专利名称：基于空间变换一致性的物品微观纹理鉴别方法
技术领域：
本发明涉及一种基于数字图像处理技术的辨别物品真伪的微观纹理鉴别方法，具体地说，是一种基于空间变换一致性的物品微观纹理鉴别方法。
背景技术：
随着技术的发展，市场上假冒的方式越来越多，假冒程度有时连鉴别专家也难以分辨出来，严重影响市场的正常运转。商家为了将自己的产品与假冒产品区分开来，常常在自己的产品上使用防伪技术。比如在产品中加入微型电子芯片，利用芯片的唯一性来辨别产品的真伪；对于使用油墨的产品，在生产过程中，将预采集的脱氧核糖核酸(DNA)加入油墨中，利用DNA的唯一性来辨别产品真伪；或者通过短信方式进行测试的电码防伪技术来辨别产品真伪。目前平面物品市场也充斥着许多假冒产品，以书画领域为例，使用高科技的电子技术以及宣纸印刷，可以使印刷品和真迹几乎完全相同。因此，使用有效的真伪鉴别技术对于任何产品都是很重要的。但是，上述提到的防伪技术或多或少都存在不足之处。采用加入微型电子芯片方式，需要在产品上加载额外的芯片，容易破坏原有产品的结构，尤其对于一些具有特定结构的产品。采用在油墨中加入DNA的方式虽然可以有效的辨别产品的真伪，也不破坏产品的原有结构，但成本较高，无法实现大规模的应用以及推广。短信电码查询防伪技术也容易通过假的短信答复服务平台来蒙骗消费者。相对于上述技术的种种缺点，基于微观纹理分析的物品鉴别技术更具有直观，易于大范围推广等等不可比拟的优势。中国专利申请200810037395. 7提出了一种基于纹理分析的艺术品鉴别方法，但是该发明在鉴别准则上仅仅依靠粗匹配的特征点个数或者比例。这样的鉴别准则依赖于特征点的重现率，适用范围小，灵活度不够。
发明内容
有鉴于此，本发明解决的技术问题在于提供一种基于空间变换一致性的物品微观纹理鉴别方法，采用空间变换一致性的判断方法，使得鉴别方法更加可靠，更加准确。为解决上述技术问题，本发明提供了一种基于空间变换一致性的物品微观纹理鉴别方法，其包括选取真品上的采集点，记录采集点的位置信息，且获取采集点的匹配基准图像；根据真品采集点的位置信息，获取鉴别物品上对应采集点的匹配鉴别图像；在匹配基准图像和匹配鉴别图像上分别提取特征点，并建立各个特征点之间的粗匹配关系；通过所述粗匹配关系，用随机抽样一致性方法估算两幅图像之间的空间变换关系，同时可以进而获得两者特征点的精确匹配关系；预定比例的匹配的特征点符合估算出的空间变换关系，则所述鉴别物品为真品； 否则，所述鉴别物品为赝品。
进一步地，所述在匹配基准图像和匹配鉴别图像上分别提取特征点，并建立各个特征点之间的粗匹配关系，具体包括在匹配基准图像和匹配鉴别图像上分别提取具有仿射不变性的特征点，并对每一个特征点，提取局部纹理描述特征；根据提取的局部纹理描述特征，建立各个特征点之间的粗匹配关系。进一步地，所述在匹配基准图像和匹配鉴别图像上分别提取具有仿射不变性的特征点，采用的方法为具有仿射不变特征点提取方法。进一步地，采用的具有仿射不变特征点提取方法为harris-aff ine或者 hessian-affine一。进一步地，所述提取局部纹理描述特征，采用的方法为SIFT，LBP, GL0H，或者HOG
方法其中之一。进一步地，所述根据提取的局部纹理描述特征，建立各个特征点之间的粗匹配关系，包括通过计算匹配基准图像和匹配鉴别图像上的特征点上所提取的纹理特征的距离， 来建立各个特征点之间的粗匹配关系。进一步地，所述通过计算匹配基准图像和匹配鉴别图像上的特征点上所提取的纹理特征的距离，来建立各个特征点之间的粗匹配关系，包括对于任意匹配鉴别图像中的任一特征点所对应的特征向量，计算其与匹配基准图像上所有特征点的特征向量之间的距离，来获得该特征向量的最近邻和次近邻，当最短距离和次短距离之比小于一预设阈值，则认定这两点可建立匹配关系。进一步地，通过KD-tree，spill-tree或者LSH之一的方法来加速最近邻和次近邻的查询。进一步地，所述粗匹配关系以匹配表的形式存在，匹配表中保存匹配的特征点以及匹配的对应关系。与现有技术相比，本发明采用空间变换一致性的判断方法，使得鉴别方法更加可靠，更加准确。
图1是本发明基于空间变换一致性的物品微观纹理鉴别方法流程示意图。图2是本发明基于空间变换一致性的物品微观纹理鉴别方法较佳实施例所示的匹配基准图像和匹配鉴别图像及其特征点示意图。图3是匹配基准图像和匹配鉴别图像来源一致的匹配关系图像。图4是匹配基准图像和匹配鉴别图像来源不一致的匹配关系图像。
具体实施例方式以下结合附图对本发明基于空间变换一致性的物品微观纹理鉴别方法的实施例进行描述，以期进一步理解本发明的目的、具体结构特征和优点。请参阅图1，其是本发明基于空间变换一致性的物品微观纹理鉴别方法流程示意图。
基于空间变换一致性的物品微观纹理鉴别方法，包括以下步骤步骤Si、选取真品上的采集点，记录采集点的位置信息，且获取采集点的匹配基准图像；根据真品采集点的位置信息，获取鉴别物品上对应采集点的匹配鉴别图像；步骤S2、在匹配基准图像和匹配鉴别图像上分别提取特征点，并建立各个特征点之间的粗匹配关系；步骤S3、通过所述粗匹配关系，用随机抽样一致性方法估算两幅图像之间的空间变换关系，同时可以进而获得两者特征点的精确匹配关系；步骤S4、预定比例的匹配的特征点符合估算出的空间变换关系，则所述鉴别物品为真品；否则，所述鉴别物品为赝品。本实施例是以书画作品为例，但本发明的应用不限于书画作品，可以应用至除书画作品之外的其他作品或者具有类似结构特性的产品上。以下为了描述方便，作品A表示原始作品(真迹)，作品B表示需要鉴别真伪的作品。鉴别作品真伪时，选择进行比较的点是作品的同一位置点对鉴别结果起着非常重要的作用。选定作品A上的采样点，并拍摄微观匹配基准图像(以下简称匹配基准图像)，选取作品B上对应的采样点，并拍摄微观匹配鉴别图像(以下简称匹配鉴别图像)。如果匹配基准图像和匹配鉴别图像来自同一个作品的同一个位置的采样点(即同一真迹的同一位置的两次采样点)，那么粗匹配的点对会遵循同一种空间变换关系，如图 3所示。反之，如果匹配基准图像和匹配鉴别图像不是来自同一个作品(而是来自一个真迹作品和一个赝品)的同一个位置的采样点，那么粗匹配的点对会呈现一种杂乱无章的状态，如图4所示。本发明根据上述的事实，提出了一种基于空间变换一致性的作品微观纹理鉴别方法。具体步骤如下在匹配基准图像和匹配鉴别图像上分别提取具有仿射不变性的特征点，记录其位置，尺度，方向等信息。提取具有仿射不变性的特征点可采用的方法为harris-affine， hessian-affine 等卞法。对每一个特征点，提取局部纹理描述特征。提取局部纹理描述特征的方法为SIFT， HOG, LBP, GLOH 等方法。通过计算匹配基准图像和匹配鉴别图像上的特征点上所提取的局部纹理描述特征的距离，来建立各个特征点之间的粗匹配关系。对于任意匹配鉴别图像中的任一特征点所对应的特征向量，计算其与匹配基准图像上所有特征点的特征向量之间的距离，来获得该特征向量的最近邻和次近邻。如果最短距离和次短距离之比小于某一阈值，则认定这两点可建立匹配关系。更进一步的，可以通过KD-tree，spill-tree或者LSH等方法来加速最近邻和次近邻的查询。粗匹配关系可以以匹配表的形式存在，匹配表中保存匹配的特征点以及特征点的匹配关系。根据上述得到的各个特征点之间的粗匹配关系，进行如下的计算以估计匹配基准图像和匹配鉴别图像之间的变换关系Step 1 从匹配的特征点对中随机选取四对匹配特征点(以下简称匹配点对)，如图 2 所示，记为(pll，pl2)，(p21，p22)，(p31，p32)，(p41，p42)。其中 pll，p21，p31，p41 表示匹配基准图像上的特征点，pl2，p22，p32，p42表示匹配鉴别图像上的特征点。同时保证pll, p21，p31，p41中任意三点不共线，以及pl2，p22，p32，p42中任意三点不共线。St印2 对于从中选取出的4个匹配点对中的第i个匹配点对，记匹配基准图像上的点的坐标为(xil，yil)，匹配鉴别图像上的点的坐标为(xi2，yi2)，那么可以写出如下两个线性方程式ai*hT = xil;bi*hT = yil;其中ai = [xi2, yi2,1,0,0,0, -xil*xi2，_xil*yi2]；bi =
；hT = [hi, h2, h3, h4, h5, h6, h7, h8]；求解以下方程Ah = b其中A = [alT, blT, a2T, b2T, a3T, b3T, a4T, b4T]T，b = [xll, yll, x21, y21, x31, y31, x41, y41]T0St印3 令good_count = 0，对于每一个匹配点对(pl，p2)，其中pi为匹配基准图像的点，记其坐标为(xl，yl)，p2为匹配鉴别图像上的点，记其坐标为(x2，y2)。计算如下映射坐标xl，= (hl*x2+h2*y2+h3)/ (h7*x2+h8*y2+l)；yl' = (h4*x2+h5*y2+h6)/(h7*x2+h8*y2+l)；然后计算如下误差error = [ (χ1_χΓ )2+ (yl-yl' )2]1/2如果 error < pro jection_threshold 么 good_count = good_count+l ；事实上，h可以重写为方阵的形式H
hi h2 h3 _3] H= h4 h5 h6 hi h8 1该矩阵H描述了匹配基准图像和匹配鉴别图像上的点对在齐次坐标系下面的变换关系，而goocLcoimt量化了符合该空间变换关系的匹配点对个数。重复上述stepl至st印3至指定次数MAX_ITER，比如可以令MAX_ITER = 2000，然后记录在这个循环过程中使得goocLcoimt达到最大的H。该矩阵H即描述了匹配基准图像和匹配鉴别图像之间的最佳空间变换关系，记对应的good_count为max_good_count。更进一步的，可以根据上一次迭代过程中得到的goocLcoimt的值动态地更新 MAX_ITER,以达到更鲁棒，更快速的效果。如果 max_good_count/match_count > real_threshold,那么即可认定匹配基准图像和匹配鉴别图像来自同一个作品的同一个位置的采样点，反之可认定匹配基准图像和匹配鉴别图像并非来自同一个作品上述流程还只是限定在一个采样点上，事实上，可以通过验证多个采样点，来进一步确保物品鉴别的准确性。更近一步的，如果被鉴别物品是平面物品，那么多个采样点微观纹理图像之间的变换关系也应该是一致的。这一点可以进一步用来加强鉴别判定的可靠性和稳定性。本发明采用空间变换一致性的判断方法，使得鉴别方法更加可靠，更加准确。上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。
权利要求
1.一种基于空间变换一致性的物品微观纹理鉴别方法，其特征在于，所述鉴别方法包括选取真品上的采集点，记录采集点的位置信息，且获取采集点的匹配基准图像；根据真品采集点的位置信息，获取鉴别物品上对应采集点的匹配鉴别图像；在匹配基准图像和匹配鉴别图像上分别提取特征点，并建立各个特征点之间的粗匹配关系；通过所述粗匹配关系，用随机抽样一致性方法估算两幅图像之间的空间变换关系，同时可以进而获得两者特征点的精确匹配关系；预定比例的匹配的特征点符合估算出的空间变换关系，则所述鉴别物品为真品；否则， 所述鉴别物品为赝品。
2.根据权利要求1所述的鉴别方法，其特征在于，所述在匹配基准图像和匹配鉴别图像上分别提取特征点，并建立各个特征点之间的粗匹配关系，具体包括在匹配基准图像和匹配鉴别图像上分别提取具有仿射不变性的特征点，并对每一个特征点，提取局部纹理描述特征；根据提取的局部纹理描述特征，建立各个特征点之间的粗匹配关系。
3.根据权利要求2所述的鉴别方法，其特征在于，所述在匹配基准图像和匹配鉴别图像上分别提取具有仿射不变性的特征点，采用的方法为具有仿射不变特征点提取方法。
4.根据权利要求2所述的鉴别方法，其特征在于，采用的具有仿射不变特征点提取方法为 harris-affine hessian-affine ^去胃中；^一。
5.根据权利要求2所述的鉴别方法，其特征在于，所述提取局部纹理描述特征，采用的方法为SIFT，LBP, GL0H，或者HOG方法其中之一。
6.根据权利要求2所述的鉴别方法，其特征在于，所述根据提取的局部纹理描述特征， 建立各个特征点之间的粗匹配关系，包括通过计算匹配基准图像和匹配鉴别图像上的特征点上所提取的纹理特征的距离之比， 来建立各个特征点之间的粗匹配关系。
7.根据权利要求6所述的鉴别方法，其特征在于，所述通过计算匹配基准图像和匹配鉴别图像上的特征点上所提取的纹理特征的距离之比，来建立各个特征点之间的粗匹配关系，包括对于任意匹配鉴别图像中的任一特征点所对应的特征向量，计算其与匹配基准图像上所有特征点的特征向量之间的距离，来获得该特征向量的最近邻和次近邻，当最短距离和次短距离之比小于一预设阈值，则认定这两点可建立匹配关系。
8.根据权利要求7所述的鉴别方法，其特征在于，通过KD-tree，spill-tree或者LSH 之一的方法来加速最近邻和次近邻的查询。
9.根据权利要求6所述的鉴别方法，其特征在于，所述粗匹配关系以匹配表的形式存在，匹配表中保存匹配的特征点以及匹配的对应关系。
全文摘要
本发明公开了一种基于空间变换一致性的物品微观纹理鉴别方法，其包括选取真品上的采集点，记录采集点的位置信息，且获取采集点的匹配基准图像；根据真品采集点的位置信息，获取鉴别物品上对应采集点的匹配鉴别图像；在匹配基准图像和匹配鉴别图像上分别提取特征点，并建立各个特征点之间的粗匹配关系；通过所述粗匹配关系，用随机抽样一致性方法估算两幅图像之间的空间变换关系，同时可以进而获得两者特征点的精确匹配关系；预定比例的匹配的特征点符合估算出的空间变换关系，则所述鉴别物品为真品；否则，所述鉴别物品为赝品。本发明采用空间变换一致性的判断方法，使得鉴别方法更加可靠，更加准确。
文档编号G06K9/62GK102486830SQ201010568719
公开日2012年6月6日 申请日期2010年12月1日 优先权日2010年12月1日
发明者张小军, 朱建国, 赵宇明 申请人:无锡锦腾智能科技有限公司