專利名稱:基于票據(jù)水印分布特征的票據(jù)防偽鑒別方法
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)水印分布特征實(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):
隨著國民經(jīng)濟(jì)的快速發(fā)展,金融票據(jù)的應(yīng)用越來越廣泛。但目前金融票據(jù)在管理、 使用和鑒偽方面還存在一些問題,社會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)詐騙案件時有發(fā)生,給國家造成重大的經(jīng)濟(jì)損失?,F(xiàn)有的金融票據(jù)鑒偽方法主要依靠人工定性分析為主,所存在的問題是人工鑒別強(qiáng)度大、耗時久,且容易由于疲勞或疏忽造成誤檢。
水印是金融票據(jù)的重要防偽標(biāo)志之一,而且不同票據(jù)中不同類型的水印位置分布不一樣,因此可以提取票據(jù)的水印分布特征進(jìn)行真?zhèn)舞b別。在白光透射下,票據(jù)中的水印圖像可以顯現(xiàn)出來,便于攝像機(jī)等圖像采集設(shè)備進(jìn)行采集,并進(jìn)行進(jìn)一步的分析。然而,不同票據(jù)中的水印目標(biāo)被版紋接線、文字、邊框等遮擋程度不同,而且同一類型的水印目標(biāo)會因為距離光源的位置不同而呈現(xiàn)出不同的灰度分布特性,導(dǎo)致水印分布特征的提取十分困難。
在專利申請?zhí)枮?01110139206.9的中國發(fā)明專利申請中,公開了一種適于解決水印算法中透明性與魯棒性相矛盾問題的灰度水印圖像的嵌入和提取方法?;叶人D像的嵌入方法包括對原始載體圖像分塊并進(jìn)行DCT變換,利用模板將系數(shù)分低、中、高頻三個數(shù)據(jù)塊,組成新矩陣后進(jìn)行SVD分解,計算分塊能量比,確定適合嵌入的最佳分塊位置; 將灰度水印信息依據(jù)能量比自適應(yīng)地嵌入到低頻分塊的奇異值中?;叶人D像的提取方法包括對原始載體圖像與待檢測含水印圖像分割成相應(yīng)個數(shù)的互不覆蓋的圖像塊,對各圖像塊進(jìn)行DCT變換、根據(jù)模板找出各圖像塊中的低頻數(shù)據(jù)矩陣A并對各矩陣A進(jìn)行奇異值分解并分離出奇異值中的信息,依據(jù)各圖像塊的能量比按自適應(yīng)嵌入的原則,恢復(fù)出灰度水印圖像。但是,該技術(shù)方案并不能直接用來進(jìn)行票據(jù)的真?zhèn)舞b別。發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題在于提供一種基于票據(jù)水印分布特征的票據(jù)防偽鑒別方法。
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
—種基于票據(jù)水印分布特征的票據(jù)防偽鑒別方法,其特征在于包括如下步驟
(1)構(gòu)建聯(lián)合模板選擇初始水印類型,依據(jù)所述初始水印類型構(gòu)建聯(lián)合模板中的元素,進(jìn)而構(gòu)建聯(lián)合模板;
(2)進(jìn)行圖像預(yù)處理對攝像機(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;
(3)實(shí)現(xiàn)圖像的二值化采用局部閾值法實(shí)現(xiàn)所述票據(jù)圖像的二值化;
(4)進(jìn)行聯(lián)合模板匹配在所述票據(jù)圖像中尋找與所述聯(lián)合模板相同或相似的目標(biāo)物,以相關(guān)系數(shù)為度量標(biāo)準(zhǔn)進(jìn)行聯(lián)合模板匹配;
(5)特征提取提取所述票據(jù)圖像的水印分布特征;
(6)特征匹配基于所述水印分布特征進(jìn)行特征匹配,鑒別票據(jù)的真?zhèn)巍?br>
其中較優(yōu)地,所述步驟(1)中,每一個初始水印類型對應(yīng)一組目標(biāo)位置排列組合, 每一組位置排列組合構(gòu)成所述聯(lián)合模板的一個元素。
其中較優(yōu)地,所述步驟( 進(jìn)一步包括如下的子步驟第一,對攝像機(jī)獲取到的票據(jù)圖像進(jìn)行畸變校正;第二,將所述票據(jù)圖像中的邊界部分裁剪掉,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,將裁剪后的所述票據(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(3)中,構(gòu)造兩個局部閾值判決函數(shù);其中第一局部閾值判決函數(shù)用來描述加權(quán)拉普拉斯梯度,其權(quán)值為距離的倒數(shù),第二局部閾值判決函數(shù)用來描述像素點(diǎn)灰度與鄰域灰度均值的差值。
其中較優(yōu)地,所述步驟(3)中,對于二值化圖像采用如下步驟消除噪聲首先采用形態(tài)濾波器去除小的噪聲,并合并相鄰的連通域;然后搜索所有的連通域,將與目標(biāo)差異過大的連通域刪去。
其中較優(yōu)地,所述步驟中,在尋找單個模板的最佳匹配位置時,在起始位置的鄰域區(qū)間上求取最大相關(guān)系數(shù),所述最大相關(guān)系數(shù)對應(yīng)的位置為所述模板的最佳匹配位置。
其中較優(yōu)地,所述步驟(5)中,所述水印分布特征包括但不限于水印總數(shù)、各水印的類型和位置特征。
其中較優(yōu)地,所述步驟(6)中,檢測當(dāng)前提取的所述水印分布特征與數(shù)據(jù)庫特征是否相似,如果相似度達(dá)到設(shè)定門限,則判斷票據(jù)為真,否則為假。
本發(fā)明所提供的票據(jù)防偽鑒別方法根據(jù)各水印目標(biāo)之間的約束信息構(gòu)建聯(lián)合模板,以相關(guān)系數(shù)為度量標(biāo)準(zhǔn)設(shè)計聯(lián)合模板匹配準(zhǔn)則,從而實(shí)現(xiàn)了各水印目標(biāo)的聯(lián)合檢測,可以有效鑒別金融票據(jù)的真?zhèn)巍?br>
下面結(jié)合附圖和具體實(shí)施方式
對本發(fā)明作進(jìn)一步的詳細(xì)說明。
圖1為本發(fā)明所提供的票據(jù)防偽鑒別方法的整體流程圖2為某種金融票據(jù)中的水印圖像的示例圖3為圖2所示的金融票據(jù)中,聯(lián)合模板元素的構(gòu)成示例圖。
具體實(shí)施方式
在深入分析票據(jù)水印分布特征的基礎(chǔ)上,本發(fā)明提出了基于聯(lián)合模板匹配的票據(jù)水印分布特征提取方法。該方法首先根據(jù)各水印目標(biāo)之間的約束信息構(gòu)建聯(lián)合模板,以相關(guān)系數(shù)為度量標(biāo)準(zhǔn)設(shè)計聯(lián)合模板匹配準(zhǔn)則,從而實(shí)現(xiàn)各水印目標(biāo)的聯(lián)合檢測,進(jìn)而鑒別金融票據(jù)的真?zhèn)巍?br>
如圖1所示,本發(fā)明所提供的票據(jù)防偽鑒別方法主要包括六個步驟第一步是聯(lián)合模板的構(gòu)建,第二步是進(jìn)行圖像的預(yù)處理,第三步是實(shí)現(xiàn)圖像的二值化,第四步是進(jìn)行聯(lián)合模板匹配,第五步是特征提取,即提取水印目標(biāo)的防偽特征,第六步是進(jìn)行特征匹配,鑒別票據(jù)的真?zhèn)?。下面分別展開詳細(xì)的說明。
1,構(gòu)建聯(lián)合模板
為了減少約束多目標(biāo)檢測過程中出現(xiàn)的漏檢和誤檢現(xiàn)象,本發(fā)明提出一種聯(lián)合模板匹配算法。它的基本原理是利用多目標(biāo)之間的約束信息,聯(lián)合各目標(biāo)共同進(jìn)行模板匹配, 各目標(biāo)匹配結(jié)果相互校驗,從而大幅度減少單目標(biāo)匹配過程中出現(xiàn)的漏檢和誤檢現(xiàn)象。具體描述如下
對于約束多目標(biāo)檢測問題,依據(jù)多目標(biāo)之間的約束信息,枚舉各目標(biāo)可能出現(xiàn)的所有位置排列組合,將該目標(biāo)位置排列組合對應(yīng)的模板排列組合稱之為聯(lián)合模板,簡記為 CT。它可以表征待檢測圖像中各目標(biāo)所有可能出現(xiàn)的相對位置分布情況。由于水印是由同一制版印制,不同水印之間的相對位置信息已知,稱其為約束信息。依據(jù)該約束信息,構(gòu)建相應(yīng)的聯(lián)合模板CT,具體構(gòu)建方法如下
(1)選擇初始水印類型
參見圖2和圖3所示,初始水印是指票據(jù)中左上角出現(xiàn)的第一個完整水印,這里先選擇Wl類型水印為初始水印類型。
(2)構(gòu)建聯(lián)合模板元素
依據(jù)初始水印類型的不同特點(diǎn)構(gòu)建聯(lián)合模板CT中的元素,每一個初始水印類型都對應(yīng)一組目標(biāo)位置排列組合,每一組位置排列組合構(gòu)成聯(lián)合模板的一個元素。將聯(lián)合模板中的第k個元素簡記為Tk(i,j,p,q),其中(i,j)表示單個模板的像素點(diǎn)位置坐標(biāo),(P, q)表示單個模板在聯(lián)合模板中的索引位置坐標(biāo)。
(3)構(gòu)建聯(lián)合模板
圖3為圖2所示的金融票據(jù)中,由多個模板構(gòu)建聯(lián)合模板的示例圖。其中,Δχ、 Δ y分別表示水印目標(biāo)在水平方向和垂直方向的位置偏移量,Tk (i,j,0,0)表示第k個元素位置(0,0)處對應(yīng)的水印目標(biāo)模板,在圖3的示例中為初始水印Wl ;相應(yīng)地,Tk(i,j,p,q) 表示第k個元素位置(p,q)處對應(yīng)的水印目標(biāo)模板。
對于圖3所示例的水印圖像而言,水印目標(biāo)之間的間距固定,故Δχ、Ay為常量。 在不計算票據(jù)邊界處不完整水印的情況下,票據(jù)每一行最多有6個水印,每一列最多有3個水印,故0 < ρ < 5,0 < q < 2 ;水印共有八種類型,故聯(lián)合模板共有8個元素,于是本示例中水印目標(biāo)的聯(lián)合模板為
CT = {Tk(i,j,p,q) |0 彡 k 彡 7,0 彡 ρ 彡 5,0 彡 q 彡 2,!^口^都為整數(shù)}
2.圖像預(yù)處理
圖像預(yù)處理階段的工作主要有三個第一,對攝像機(jī)獲取到的票據(jù)圖像進(jìn)行畸變校正,減小圖像畸變對水印結(jié)構(gòu)和相對位置的影響;第二,將票據(jù)圖像中的邊界部分裁剪掉,只保留如圖2所示的票據(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。此處小波變換的作用體現(xiàn)在兩個方面,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,從而降低后續(xù)圖像處理各個階段的運(yùn)算量;二是減小光照和噪聲對水印檢測的干擾,增強(qiáng)整個算法的魯棒性。在本發(fā)明的一個實(shí)施例中,所使用的小波變換公式為
權(quán)利要求
1.一種基于票據(jù)水印分布特征的票據(jù)防偽鑒別方法,其特征在于包括如下步驟(1)構(gòu)建聯(lián)合模板選擇初始水印類型,依據(jù)所述初始水印類型構(gòu)建聯(lián)合模板中的元素,進(jìn)而構(gòu)建聯(lián)合模板;(2)進(jìn)行圖像預(yù)處理對攝像機(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;(3)實(shí)現(xiàn)圖像的二值化采用局部閾值法實(shí)現(xiàn)所述票據(jù)圖像的二值化;(4)進(jìn)行聯(lián)合模板匹配在所述票據(jù)圖像中尋找與所述聯(lián)合模板相同或相似的目標(biāo)物,以相關(guān)系數(shù)為度量標(biāo)準(zhǔn)進(jìn)行聯(lián)合模板匹配;(5)特征提取提取所述票據(jù)圖像的水印分布特征;(6)特征匹配基于所述水印分布特征進(jìn)行特征匹配,鑒別票據(jù)的真?zhèn)巍?br>
2.如權(quán)利要求1所述的票據(jù)防偽鑒別方法,其特征在于所述步驟(1)中,每一個初始水印類型對應(yīng)一組目標(biāo)位置排列組合,每一組位置排列組合構(gòu)成所述聯(lián)合模板的一個元素。
3.如權(quán)利要求1所述的票據(jù)防偽鑒別方法,其特征在于所述步驟( 進(jìn)一步包括如下的子步驟第一,對攝像機(jī)獲取到的票據(jù)圖像進(jìn)行畸變校正;第二,將所述票據(jù)圖像中的邊界部分裁剪掉,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,將裁剪后的所述票據(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。
4.如權(quán)利要求1所述的票據(jù)防偽鑒別方法,其特征在于所述步驟(3)中,構(gòu)造兩個局部閾值判決函數(shù);其中第一局部閾值判決函數(shù)用來描述加權(quán)拉普拉斯梯度,其權(quán)值為距離的倒數(shù),第二局部閾值判決函數(shù)用來描述像素點(diǎn)灰度與鄰域灰度均值的差值。
5.如權(quán)利要求1或4所述的票據(jù)防偽鑒別方法,其特征在于所述步驟(3)中,對于二值化圖像采用如下步驟消除噪聲首先采用形態(tài)濾波器去除小的噪聲,并合并相鄰的連通域;然后搜索所有的連通域,將與目標(biāo)差異過大的連通域刪去。
6.如權(quán)利要求1所述的票據(jù)防偽鑒別方法,其特征在于所述步驟中,在尋找單個模板的最佳匹配位置時,在起始位置的鄰域區(qū)間上求取最大相關(guān)系數(shù),所述最大相關(guān)系數(shù)對應(yīng)的位置為所述模板的最佳匹配位置。
7.如權(quán)利要求1所述的票據(jù)防偽鑒別方法,其特征在于所述步驟(5)中,所述水印分布特征包括但不限于水印總數(shù)、各水印的類型和位置特征。
8.如權(quán)利要求1所述的票據(jù)防偽鑒別方法,其特征在于所述步驟(6)中,檢測當(dāng)前提取的所述水印分布特征與數(shù)據(jù)庫特征是否相似,如果相似度達(dá)到設(shè)定門限,則判斷票據(jù)為真,否則為假。
全文摘要
本發(fā)明公開了一種基于票據(jù)水印分布特征的票據(jù)防偽鑒別方法,包括如下步驟選擇初始水印類型,依據(jù)初始水印類型構(gòu)建聯(lián)合模板中的元素,進(jìn)而構(gòu)建聯(lián)合模板;對攝像機(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;采用局部閾值法實(shí)現(xiàn)票據(jù)圖像的二值化;在票據(jù)圖像中尋找與聯(lián)合模板相同或相似的目標(biāo)物,以相關(guān)系數(shù)為度量標(biāo)準(zhǔn)進(jìn)行聯(lián)合模板匹配;提取票據(jù)圖像的水印分布特征;基于水印分布特征進(jìn)行特征匹配,鑒別票據(jù)的真?zhèn)?。本發(fā)明實(shí)現(xiàn)了各水印目標(biāo)的聯(lián)合檢測,可以有效鑒別金融票據(jù)的真?zhèn)巍?br>
文檔編號G07D7/20GK102542660SQ20111040017
公開日2012年7月4日 申請日期2011年12月5日 優(yōu)先權(quán)日2011年12月5日
發(fā)明者劉通, 周啟元, 張煒, 曾倩, 李宏, 謝劍斌, 趙國華, 陳章永 申請人:中鈔實(shí)業(yè)有限公司