raysca le  Tem plate   Ma tc hin g, it  is  represe nted  i n Fi gure  5.               (a)   (b)   (c)   (d)     Figure  4. Im age te m plate  g eo m et ric   m at ching   (a)   1 SAR , (b ) 5 SAR,  (c) 1 0 SAR,  (d) 5 0 S AR     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  8 , N o.   6 ,  Dece m ber  2 01 8   :   4231   -   4238   4234           (a)   (b)   (c)   (d)     Figure  5.   I m age te m plate  g ra ysc al e  m at ching .   (a) 1  S AR, ( b )  5 SA R , (c)  10 S AR, ( d)   50  SA R       Param et ers  us ed  as  a  ref e renc e  in  this  stud y  include  m edian  filt er  pa ram e te rs,   di vid er  pa ram et ers  on   Gau s sia n  filt er ,  Geo MS  a nd   Gr ay MS.  T he  m edian  filt er  par am et er  wh ic h  repea te dly  m od i fied  was  th e  valu e   of   X,   Y .  Fig ure  6  shows  one   of   the  m in - m ax  valu e  sea rc h  res ults  from   Geo MS  for  P CR   5  SA R  fro m   10 0  exp e rim ents  by  te sti ng   each   siz e  of   t he  m e dian  filt er  pa ra m et ers  and   Ga us sia n  di vid er   par am et ers.   Th e  sam e   is sh own  i n  Fi gure  7 f or m in - m ax  value s  of   Gr ay MS  PCR   1  S AR.           Figure  6. Ge om et ric Ma tc hin g  Sc ore  gr a ph for PCR   5  S AR           Figure  7. G raysca le   Ma tc hing  Score  gr a ph  for  PCR   1  S AR       Figure 7  r e pres ents m in - m ax  value  f or   GeoM S P CR  5  SAR  is 9 27 . 12  -   994.7 13, while  fro m  Figu re  8  m in - m ax  value  for  G rayM S   PCR   1  S AR  is  941.2 92   -   959.7 96.  T he  m at ching   sc ore  values  a re  st or e d  as   database  w hic h  are   the n  use d  as  ref e ren c e  scor e s  w he n  pe rfor m ing   PC R  te sti ng   or  cl assifi cat ion .   Ba sed  on   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Geometri c  and Gr aysc ale Te mp l ate M atchi ng for  Sa ud i A ra bi an Riyal  P ap e r Cur rency   ...   ( Su ci  A ulia)   4235   the  te st  res ults  of  10 0  trai ning   data  set ,   the   c om par ison  of   s cor e   val ue  obta i ned  f or  each   Geo MS   a nd  G rayM S  tem plate s o n  e ach  bank no te  i s sho wn in Fi gure  8, Fi gure  9, an d  Fi gure  10.           Figure  8. Com par is on of  Ge oM S and Gray MS o n  PCR   1 SAR           Figure  9. Com par is on of  Ge oM S and Gray MS o n  PCR   5 SAR           Figure  10. C om par ison   of  G eoMS a nd  Gr a yM S o n PCR   10 S AR   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  8 , N o.   6 ,  Dece m ber  2 01 8   :   4231   -   4238   4236   Table  3 . Accur acy   Le vel  of  Currency R ec og niti on   a nd it s  Cl assifi cat ion     No   Ban k n o tes   Tr u e Pos itiv e   False Neg ativ e   Accurac y  L ev el   Su ccess rate  of  detectin g   co u n terfeit  m o n e y   1.   1     SAR   99   1   9 9  %   1 0 0  %   2.   5     SAR   86   14   8 6  %   1 0 0  %   3.   1 0  SAR   97   3   9 7  %   1 0 0  %   4.   5 0  SAR   99   1   9 9  %   1 0 0  %       Fr om   PCR   te st  to  100  sam ple   data  for  eac h  bank no te   val ue ,  obta ine d  a   r esult  as  s how n  in  Ta ble  3.   Fr om   Table  3  ob ta ine d  the  a ver a ge  val ue  of  accura cy   le vel  of   com bin ing  Geo m et ric  Te m pla te   Ma tc hi ng   a nd   Gr ay scal e  Tem plate   Ma tc hin g  fo r  the  cl assifi cat ion   proces s  was  95. 25%.  Wh il e  the  ave r age  value  of   s yst e m   accuracy  le ve l  in  the  recog niti on   of   c ounter feit   m on ey   on  each  bank no te   (1   SA R ,  5  S AR,  10   SA R,   and   50   SA R)  obtai ne d a m axi m u m  v al ue  of  100% .       4.   CONCL US I O N     In   this  pap e r,   we  ha ve  s ucc essfu ll y  dem on strat ed  a  PC R  (P ape r  Cu rrency   Re cognit ion)  an d  it s  cl assifi cat ion s  te st on  Sa udi  Ar a bian  Ri ya l 1  S AR, 5 S AR , 10  S AR,  a nd  50   SA R  with  pro posed  te c hniqu e s b y  com bin ing   Ge om et ric  Te m pl at e  Ma tc hin g  and  G raysca le   Tem plat e  Matching  m et ho ds  to  produce  a   quit e   sat isfyi ng   res ult  in  c ounter feit   m on ey   rec ogni ti on   a nd  the   cl assifi cat ion   of  it s  own  cu rr e nc y.  I n  t he  proc ess  of   recog nizing  c ounte rf ei t  m on e y  on   each  ba nkno te   syst em   ca n  detect   100%,    wh il e  the  syste m   per form ance  fo r   PCR   cl assifi cat ion   with  t he  best  pa ram et er s  of   c om bin in g  Ge oMS  a nd  Gr ay MS  reac hed   95. 25 %  posit ive   recog niti on   rat e an d 4.75%   ne gative  recog niti on   rate.       ACKN OWLE DGE MENTS     This  wor k has  been s upported  b y  In te r nal F und R esearc h 2 016 I  from  Tel ko m  U ni ver sit y .       REFERE NCE S     [1]   T.   Chakr abor t y ,   et   al . ,   “ Review  o f  Vari ous  Im age   Proce ss ing  Te ch nique s  for  Curre nc y   Note  Authe nti c at ion , ”  In t.   J.  Comput.   Eng .   R es.   Tr ends ,   vo l /is sue:   3 ( 3 ) ,   pp.   1 19 – 122,   2016 .   [2]   O.  R.   Devi ,   et   al . ,   “ Surve y   on  Pa per   Curre nc y   R e cogni ti on  S y ste m , ”  Int.   J .   Eme r g.   Tr ends  Technol .   Comput.   S ci. ,  vol /i ss ue:   5 ( 2 ) ,   p p.   105 – 108 ,   201 6.   [3]   P.  S.  Nil a,   et  al. ,   “ Revi ew  on  Co unte rfe it   Ind ia n  Paper   Curre n c y   Rec ognition  S y s te m , ”  In t.  J .   Sc i. R es.   Comput .   S c i.  Eng.   In f .   Techno l. ,   vol / issue:   2 ( 2 ) ,   pp .   88 – 91 ,   201 7.   [4]   B.   Sharm a,   “ Recogniti on  of  Ind ian  Paper   Curre n c y   b ase d  on  LBP, ”  Int.  J .   Comput.   Appl . ,   vol /i ss ue:   59 ( 1 ) ,   pp.   24 – 27,   2012 .   [5]   E.   Pila n ia   and  B.   Arora,   “ Rec o gnit ion  of  Fake  Curre nc y   Based   on  Secur ity   Th rea d  Feat u re  of  Curre nc y , ”  Int .   J.  Eng.   Comput .   S c i . ,   vol / issue:   5 ( 1 7136 ) ,   pp .   1713 6 – 17140,   2016 .   [6]   K.  Chakra bort y ,   et   al. ,   “ Rec en t  Deve lopments  in  Paper   Curre nc y   rec ogn it ion  S ystem,”   Int.   J .   Res .   Eng.   Technol .,  vol /i ss ue:   2 ( 11 ) ,   pp.   222 – 226 ,   20 13.   [7]   V.  K.  Jain,   “ Indi an  Curre nc y   De nom ina ti on  Ide n ti ficat ion  Us ing  Im age   Proce ss ing  Te chni qu e,”  In t.   J .   Comput.   Sci.  Inf.   Te chnol. ,   v ol /i ss ue:   4 ( 1 ) ,   pp.   126 – 128,   2013 .   [8]   P.  J.  Grac e  and   D.  Ph,  “ A  Survey   on  Fak e  Ind ian  Paper   Curre n c y   Id ent if icati on   S y stem,”   Int.  J .   Adv .   Re s.   Comput.   Sci .   Soft w .   Eng . ,   vol /i ss ue:   6 ( 7 ) ,   p p.   340 – 345 ,   201 6.   [9]   R.   Rat he e,   “ A  Revi ew  Paper   o n  Curre nc y   R ecogniti on  S y s t em,”   J .   Net w.   Com mun.  Eme rg.  Technol . ,   vol /i ss ue :   6 ( 8 ) ,   pp .   5 – 6 ,   20 16.   [10]   S .   Singh,  et   al. ,   “ Curre nc y   Recogniti on  on  Mobile   Phones,”   2 014  22nd  Inte rnational   Confe r enc e  on  Pattern   Re cogn it ion   IE E E ,   pp .   2661 – 266 6 ,  2014 .   [11]   M.  S.  V .   Vashis htha ,   “ A   pape r   c urre nc y   r ec ogn ition  s y st em  using   image  p roc essin g  to  improve  th e   reliab i li t y   with  pca   m et hod , ”   Int .   J .   Eng. Sci.   Re s .   Techno l . ,   vo l /i s sue:   9655 ( 6 ) ,   pp .   172 – 175,   2015.   [12]   P.  D.  Pawar  and   S.  B.   Kal e,   “ Re cogni ti on   of  Ind ia n  Curre n c y   N ote   Based  on   HS V  Par amete rs,”  Int.   J.   S ci .   Re s . ,   vol /i ss ue:   3 ( 6 ) ,   p p.   132 – 137 ,   201 4.   [13]   S.  E.   Ali  and  S.  Mukherje e ,   “ Chal l enge s  In  Indian  Curre nc y   Den om ina ti on  Rec o gnit ion  &  Auth e nti c at ion , ”  Int .   J .   Re s. Eng.   Techn ol . ,   vol / issue:   3 ( 11 ) ,   pp .   477 – 48 3,   2014 .   [14]   Rashm i  C .   and   D.  H.  K. ,   “ Im age   Proce ss ing  Ap proa ch  for   INR  Curre nc y   Not e  Num ber   Rec ogn it ion  S y stem  for  Autom at ed  T el l e r  Mac hin es, ”   Int .   J. Comput. A pp l .   Techno l. Res . ,   vol /i ss ue:   5 ( 8 ) ,   p p.   539 – 542 ,   201 6.   [15]   I.   A.  Suresh,  “ India n  Curre n c y   R ec ogni ti on  and  Veri ficati on  Us i ng  Im age   Pro ce ss ing, ”  Int .   Re s .   J .   Eng.   Te chnol . ,   vol /i ss ue:   3 ( 6 ) ,   p p.   87 – 91 ,   2016 .   [16]   S.  Sahu  and  T.  Verm a,   “ Ide ntification  of  Pape r  Curre nc y   Tec hnique s   :  A  Surve y , ”  In t.   J .   Sci.  Technol.  Eng . ,   vol /i ss ue:   2 ( 12 ) ,   pp.   607 – 612 ,   20 16.   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Geometri c  and Gr aysc ale Te mp l ate M atchi ng for  Sa ud i A ra bi an Riyal  P ap e r Cur rency   ...   ( Su ci  A ulia)   4237   [17]   B.   S.  Prasanthi   a nd  D.  R.   Setty ,   “ India n  Paper   Cu rre nc y   Authen ti c at ion  S y st em using  Im age   proc essing, ”  Int .   J.   Sc i .   Re s. Eng.   Techn ol.   ( IJS R ET) ,   vol /i ss ue:   4 ( 9 ) ,   pp .   973 – 981,   2015 .   [18]   H.  Hass anpour ,   et   al . ,   “ Fea ture   ext ra ct ion   for  pa per   cur r ency   r ecogniti on, ”   2007  9th  Inte rnat iona l  Symposium  on   Signal   Proce ss in g  and  Its   Applic ati ons IE EE ,   pp.   1 – 4 ,  2007 .   [19]   D.  P.  Univ ersit ,   et  al. ,  “ Math e m at ic a l  and   Sta ti stical   Methods   for  Actu arial  Scie nc es  and  Fi nanc e , ”   Mila no ,   Springer  Mil an,  2010.   [20]   F.  M.  Hasanuz z aman,   et  al. ,   “ Robust  and  Eff e ctive  Com ponent - Based  Banknote   Rec ogni ti on  for   the   Bli nd , ”   IEEE   Tr ansacti ons On Sy stems,   Man,   And  Cyb erne tics ,   vol /i ss ue:   42 ( 6 ) ,   pp .   1021 – 1030 ,  2012 .   [21]   C.   Bhurke ,   et   a l. ,   “ Curre nc y   Re c ognit ion  Us ing  I m age   Proce ss ing, ”  Int .   J .   Inno v.   Re s.  Co mput .   C omm un.   Eng. ,   p p.   4418 – 4422,   201 5.   [22]   J.  W .   L ee,  e t  al . ,   “ A  Surve y   on  Banknot e   Rec og nit ion  Me thods  b y   V ari ous  Sens ors,”   S ensors ,   v ol /i ss ue:   17 ( 313 ) ,  pp.   1 – 34 ,   2017 .   [23]   M.  Akbar,   et   al. ,   “ Origina l  an d  Counte rfe it   Mone y   Detect io n  Based  on  Edge   Dete c ti on, ”  20 13  Int.   Conf.  Instrum ent ati on,   Comm un.   Inf .   T ec hnol .   Bi omed .   Eng . ,   2013.   [24]   F.  Ta k eda   and  S.  Om at u,   “ High  Speed  Pape r  Curre nc y , ”  I EEE  transacti ons  on  neural  ne two rk ,   vol /i ss ue:   6 ( 1 ),  1995 .   [25]   K.  Sawant   and   C.   Mor e,   “ Cu rre nc y   R ec ogn ition  Us ing  Im ag e  Proce ss ing  an d  Minim um   Distanc e   Cla ss ifie r   Te chn ique , ”  In t.  J.   Adv. Eng. Re s .   Sci . ,   vol / issue:   6 495 ( 9 ) ,   pp .   1 – 8 ,   2016.   [26]   S.  S.  Sannakki   and  P.  J.  Gunjal e,   “ Rec ogn it ion   and  Cla ss ifi cat ion  of  Curre nc y  No te s  using  D iscre t e  W ave let  Tra nsform , ”  In t.  J.   Eme rg.   Techn ol.   Adv. Eng . ,   vo l /i ss ue:   4 ( 7 ) ,   pp.   253 – 257,   2014 .   [27]   M.  Sarfra z ,   “ An  int e ll ig ent   pap e r  cur ren c y   re co gnit ion  s y s te m , ”   Proce dia  -   Pro ce dia  Comput .   Sci . ,   vol .   65 ,   pp .   538 – 545,   2015 .   [28]   B.   B.   La ksono,  et   al . ,   “ Opera si  Vala s   :  Ide nt ifi k asi  Nom ina l  Denga n  Metode   Ca nn y   Edge   De te c t ion  dan  Te m pla t e  Matc hing  Foreig n  Exc hang e   :  Nom ina l  Ide nti f icat ion  Us ing  Cann y   Edge   Detect ion and  Te m plate  Matc h ing  Abs trak   Diskus i  Sharpe n ing  dan   Sm oothi ng  Sharpe ning   m eru paka n  p enaj ama, ”   SNIKO ,   p p.   10 – 11 ,  2015 .   [29]   M.  Krishnave ni ,   et   al . ,   “ Im prove d  Cann y   Edge s  Us ing  Cel lul a r  Based  Particle   S warm   Optimiza t ion  Techni que  f o r   Ta m il   Sign   Digital  Im age s , ”   Int.  J.   Elec tr.   Compu t.   Eng . ,   vo l /i ss ue :   6 ( 5 ) ,  p p.   2158,   2016.   [30]   R.   Supri y ant i ,   e t  al. ,   “ Bright nes s  and  Contra st  Modific a ti on  in   Ultra sonograph y   Im age s  Us ing  Edge   Det ec t ion   Result s,”   TEL KOMNIKA  Teleco mm unic ati on  Co mput.   E lectron.  Control ,   vo l /i ss ue:   14 ( 3 ) ,   pp .   109 0 – 1098,   2016 .   [31]   A.  Fahruroz i ,   et  al. ,   “ W ood  Clas sific at ion   Base d  on  Edg e  De tecti ons  and  T exture  Fea ture s  Se l ec t ion, ”   vol /i ss ue:   6 ( 5 ) ,   pp .   2167 – 2 175,   2016 .   [32]   W .   K.  Prat t,  “ Digit al Im age Proc essing, ”   vo l /i ss u e:   5 ( 11 ),   2001 .   [33]   S.  Shrestha,   “ I m age   Denoising   Us ing  New  Ad apt iv e  Based  M edi an  Fil te r , ”  Si gnal  Image  Pro ce ss .     An  Int .   J . ,   v ol /i ss ue:   5 ( 4 ) ,   p p.   1 – 13 ,   2014 .   [34]   S.  Sury a  and  G.  Tha ilam bal ,   “ Com par at ive   Stud y  on  Curre nc y   Re cogni ti on  S y s tem   U sing  Im age   Proce ss ing, ”  Int .   J.   Eng. Comput.  Sci . ,   vo l /i ss ue:   3 ( 8 ),   pp .   7723 – 77 26,   2014 .   [35]   S .   Chandel  and   M.  T y ag i,   “ Ev aluate  and  Propos e  a   Novel  Techn ique   to   Che ck  G enui nen ess  of  th e  Curre n c y   Us ing   Im age   Proce ss in g, ”  In t. J.  Comp ut.   S ci.  Tr ends  Technol . ,   vol / issue:   5 ( 1 ) ,   pp .   111 – 116,   2017 .   [36]   G.  Sharm a,   et   al . ,   “ Im age   Rec og nit ion  S y st em  using  Geom e tri c  Matc hing  and  C ontour  Detect ion , ”  Int .   J.   Comput .   Appl . ,   vo l /i ss ue:   51 ( 17 ) ,   pp .   48 – 5 3,   2012 .   [37]   G.  I.   R aho,   et   al. ,   “ Cash  Curre ncies  Rec ogn ition  Us ing  k - Ne are st  Ne ighbor  Cla ss ifi er , ”  In t.  J.   W eb  S emant.  Technol . ,   vo l /i ss ue:   6 ( 4 ) ,   pp .   11 – 21,   2015 .   [38]   J.  Frank ,  et   al . ,   “ Ti m e  Serie s  Anal y s is  Us ing  G eometr ic   Te m pl at e  Mat chi ng , ”  I EE E  Tr ans.  Pat t ern  Anal .   Mac h .   Inte ll . ,   vol /i ss ue:   35 ( 3 ) ,  p p.   1,   20 12.       BIOGR AP H I ES   OF  A UTH ORS          Suci  Aulia ,   M.T .   is  an  le ct ur er  a t  Te lkom  Univer sit y ,   Depa rt eme nt  of  Applie d  Scie n ce.  She  is   conc ern   in  signa l  proc essing  sinc e  6  y e ars  ago.   She  has  publi shed   seve ral   pap ers  in  her   rese arc h   espe cially   imag e   signal   proc essin g  fie lds  such  as  her   la t est  public at ion  under   th e  t it le     “ Hog  An d   Ica   B ase d  Fa ce  Rec ognition S y s te m   On A Surveilla n ce   V id eo” ,et c.               He  gra dua te d   fr om   El ectrical   E ngine er ing  a t  Telkom   Univer sit y  Yea r  2015   with   the  title  Skips i  "A utomati c  Mone y   Ch ange r:  Id ent ifica ti on  Curr ency   Input  And  Opera ti ng  Oper a ti on  Of  Vala s   Exc hang e  W it h  Cann y   Edge   D etec t ion  And  Te m pla t e  Matc h ing  Method  “ .   Durin g  the   stud y   h e   was a ctive   as  a  r ese arc h er at Digi ta l   Control L abo rat or y .   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  8 , N o.   6 ,  Dece m ber  2 01 8   :   4231   -   4238   4238         Angga  Rusdina r, Ph.D  is  an  l ec tur er  a t  Tel kom   Univer sit y ,   Depa r te m ent  of  El e ct r ic a l  Engi ne eri ng.   His  skill s  and   e cxperti se  fo cus  on  Pa tt ern   R ec ogn it io n,   Com pute r   Vis ion,   Robot ic s   El e ct roni c   Engi n ee ring ,   and   Cont rol   S y st ems   Eng ine er ing .     Yu y un  siti   rohm ah  ST, . MT  is  an   le ct ur e  at   T el k om   Univer sit y .   She  is  conc ern   i n  tra nsm issio n   te l ec om m unic at i on  s y stem.  Sh e  has  publ ishe d  pape r  about  per form anc e   of  Orthogonal   Freque nc y   Div ision  Multi p le x ing   and  Orthog onal  W ave le t   Divisio n  Multi pl exi ng .     Evaluation Warning : The document was created with Spire.PDF for Python.