一种使用频谱分析区别实物与非实物平面影像的方法与流程

本发明涉及图像识别领域，特别是涉及一种使用频谱分析区别实物与非实物平面影像的方法。

背景技术：

在人工智能、计算机视觉、生物识别等领域存在一个普遍性问题，就是经常有意或无意间发生以非实物平面图或者照片替代立体影像，而计算机系统无法正确识别和认知的问题；主要就是如何判断输入的二维图像是拍照的实物还是从照片上再次拍照获得的，这对于一些需要识别实物的场景是十分重要的，如活体识别。

目前对于实物和非实物的识别主要通过大量的采用深度灰度信息、结构光(灰度二维图中的信息)，再通过多张动态影像间不同帧图像的影像差异等技术做时域分析，从而实现立体实物和非实物平面图像的区别定性分析。这种技术复杂比较复杂，且有些技术尚处于开发和过渡期，成本高，信息不复用，导致整个系统的信息量或者传输量过大；应用领域面较窄。特别是在取像位置不动，目标物不动的情况下，就会造成无法获取多张动态影像间不同帧图像，也就容易造成将实物识别为非实物。

技术实现要素：

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种使用频谱分析区别实物与非实物平面影像的方法，其通过提取二维图像的幅度谱，从而根据幅度谱识别二维图像的获取对象为实物或非实物。

为实现上述目的，本发明提供了一种使用频谱分析区别实物与非实物平面影像的方法，包括如下步骤：

s1、获取二维图像，并输入二维图像；

s2、对二维图像进行快速傅里叶变换，提取图像的幅度谱、相位谱、功率谱，具体如下：

通过快速傅里叶变换公式进行首次信息提取，公式如下：

公式中f(ω)为f(t)的像函数，f(t)为f(ω)的像原函数，依据离散傅氏变化理论，采用快速傅里叶变化进行图形图像的傅氏变化将是一种非常高效而简单的数学方法。

然后对图像进行二维fft变换，具体如下：

f(x，y)，0≤x≤m-1，0≤y≤n-1

其傅里叶变换核为：

f(x，y)的离散傅立叶变换对为：

设r(u，v)、i(u，v)分别为f(u，v)的实部和虚部，可得到图像的幅度谱、相位谱和功率谱的公式分别为：

幅度谱：

相位谱：

功率谱：e(u，v)＝r²(u，v)+i²(u，v)；

通过上述公式获取输入二维图像的幅度谱、相位谱；

s3、对幅度谱进行分析，如果幅度谱中能量分布相对分散，也就是具备多个能量幅值分布的情况，则判定为非实物图像；

如果幅度谱集中于中心，则判断为实物图像；

s4、仅仅通过幅度谱集中于中心点判断实物图像有可能造成及特殊情况下的误判，因此，还需要进行相位谱比对，具体如下：

如果相位谱中相位呈明显均匀分布，则判断为非实物图像；

如果相位谱中相位无均匀分布的情况，则判断为实物图像。

本发明的有益效果是：

1、本发明较之其他已有技术，技术更成熟，算法实现简单，易集成。

2、本发明本身仍具有大量的可持续性和扩展性，不需要依赖于其他技术，无技术制约。

3、本发明成本低，无需额外的硬件设备或扩展。

4、本发明可复用已有的信息，无需额外采集其他信息，信息处理，传输，存储压力更小。

5、本发明应用在生物识别等领域时，无需任何被测物的主动配合，就可实现高性能的被动检测功能。

6、本发明可大量应用于视觉，智能，识别等领域，尤其在生物识别，可以非常简单的替代其他成本高，设备复杂的图像防伪，资料甄别，活体检测等解决方案。完全可以替代所有需通过tof相机，结构光相机等技术实现的活体检测应用。

附图说明

图1是本发明具体实施方式的流程示意图。

图2是立体实物成像的频谱分析图(左一为原图，中间为频谱能量幅度分布，右图为相位分布)。

图3是立体实物图像的频谱分析图(左一为原图，中间为频谱能量幅度分布)。

图4是立体实物图像的幅度谱图(能量分布)。

图5是非实物平面图像(实物图像翻拍)的频谱分析图(左一为原图，中间为频谱能量幅度分布)。

图6是非实物平面图像(实物图像翻拍)的幅度谱图(能量分布)。

图7是非实物平面图像(证件翻拍)的频谱分析图(左一为原图，中间为频谱能量幅度分布)。

图8是非实物平面图像(证件翻拍)的幅度谱图(能量分布)。

图9是非实物高清照片的翻拍图像及其幅度谱。

图10是非实物高清照片的翻拍图像及其幅度谱、相位谱。(左侧为原图，中间图为幅度谱，右侧为相位图)。

图11是立体实物图像及其幅度谱、相位谱。(左侧为原图，中间图为幅度谱，右侧为相位图)。

具体实施方式

下面结合附图和实施例对本发明作进一步说明：

目前所有的解决方案基本集中在研究图像的时域信息的范围内，而本发明突破了时域范围，将频域信息及分析引入到整体方案中。

傅氏变换公式如下：

公式中f(ω)为f(t)的像函数，f(t)为f(ω)的像原函数。依据离散傅氏变化理论，采用快速傅氏变化进行图形图像的傅氏变化将是一种非常高效而简单的数学方法。

一般意义上，对于图像处理的二维fft变化公式如下：

f(x，y)，0≤x≤m-1，0≤y≤n-1

其傅里叶变换核为：

f(x，y)的离散傅立叶变换对为：

设r(u，v)、i(u，v)分别为f(u，v)的实部和虚部，可得到图像的幅度谱、相位谱和功率谱的公式分别为：

幅度谱：

相位谱：

功率谱：e(u，v)＝r²(u，v)+i²(u，v)；

以下通过上述变换公式分别提取实物二维图像和非实物平面图像的幅度谱、相位谱进行比对：

参见图2，一个实际图片除了时域下的信息外，同时包含了大量的频域信息，如不同频率下的能量分布，相位分布等等。而针对能量强度的频谱分析参见图3；

而立体实物图像的幅度谱图参见图4。

参见图5-图6，其为非实物平面图像的幅度谱分布，主要是对实物二维成像进行翻拍获得。

参见图7-图8，其为非实物平面图像的幅度谱分布，主要是对证件上的图像进行翻拍获得。

通过图2与图5-图6和图7-图8的幅度谱分布可以明显看出，所有翻拍的平面图像成像频谱与实际立体照片成像幅度谱有非常明显的差异，也符合立体照片在频谱分析中的普遍规律。翻拍的平面照片作为一个平面的成像，对于光能量吸收与反射有一定的规律性，这也体现在频谱中的能量分布相对分散，而往往不集中于中心点。因此，仅通过频谱分析中的能量分布幅度谱即可分辨正式立体照片还是翻拍的平面成像。

参见图9，有一种特殊情况，即平面打印的光面照片存在强度较大的反光情况，会导致频谱能量分布较集中于中心点，与实物成像的频谱极为相似，导致人或者计算设备无法分辨的情况。

解决该问题较为简单的方法就是加入相位分析，强反光的光相位(角度)规律性较强，具有典型的均匀性，因此将与立体图像有相位上的本质区别。

参见图10，其为非实物高清照片的翻拍成像的幅度谱、相位谱分布；

参见图11，其为立体实物成像的幅度谱、相位谱分布；从图10和图11可以直观地看出，非实物高清照片的翻拍成像的幅度谱与立体实物成像的幅度谱虽然十分相似，但是其相位谱却有着明显的区别，主要体现在非实物高清照片的翻拍成像的相位谱有典型的均匀性分布，而立体实物成像的相位谱却没有。

另外，在实际智能识别系统中，由于高清照片的强反光性，本身在成像时就会出现因大量反光而无法获得有效成像的情况，因此对相位分析可以作为很好的补充功能。

通过本实施例可以得出，通过图像的频谱(幅度谱、相位谱)分析，可以非常轻松的获得立体实物成像与非实物平面成像的差异。也就能都对其进行识别。具体识别流程参见图1。

本发明未详述之处，均为本领域技术人员的公知技术。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。