一种紫砂壶印章检索方法与流程

本发明属于数字图像处理和模式识别技术领域，具体涉及一种紫砂壶印章检索方法。

背景技术：

印章的检索由于其字体的多样性，印文载体的不稳定性，目前紫砂壶印章的识别依然主要靠肉眼观察，通过比对印章的细节特征，重叠对照，拼接比较等人工方法，鉴定紫砂壶的制作者。近些年来，随着数字图像处理和模式识别技术的蓬勃发展，为计算机代替人工进行紫砂壶印章的检索提供了可靠的理论基础。

2008年，倪琦等人提出了一种基于梯度分割和特征匹配的印章识别算法(倪琦,王新赛,李坚,等.基于梯度分割和特征匹配的印章识别算法研究[J].计算机工程与设计,2008,29(20):5400-5402.)，首先通过图像直方图均衡化拉伸印章灰度与背景灰度差值,再利用灰度梯度边缘骤变原理粗捡出印章边缘,最后通过模板匹配精检出印章边缘,完成识别。该方法简单快捷，但受限于模板匹配的缺点，不具有旋转不变性和尺度不变性。

2010年，郎海涛等人提出了一种基于匹配特征点随机生成特征线的伪造印章识别方法(郎海涛,雷兰一菲.基于匹配特征点随机生成特征线的伪造印章识别方法:CN,CN101894260A[P].2010.)，具体实施方法是提取待检测图像的特征点，构建数据库，包含了每个特征点位置以及其他描述符号的信息。基于匹配特征点随机生成可识别的待验印章与参考印章图像特征线；根据同一印章在不同环境下得到的印文，有图像信息一致和图像特征点分布相似的原则，判断待检测图像是否为伪造印章图像。该方法具有简单高效的特点，但受限于光照变换和缩放时，部分特征点的缺失可能导致正样本误判为伪造印章图像。

2007年，章毅等人提出了一种印章鉴别控制方法(章毅,吕建成,张权昉,等.印章鉴别系统及其控制方法:CN,CN 101008985 A[P].2007.)，首先用二值化、骨架提取、边框提取和印文提取四个操作步骤提取待识别印文。接下来在印文配准步骤中，先粗略配准，先将待识别印文与模版印文调整到大致相同的位置和方向，精细配准进一步将两幅印文调整到几乎相同的位置和方向；在印文鉴别步骤中，采用了多级识别策略及多特征分类融合决策方法对待识别印文和模版印文进行鉴别。该方法对完整印章图像能很好地实现鉴别控制。但当图像有缺失时，图像配准上的效果将急剧下降。

通过对现有印章识别技术分析发现目前的很多方法：全局匹配方法，受限于图像匹配的瓶颈，不具有抗仿射变换的能力；由于紫砂壶印章字体的艺术性，汉字识别方法也不能良好地应用到印章检索上；目前，没有一种系统的框架用于紫砂壶印章的检索。

技术实现要素：

发明目的：为了克服现有技术中存在的不足，本发明提供一种紫砂壶印章检索方法，该方法能可靠迅速地完成紫砂壶印章的检索。

技术方案：为实现上述目的，本发明采用的技术方案为：

步骤1，对紫砂壶印章的拍摄图像进行预处理，得到检测区域的规范化图像；

步骤2，对所述规范化图像进行亮度和对比度的调整，通过调整图像的均值和均方差，使图像的亮度和对比度分别固定在一个特定值；

步骤3，将图像中印章的形状初步划分；

步骤4，对待检索图像抽取SIFT特征，形成128维SIFT描述子；并对模板图像和待检索图像使用改进的BP-SIFT算法进行特征匹配，通过计算匹配点的匹配率，判定姓名所属模板库中的类别，完成印章姓名鉴定。

进一步地，步骤1按照如下方法实现：将所述拍摄图像进行边缘检测和显著区域提取，得到印章部分；并进行缩放，使边缘保留至少5个像素空白后得到100*100大小的检测区域的规范化图像。

进一步地，步骤2调整图像的具体方法为：

步骤2-1，将图像的均值调整为0，g1＝g-u1，在调整过程中，均方差不变；其中，g1为第一步得到的图像的像素值，g为原像素值，u1为原图像均值；

步骤2-2，将图像的均方差调整为d0，g2＝g1*d0/d1，在调整过程中，均值不变，仍为0；其中，d0为新目标图像均方差，g2为第二步得到的图像的像素值，g1为第一步所得图像的像素值，d1为原图均方差；

步骤2-3，将图像的均值调整为u0，g3＝g2+u0，其中，g3为目标图像像素值，g2为第二步所得图像的像素值，u0为目标图像均值。

进一步地，步骤3中，待检索印章图像分为四大类：圆形印章图像、矩形印章图像、三角形印章图像、不规则印章图像。

进一步地，步骤3中对图像中印章的形状进行初步划分的具体方法为：

步骤3-1，通过canny算子检测得到图像的边缘信息，在得到的边缘轮廓上间隔地进行采样，计算图像形心到边缘点的距离，作为边界描述子；

步骤3-2，通过图像形心，求得最大外接圆；在此基础上采样得到目标的区域形状特征；

步骤3-3，归一化边缘特征和区域形状特征，线性融合特征后作为分类器输入；

步骤3-4，利用多分类中DAG法则，使用X·(X-1)/2个SVM分类器，分类器形成一个有向无环图，当到来一个样本时，自上而下地将样本精细划分，直到达到叶子节点，将图像的形状进行初步划分，其中，X为划分的类别数。

进一步地，步骤3中的采样间隔为其中，L为轮廓长度。

进一步地，步骤3中的SVM分类器使用RBF核函数，定义为空间中点x到y点的欧氏距离的单调函数，y为核函数的中心：

其中，空间中RBF核SVM性能的影响因素为惩罚参数C和核参数σ²；使用网格搜索法选择所述参数：对分别取N和M个值，其中C的范围设置为[2^-10,2⁷]，范围设置为[2^-10,2³]，步距为0.1；组合所有的N×M个值计算SVM推广能力，将其中使得SVM推广性能最优的组合作为选择参数。

进一步地，步骤4中改进的BP-SIFT算法包括引入两点空间距离比值约束，临近点搜索前的聚类以减少时间复杂度。

进一步地，步骤4中改进的BP-SIFT算法的具体方法为：

步骤4-1，利用经典SIFT算法对待检索图像抽取SIFT特征，形成128维SIFT特征描述子；

步骤4-2，使用KMEANS聚类将模板图像中所有特征点根据坐标位置聚为C类；对于模板图像中的所有特征点，计算其属于哪类，并在该类中找出最近K个临近点；

步骤4-3，初始化所有的置信度为一个常数，设n＝1；对模板图像中当前特征点和待检索图像中的当前特征点的组合对，迭代地更新其匹配置信度；

步骤4-4，通过特征点与其K个临近点的几何距离约束和两幅图像特征点之间的欧氏距离的线性函数组合估计计算匹配概率；

步骤4-5，n←n+1，然后转至第(4-4)步，直到匹配概率不再改变或迭代次数n达到最大；

步骤4-6，如果匹配度小于预设阈值，则该两点匹配成功；否则不是匹配对。

步骤4-7，对所有模板图像重复进行以上步骤，计算待检索图像与各个模板图像的匹配率，归为匹配度最高的一类。

有益效果：本发明提供的紫砂壶印章检索方法，与目前存在技术相比，具有以下有益效果：检索精度更高，结合了机器学习和图像配准技术，在特征匹配前初步划分大类，能够缩减后续与模板匹配的时间，筛选出一些误检索；空间信息和局部信息结合，具有良好的抗旋转、缩放等仿射变换的能力；搜索临近点前使用聚类，避免了全局的大规模搜索，大大缩减了检索所需时间。

附图说明

图1是本发明的紫砂壶印章检索流程图。

图2(a)、图2(b)、图2(c)是调整灰度图像均值和均方差的结果示意图。

图3(a)、图3(b)、图3(c)是提取边缘特征示意图。

图4(a)、图4(b)是检索成功的示意图。黑色线段连接待匹配图像与模板图像的两个匹配点。其中4(a)包含了旋转变换。

图5(a)、图5(b)是在模板图像中未检索到该类印章的示意图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

本发明是一种紫砂壶印章检索方法。首先对手机拍照得到的紫砂壶印章图像，进行裁剪、缩放，再通过调整图像的均值和均方差改变图像的亮度和对比度，得到规范的图像。在规范的图像中提取紫砂壶印章的边缘特征和形状区域特征，进行特征融合后，利用已训练好的SVM分类器，将印章粗划分为圆形、三角形、矩形、不规则形状四大类。抽取紫砂壶印章图像的SIFT特征，引入几何约束条件，采用改进的基于置信传播的匹配方法与模板库中图像匹配；同时利用聚类方法优化检索所需时间，完成印章检索。该发明对光照不均以及旋转、缩放、侧视等仿射变换，有良好的鲁棒性。

本发明将从拍摄或网络得到的紫砂壶印章图像规范化处理后，先进行调整均值均方差预处理。提取边缘特征，提取区域形状特征，融合后作为SVM分类器输入，将印章图像根据几何形状初划分为四大类。再提取SIFT特征，利用改进的BP-SIFT算法与模板图像配准，完成印章检索。流程如图1所示。

步骤1，对拍摄或网络来源获得的图像进行规范化处理，包括有效区域提取，边缘裁剪和图像大小调整。

步骤2，对规范化的图像进行亮度和对比度的调整，通过调整图像的均值和均方差，能使图像的亮度和对比度分别固定在一个特定值，增强印章图像对光照影响的鲁棒性。如图2(a)、图2(b)、图2(c)所示。

(1)将图像的均值调整为0。g1＝g-u1。在调整过程中，均方差不变。其中，g1为第一步得到的图像的像素值，g为原像素值，u1为原图像均值。

(2)将图像的均方差调整为d0，g2＝g1*d0/d1。在调整过程中，均值不变，仍为0。其中，d0为新目标图像均方差，g2为第二步得到的图像的像素值，g1为第一步所得图像的像素值，d1为原图均方差。

(3)将图像的均值调整为u0。g3＝g2+u0。本发明取d0＝50,u0＝127。其中，g3为目标图像像素值，g2为第二步所得图像的像素值，u0为目标图像均值。

步骤3，对预处理后的图像提取边缘特征和区域形状特征，输入SVM分类器，根据对印章的先验知识完成印章形状初分类。如图3(a)、图3(b)、图3(c)所示。

(3-1)通过canny算子检测得到图像的边缘信息，接着，在得到的边缘轮廓上间隔地进行采样，共采样20次，计算图像形心到边缘点的距离，作为边界描述子f1＝[b1 b2 ... b20]。包括四个步骤：首先，求高斯滤波器和图像的卷积，然后，用一阶偏导的有限差分计算梯度的方向和幅值；接着，对梯度幅值进行非极大值抑制(只保留幅值局部变化最大的点)；最后，使用双阈值算法减少假边缘段数量。

(3-2)通寻找二值化图像的形心，求得最大外接圆。在此基础上采样得到目标的区域形状特征。首先利用公式

求得图像形心。其中，(xc,yc)为图像形心坐标，m为采集点个数。

以形心为圆心，以距离形心最大的像素点距离为半径，形成目标的最大外接圆。将半径等距离划分为5份，形成5个同心圆。从0到360度开始旋转，间隔为地进行采样，记录旋转轴与同心圆的交点处像素灰度值，形成大小为5×20的形状描述子其中L为圆周长。

(3-3)归一化边缘特征和区域形状特征，线性融合特征后作为分类器输入。

对边缘特征和形状矩阵特征归一化融合：finew＝(fi-fmin)/(fmax-fmin)。

其中，finew为第i个归一化后的特征，fmin和fmax分别为最大和最小特征量。形成最终6×20维的特征描述子

(3-4)利用多分类中DAG法则，用X·(X-1)/2个，本发明X＝4，即6个SVM分类器，分类器形成一个有向无环图，当到来一个样本时，自上而下地将样本逐渐精细划分，直到达到叶子节点，将图像最终分为矩形，圆形，三角形，不规则形状四大类。

选取基于SVM分类器，使用RBF核函数，定义为空间中点x到y点的欧氏距离的单调函数，y为核函数的中心。

它能将样本映射到一个高维空间，而线性核函数是RBF核函数的一个特例，因而不用再考虑线性核函数。而且RBF核函数参数比多项式核函数少，计算复杂度低。

其中，空间中RBF核SVM性能的影响因素为惩罚参数C和核参数σ²；使用网格搜索法选择所述参数：对分别取N和M个值，其中C的范围设置为[2^-10,2⁷]，范围设置为[2^-10,2³]，步距为0.1。组合所有的N×M个值计算SVM推广能力，将其中使得SVM推广性能最优的组合作为选择参数。

步骤4，对待检索图像抽取SIFT特征，形成128维SIFT描述子。对模板图像和待检索图像使用改进的BP-SIFT算法进行特征匹配。通过计算匹配点的匹配率，判定姓名所属模板库中的类别，完成印章姓名鉴定。BP-SIFT算法的思想如下：由于传统SIFT匹配缺少空间信息约束，BP-SIFT通过特征点与其临近点的空间几何距离分别在两幅图像中的差值来判断几何距离的相似度。提高了传统SIFT匹配的利用BP-SIFT算法计算特征点之间的匹配度。但不足之处有两点：一，在图像有缩放、错切等仿射变换下，两幅图像中的对应两点距离差值并不相等；二，寻找临近点的时间复杂度太大。本发明采用了更一般的准则，利用距离比值作为新的几何约束条件；在全局查找临近点之前使用聚类，大大缩减了需要搜索的时间。

(1)利用经典SIFT算法对待检索图像抽取SIFT特征，形成128维SIFT特征描述子；

(2)使用KMEANS聚类将模板图像中所有特征点根据坐标位置聚为C类；对于模板图像中的所有特征点，计算其属于哪类，并在该类中找出最近K个临近点；

(3)初始化所有的置信度为一个常数，设n＝1。对模板图像中当前特征点和待检索图像中的当前特征点的组合对，迭代地更新其匹配置信度；

(4)通过特征点与其K个临近点的几何距离约束和两幅图像特征点之间的欧氏距离的线性函数组合估计计算匹配概率；

(5)n←n+1，然后转至第(4)步，直到匹配概率不再改变或迭代次数n达到最大；

(6)如果匹配度小于预设阈值，则该两点匹配成功；否则不是匹配对。如图4(a)、图4(b)所示，检索成功的示意图，黑色线段连接待匹配图像与模板图像的两个匹配点，其中4(a)包含了旋转变换。图5(a)、图5(b)是检索不成功的结果示意图。

(7)对所有模板图像重复进行以上步骤，计算待检索图像与各个模板图像的匹配率。归为匹配度最高的一类。

综上所述，本发明结合SVM形状粗分类与特征点匹配实现紫砂壶印章检索的方案：

(1)对图像做调整均值和均方差处理，能将图像亮度和对比度固定在一个特定值，使图像有良好的抗光照干扰能力。

(2)采用SVM对印章形状特征粗分类，能初步划分待检索图像的大类，缩减后续需要匹配的模板图像的数据量，提高检索时间。

(3)在匹配时利用图像特征点与其周围临近点的几何信息，既保留了局部特征，也结合了全局特征，提高了检索的精确度。

(4)对特征点周围临近点进行聚类，避免了全局搜索，在精度影响很小的情况下，提高了检索的时间。

通过500张样本实验，本发明对印章形状的分类准确率达到95.6％以上。对工艺师的匹配度达到91.2％以上。与传统的用字符识别或图像配准检索印章的方法相比，对光照、旋转、缩放等变化的鲁棒性更高。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。