基於纖維個性化特徵的票據防偽鑑別方法
2023-10-05 14:17:14 2
專利名稱：基於纖維個性化特徵的票據防偽鑑別方法
技術領域：
本發明涉及一種票據防偽鑑別方法，尤其涉及一種基於票據表面纖維個性化特徵實現的防偽鑑別方法，屬於金融安全鑑偽技術領域。
背景技術：
隨著國民經濟的快速發展，金融票據的應用越來越廣泛。但目前金融票據在管理、 使用和鑑偽方面還存在一些問題，社會上的不法分子把作案目標直接瞄準了銀行，金融票據詐騙案件時有發生，給國家造成重大的經濟損失。現有的金融票據鑑偽方法主要依靠人工定性分析為主，所存在的問題是人工鑑別強度大、耗時久，且容易由於疲勞或疏忽造成誤檢。纖維是票據的重要防偽標誌之一，而且不同票據中纖維位置的隨機分布不一樣， 因此可以提取纖維分布特徵進行票據鑑偽。在紫外光照射下，纖維有螢光效應，便於提取防偽特徵。在這個過程中，票據表面的纖維特徵提取是關鍵步驟和難題。由於票據表面的背景非常複雜，包括文字、邊框、螢光標誌和平緩區域等，灰度分布範圍很廣，而纖維目標比較小，雖然灰度大致分布在高亮區，但與背景灰度分布並沒有明顯的界限，區分比較困難。而且實踐中要求對於同一張票據用結構相似的機器提取纖維特徵，其結果要一致，這就要求特徵提取方法的自適應性和穩定性都要好。在專利號為ZL 200510121107. 2的中國發明專利中，公開了一種纖維圖像防偽方法，包括如下步驟提取真實纖維圖像的信息並生成真實纖維圖像資料庫，通過將待驗證纖維圖像與資料庫中的真實纖維圖像進行比較從而確定待驗證纖維圖像的真實性。使用該發明的方法能夠克服在紫外燈下用肉眼分辨螢光纖維紙真實性的不足，可以在一定程度上消除螢光纖維紙在防偽應用中的安全隱患。但是無法鑑別仿照真票採用螢光筆繪製的虛假纖維。另外，謝劍斌、劉通、陳章永等人在論文《基於極值濾波和OTSU的票據表面纖維特徵提取》(刊載於《計算機工程》2009年第7期)中，針對票據表面纖維特徵提取的難題，提出基於極值濾波和OTSU的票據表面纖維特徵提取方法，包括採用極大值濾波方法增強纖維特徵並整合複雜背景對象。採用優化流程的OTSU算法分割圖像，提取纖維特徵。實驗結果證明，該方法提取票據表面纖維特徵效果好、速度快，一致性指標達91 %以上。
發明內容
本發明所要解決的技術問題在於提供一種基於纖維個性化特徵的票據防偽鑑別方法。該方法融合了極大值濾波和改進二維熵的纖維小目標檢測技術，具有很好的自適應性和穩定性。為實現上述的發明目的，本發明採用下述的技術方案一種基於纖維個性化特徵的票據防偽鑑別方法，其特徵在於包括如下步驟(1)圖像預處理對攝像機獲取到的票據圖像進行處理，得到標準化的票據圖像；
(2)背景融合採用極大值濾波器進行圖像濾波，將所述票據圖像中的多類對象轉化成平緩區域背景和纖維目標兩類對象；
(3)目標檢測採用優化的二維熵分割算法分割票據圖像，檢測纖維目標；
(4)特徵提取提取纖維目標的防偽特徵，所述防偽特徵為質心坐標、面積、曲率和矩特徵中的一個或多個；
(5)特徵匹配基於所述防偽特徵進行特徵匹配，鑑別票據的真偽。
其中較優地，所述步驟(1)進一步包括如下的子步驟第一，對攝像機獲取到的票據圖像進行畸變校正；第二，將票據圖像中邊界的背景裁剪掉，只保留票據區域，並將圖像調整到統一的尺寸；第三，將裁剪後的票據圖像進行兩層小波變換，保留變換後的低頻信息作為後續處理的圖像信息。
其中較優地，所述步驟(2)中，所述極大值濾波器的窗口尺寸在5X5 15X15像素範圍內。
其中較優地，所述步驟C3)中，首先生成所述票據圖像關於點灰度-鄰域灰度均值的二維直方圖，然後在點灰度-鄰域灰度均值平面中沿對角線分布的區域用點灰度-鄰域灰度均值二維最大熵法確定最佳閾值。
在確定所述最佳閾值時，採用如下無失真的快速遞推算法首先求出每一行P的初始值，然後遞推計算本行其它P值，同時記錄各列的初始增量；下一行運算時首先計算下一行P的初始值，同時刷新初始行的P值；所述P為所述二維直方圖中沿對角線分布的區域的像素和。
在確定所述最佳閾值時，進一步採用如下有失真的優化搜索策略第一步在點灰度-鄰域灰度均值平面的對角線上進行粗略搜索，尋找使改進二維熵判別函數取最小值的閾值所在的區域；第二步在第一步搜索確定的所述區域周圍鄰域求使所述改進二維熵判別函數取最小值的閾值作為最佳二維熵分割閾值。
其中較優地，所述步驟(3)中，對於分割後的二值化圖像通過如下步驟進行標識
步驟1 使用中值濾波消除孤立噪聲點；
步驟2 採用膨脹和腐蝕操作合併目標區域的，除去圖像的孔洞；
步驟3 採用鄰接連通方法對檢測出來的纖維目標的二值圖像進行標識。
其中較優地，所述步驟中，所述矩特徵採用7個Hu不變矩特徵表徵。
其中較優地，所述步驟(5)中，如果當前票據中某個纖維目標的防偽特徵與出票時提取的所有纖維目標的防偽特徵的最小距離都小於設定的閾值，則認為該纖維目標與資料庫匹配，匹配目標數加1 ；當所述匹配目標數與當前票據中總的纖維目標數的比值大於預定值時，認為該票據為真票；否則認為該票據為假票。
本發明不僅可以更快速地檢測纖維小目標的精確位置，而且保留了纖維小目標的輪廓細節信息。在特徵提取階段，不僅提取了纖維的質心坐標特徵，而且還提取了纖維面積、曲率和矩特徵，因此可以更準確地鑑別票據真偽，尤其是鑑別採用螢光筆繪製的虛假纖維。
下面結合附圖和具體實施方式
對本發明作進一步的詳細說明。
圖1為本發明所提供的票據防偽鑑別方法的整體流程圖；圖2為點灰度-鄰域灰度均值平面的示意圖；圖3為本票據防偽鑑別方法中所使用的優化搜索策略的示意圖。
具體實施例方式在深入分析票據圖像各類對象灰度分布規律的基礎上，本發明首先提出了基於極大值濾波和改進二維熵的纖維小目標檢測方法，檢測金融票據中的纖維目標；然後提出基於四元組的特徵提取與匹配方法，鑑別票據的真偽。如圖1所示，該票據防偽鑑別方法主要包括五個圖像處理步驟第一步是圖像預處理，得到標準化的票據圖像；第二步是背景融合，將票據圖像的多類對象轉變為兩類對象，即纖維目標和平緩區域背景；第三步是目標檢測，採用優化的二維熵分割算法快速分割票據圖像，檢測纖維目標；第四步是特徵提取，提取纖維目標的防偽特徵；第五步是特徵匹配，鑑別票據真偽。下面分別展開詳細的說明。1.圖像預處理圖像預處理階段的工作主要有三個第一，對攝像機獲取到的票據圖像進行畸變校正，減小圖像畸變對水印結構和相對位置的影響；第二，將票據圖像中邊界的背景裁剪掉，只保留票據區域，並將圖像調整到統一的尺寸(即標準化)；第三，將裁剪後的票據圖像進行兩層小波變換，保留變換後的低頻信息作為後續處理的圖像信息。此處兩層小波變換的貢獻有兩個方面，一是在保留圖像主要信息的前提下降低待處理圖像的尺寸，從而降低後續圖像處理各個階段的運算量；二是減小光照和噪聲對纖維目標檢測的幹擾，增強算法的魯棒性。在本發明中，所用的兩層小波變換公式為
2)/2 M-IN-I
W(j,m,η) = -^ Y f(x,y)■ φ(2] -x-m)·φ(2] -y-n)( 1)
λ!Μ .N X=O y=0其中，W(j，m，n)係數為在尺度j處圖像f (x，y)的近似，m和η分別表示變換後圖像的寬度和高度4為Haar小波尺度函數，用公式表示為
叫0,其他(2)2.背景融合在金融票據的圖像中有字體、邊框、平緩區域和纖維等多類對象，灰度分布範圍廣。仔細分析各類對象的灰度分布可以發現，字體和邊框所佔像素數目少，而且灰度值偏小；平緩區域所佔像素數目很多，而且灰度值居中；纖維所佔像素數目少，而且灰度值偏大。為此，發明人首先採用極大值濾波器進行圖像濾波，將字體和邊框兩類對象歸入平緩區域，同時增強纖維目標，避免光源不穩定等因素造成的纖維特徵斷裂或者部分缺失。通過極大值濾波，可以將票據圖像的多類對象轉化成兩類對象，即平緩區域背景和纖維目標。影響極大值濾波效果的主要因素是濾波窗口尺寸，窗口太大不僅影響處理速度， 而且會造成特徵的混疊，然而窗口太小又不能很好地融合背景和增強特徵。經過大量實驗驗證，窗口尺寸應該在5 X 5 15 X 15 (單位像素)範圍內，例如本發明的一個實施例中窗口尺寸設為11X11。這樣，極大值濾波器為
& = maXiJ, Hiaxij為像素點(i，j)所在IlX 11鄰域窗口內的灰度最大值
3.目標檢測
在金融票據的螢光圖像中，雖然螢光纖維處在高亮區，但容易受到光照和噪聲等的幹擾，所以精確分割纖維目標並不容易。通過大量實驗，發明人採用二維熵法分割纖維目標。二維熵法是利用圖像單象素點的灰度值分布及其鄰域的平均灰度值分布所構成的二維灰度直方圖選取閾值，優點是算法適應性強、分割效果更好，缺點是處理速度太慢。為此， 發明人採用優化的二維熵函數，提出了一種無失真的快速遞推算法和有失真的優化搜索策略，在不影響分割效果的前提下極大地提高了改進二維熵的運算速度。具體說明如下
首先，發明人根據熵函數在等概率場下取到最大值的性質，對二維熵函數進行優化，提出一種分割效果相同、計算速度更快、實時處理能力更強的二維熵函數。
設X是取有限個值的隨機變量，Pi = P{X = Xi),i = 1,2,…，n，其中Pi為事件Xi 發生的概率，P表示事件的概率，η為樣本容量，則X的Siannon熵H(X)定義為
權利要求
1.一種基於纖維個性化特徵的票據防偽鑑別方法，其特徵在於包括如下步驟(1)圖像預處理對攝像機獲取到的票據圖像進行處理，得到標準化的票據圖像；(2)背景融合採用極大值濾波器進行圖像濾波，將所述票據圖像中的多類對象轉化成平緩區域背景和纖維目標兩類對象；(3)目標檢測採用優化的二維熵分割算法分割票據圖像，檢測纖維目標；(4)特徵提取提取纖維目標的防偽特徵，所述防偽特徵為質心坐標、面積、曲率和矩特徵中的一個或多個；(5)特徵匹配基於所述防偽特徵進行特徵匹配，鑑別票據的真偽。
2.如權利要求1所述的票據防偽鑑別方法，其特徵在於所述步驟C3)中，首先生成所述票據圖像關於點灰度-鄰域灰度均值的二維直方圖，然後在點灰度-鄰域灰度均值平面中沿對角線分布的區域用點灰度-鄰域灰度均值二維最大熵法確定最佳閾值。
3.如權利要求2所述的票據防偽鑑別方法，其特徵在於在確定所述最佳閾值時，採用如下無失真的快速遞推算法首先求出每一行P的初始值，然後遞推計算本行其它P值，同時記錄各列的初始增量；下一行運算時首先計算下一行 P的初始值，同時刷新初始行的P值；所述P為所述二維直方圖中沿對角線分布的區域的像素和。
4.如權利要求2所述的票據防偽鑑別方法，其特徵在於在確定所述最佳閾值時，採用如下有失真的優化搜索策略第一步在點灰度-鄰域灰度均值平面的對角線上進行粗略搜索，尋找使改進二維熵判別函數取最小值的閾值所在的區域；第二步在第一步搜索確定的所述區域周圍鄰域求使所述改進二維熵判別函數取最小值的閾值作為最佳二維熵分割閾值。
5.如權利要求1所述的票據防偽鑑別方法，其特徵在於所述步驟(3)中，對於分割後的二值化圖像通過如下步驟進行標識步驟1 使用中值濾波消除孤立噪聲點；步驟2 採用膨脹和腐蝕操作合併目標區域的，除去圖像的孔洞；步驟3 採用鄰接連通方法對檢測出來的纖維目標的二值圖像進行標識。
6.如權利要求1所述的票據防偽鑑別方法，其特徵在於對於所述纖維目標採用雙閾值剔除虛假的目標，所述雙閾值包括閾值下限40像素和閾值上限200像素。
7.如權利要求1所述的票據防偽鑑別方法，其特徵在於所述步驟(1)進一步包括如下的子步驟第一，對攝像機獲取到的票據圖像進行畸變校正；第二，將票據圖像中邊界的背景裁剪掉，只保留票據區域，並將圖像調整到統一的尺寸；第三，將裁剪後的票據圖像進行兩層小波變換，保留變換後的低頻信息作為後續處理的圖像信息。
8.如權利要求1所述的票據防偽鑑別方法，其特徵在於所述步驟O)中，所述極大值濾波器的窗口尺寸在5X5 15X15像素範圍內。
9.如權利要求1所述的票據防偽鑑別方法，其特徵在於所述步驟(4)中，所述矩特徵採用7個Hu不變矩特徵表徵。
10.如權利要求1所述的票據防偽鑑別方法，其特徵在於所述步驟(5)中，如果當前票據中某個纖維目標的防偽特徵與出票時提取的所有纖維目標的防偽特徵的最小距離都小於設定的閾值，則認為該纖維目標與資料庫匹配，匹配目標數加1 ；當所述匹配目標數與當前票據中總的纖維目標數的比值大於預定值時，認為該票據為真票；否則認為該票據為假票。
全文摘要
本發明公開了一種基於纖維個性化特徵的票據防偽鑑別方法，包括如下步驟對攝像機獲取到的票據圖像進行處理，得到標準化的票據圖像；採用極大值濾波器進行圖像濾波，將票據圖像中的多類對象轉化成平緩區域背景和纖維目標兩類對象；採用優化的二維熵分割算法分割票據圖像，檢測纖維目標；提取纖維目標的防偽特徵，防偽特徵為質心坐標、面積、曲率和矩特徵中的一個或多個；基於防偽特徵進行特徵匹配，鑑別票據的真偽。本發明融合了極大值濾波和改進二維熵的纖維小目標檢測技術，具有很好的自適應性和穩定性。
文檔編號G07D7/06GK102542655SQ20111036293
公開日2012年7月4日 申請日期2011年11月16日 優先權日2011年11月16日
發明者劉通, 惠騰飛, 李沛秦, 謝劍斌, 閆瑋, 陳章永 申請人:中鈔實業有限公司