[發(fā)明專(zhuān)利]基于纖維個(gè)性化特征的票據(jù)防偽鑒別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201110362933.1
• 申請(qǐng)日: 2011-11-16
• 公開(kāi)（公告）號(hào): CN102542655A
• 公開(kāi)（公告）日: 2012-07-04
• 發(fā)明（設(shè)計(jì)）人: 陳章永;謝劍斌;劉通;李沛秦;閆瑋;惠騰飛
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中鈔實(shí)業(yè)有限公司
• 主分類(lèi)號(hào): G07D7/06
• 分類(lèi)號(hào): G07D7/06;G06T5/00
• 代理公司: 北京汲智翼成知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11381
• 代理人: 陳曦

技術(shù)領(lǐng)域

本發(fā)明涉及一種票據(jù)防偽鑒別方法，尤其涉及一種基于票據(jù)表面纖維個(gè)性化特征實(shí)現(xiàn)的防偽鑒別方法，屬于金融安全鑒偽技術(shù)領(lǐng)域。

背景技術(shù)

隨著國(guó)民經(jīng)濟(jì)的快速發(fā)展，金融票據(jù)的應(yīng)用越來(lái)越廣泛。但目前金融票據(jù)在管理、使用和鑒偽方面還存在一些問(wèn)題，社會(huì)上的不法分子把作案目標(biāo)直接瞄準(zhǔn)了銀行，金融票據(jù)詐騙案件時(shí)有發(fā)生，給國(guó)家造成重大的經(jīng)濟(jì)損失。現(xiàn)有的金融票據(jù)鑒偽方法主要依靠人工定性分析為主，所存在的問(wèn)題是人工鑒別強(qiáng)度大、耗時(shí)久，且容易由于疲勞或疏忽造成誤檢。

纖維是票據(jù)的重要防偽標(biāo)志之一，而且不同票據(jù)中纖維位置的隨機(jī)分布不一樣，因此可以提取纖維分布特征進(jìn)行票據(jù)鑒偽。在紫外光照射下，纖維有熒光效應(yīng)，便于提取防偽特征。在這個(gè)過(guò)程中，票據(jù)表面的纖維特征提取是關(guān)鍵步驟和難題。由于票據(jù)表面的背景非常復(fù)雜，包括文字、邊框、熒光標(biāo)志和平緩區(qū)域等，灰度分布范圍很廣，而纖維目標(biāo)比較小，雖然灰度大致分布在高亮區(qū)，但與背景灰度分布并沒(méi)有明顯的界限，區(qū)分比較困難。而且實(shí)踐中要求對(duì)于同一張票據(jù)用結(jié)構(gòu)相似的機(jī)器提取纖維特征，其結(jié)果要一致，這就要求特征提取方法的自適應(yīng)性和穩(wěn)定性都要好。

在專(zhuān)利號(hào)為ZL?200510121107.2的中國(guó)發(fā)明專(zhuān)利中，公開(kāi)了一種纖維圖像防偽方法，包括如下步驟：提取真實(shí)纖維圖像的信息并生成真實(shí)纖維圖像數(shù)據(jù)庫(kù)，通過(guò)將待驗(yàn)證纖維圖像與數(shù)據(jù)庫(kù)中的真實(shí)纖維圖像進(jìn)行比較從而確定待驗(yàn)證纖維圖像的真實(shí)性。使用該發(fā)明的方法能夠克服在紫外燈下用肉眼分辨熒光纖維紙真實(shí)性的不足，可以在一定程度上消除熒光纖維紙?jiān)诜纻螒?yīng)用中的安全隱患。但是無(wú)法鑒別仿照真票采用熒光筆繪制的虛假纖維。

另外，謝劍斌、劉通、陳章永等人在論文《基于極值濾波和OTSU的票據(jù)表面纖維特征提取》(刊載于《計(jì)算機(jī)工程》2009年第7期)中，針對(duì)票據(jù)表面纖維特征提取的難題，提出基于極值濾波和0TSU的票據(jù)表面纖維特征提取方法，包括采用極大值濾波方法增強(qiáng)纖維特征并整合復(fù)雜背景對(duì)象。采用優(yōu)化流程的OTSU算法分割圖像，提取纖維特征。實(shí)驗(yàn)結(jié)果證明，該方法提取票據(jù)表面纖維特征效果好、速度快，一致性指標(biāo)達(dá)91％以上。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問(wèn)題在于提供一種基于纖維個(gè)性化特征的票據(jù)防偽鑒別方法。該方法融合了極大值濾波和改進(jìn)二維熵的纖維小目標(biāo)檢測(cè)技術(shù)，具有很好的自適應(yīng)性和穩(wěn)定性。

為實(shí)現(xiàn)上述的發(fā)明目的，本發(fā)明采用下述的技術(shù)方案：

一種基于纖維個(gè)性化特征的票據(jù)防偽鑒別方法，其特征在于包括如下步驟：

(1)圖像預(yù)處理：對(duì)攝像機(jī)獲取到的票據(jù)圖像進(jìn)行處理，得到標(biāo)準(zhǔn)化的票據(jù)圖像；

(2)背景融合：采用極大值濾波器進(jìn)行圖像濾波，將所述票據(jù)圖像中的多類(lèi)對(duì)象轉(zhuǎn)化成平緩區(qū)域背景和纖維目標(biāo)兩類(lèi)對(duì)象；

(3)目標(biāo)檢測(cè)：采用優(yōu)化的二維熵分割算法分割票據(jù)圖像，檢測(cè)纖維目標(biāo)；

(4)特征提取：提取纖維目標(biāo)的防偽特征，所述防偽特征為質(zhì)心坐標(biāo)、面積、曲率和矩特征中的一個(gè)或多個(gè)；

(5)特征匹配：基于所述防偽特征進(jìn)行特征匹配，鑒別票據(jù)的真?zhèn)巍?/p>

其中較優(yōu)地，所述步驟(1)進(jìn)一步包括如下的子步驟：第一，對(duì)攝像機(jī)獲取到的票據(jù)圖像進(jìn)行畸變校正；第二，將票據(jù)圖像中邊界的背景裁剪掉，只保留票據(jù)區(qū)域，并將圖像調(diào)整到統(tǒng)一的尺寸；第三，將裁剪后的票據(jù)圖像進(jìn)行兩層小波變換，保留變換后的低頻信息作為后續(xù)處理的圖像信息。

其中較優(yōu)地，所述步驟(2)中，所述極大值濾波器的窗口尺寸在5×5～15×15像素范圍內(nèi)。

其中較優(yōu)地，所述步驟(3)中，首先生成所述票據(jù)圖像關(guān)于點(diǎn)灰度-鄰域灰度均值的二維直方圖，然后在點(diǎn)灰度-鄰域灰度均值平面中沿對(duì)角線(xiàn)分布的區(qū)域用點(diǎn)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(shí)，采用如下無(wú)失真的快速遞推算法：首先求出每一行P的初始值，然后遞推計(jì)算本行其它P值，同時(shí)記錄各列的初始增量；下一行運(yùn)算時(shí)首先計(jì)算下一行P的初始值，同時(shí)刷新初始行的P值；所述P為所述二維直方圖中沿對(duì)角線(xiàn)分布的區(qū)域的像素和。

在確定所述最佳閾值時(shí)，進(jìn)一步采用如下有失真的優(yōu)化搜索策略：第一步在點(diǎn)灰度-鄰域灰度均值平面的對(duì)角線(xiàn)上進(jìn)行粗略搜索，尋找使改進(jìn)二維熵判別函數(shù)取最小值的閾值所在的區(qū)域；第二步在第一步搜索確定的所述區(qū)域周?chē)徲蚯笫顾龈倪M(jìn)二維熵判別函數(shù)取最小值的閾值作為最佳二維熵分割閾值。

其中較優(yōu)地，所述步驟(3)中，對(duì)于分割后的二值化圖像通過(guò)如下步驟進(jìn)行標(biāo)識(shí)：

步驟1：使用中值濾波消除孤立噪聲點(diǎn)；