专利名称：基于纤维个性化特征的票据防伪鉴别方法
技术领域：
本发明涉及一种票据防伪鉴别方法，尤其涉及一种基于票据表面纤维个性化特征实现的防伪鉴别方法，属于金融安全鉴伪技术领域。
背景技术：
随着国民经济的快速发展，金融票据的应用越来越广泛。但目前金融票据在管理、 使用和鉴伪方面还存在一些问题，社会上的不法分子把作案目标直接瞄准了银行，金融票据诈骗案件时有发生，给国家造成重大的经济损失。现有的金融票据鉴伪方法主要依靠人工定性分析为主，所存在的问题是人工鉴别强度大、耗时久，且容易由于疲劳或疏忽造成误检。纤维是票据的重要防伪标志之一，而且不同票据中纤维位置的随机分布不一样， 因此可以提取纤维分布特征进行票据鉴伪。在紫外光照射下，纤维有荧光效应，便于提取防伪特征。在这个过程中，票据表面的纤维特征提取是关键步骤和难题。由于票据表面的背景非常复杂，包括文字、边框、荧光标志和平缓区域等，灰度分布范围很广，而纤维目标比较小，虽然灰度大致分布在高亮区，但与背景灰度分布并没有明显的界限，区分比较困难。而且实践中要求对于同一张票据用结构相似的机器提取纤维特征，其结果要一致，这就要求特征提取方法的自适应性和稳定性都要好。在专利号为ZL 200510121107. 2的中国发明专利中，公开了一种纤维图像防伪方法，包括如下步骤提取真实纤维图像的信息并生成真实纤维图像数据库，通过将待验证纤维图像与数据库中的真实纤维图像进行比较从而确定待验证纤维图像的真实性。使用该发明的方法能够克服在紫外灯下用肉眼分辨荧光纤维纸真实性的不足，可以在一定程度上消除荧光纤维纸在防伪应用中的安全隐患。但是无法鉴别仿照真票采用荧光笔绘制的虚假纤维。另外，谢剑斌、刘通、陈章永等人在论文《基于极值滤波和OTSU的票据表面纤维特征提取》(刊载于《计算机工程》2009年第7期)中，针对票据表面纤维特征提取的难题，提出基于极值滤波和OTSU的票据表面纤维特征提取方法，包括采用极大值滤波方法增强纤维特征并整合复杂背景对象。采用优化流程的OTSU算法分割图像，提取纤维特征。实验结果证明，该方法提取票据表面纤维特征效果好、速度快，一致性指标达91 %以上。
发明内容
本发明所要解决的技术问题在于提供一种基于纤维个性化特征的票据防伪鉴别方法。该方法融合了极大值滤波和改进二维熵的纤维小目标检测技术，具有很好的自适应性和稳定性。为实现上述的发明目的，本发明采用下述的技术方案一种基于纤维个性化特征的票据防伪鉴别方法，其特征在于包括如下步骤(1)图像预处理对摄像机获取到的票据图像进行处理，得到标准化的票据图像；
(2)背景融合采用极大值滤波器进行图像滤波，将所述票据图像中的多类对象转化成平缓区域背景和纤维目标两类对象；
(3)目标检测采用优化的二维熵分割算法分割票据图像，检测纤维目标；
(4)特征提取提取纤维目标的防伪特征，所述防伪特征为质心坐标、面积、曲率和矩特征中的一个或多个；
(5)特征匹配基于所述防伪特征进行特征匹配，鉴别票据的真伪。
其中较优地，所述步骤(1)进一步包括如下的子步骤第一，对摄像机获取到的票据图像进行畸变校正；第二，将票据图像中边界的背景裁剪掉，只保留票据区域，并将图像调整到统一的尺寸；第三，将裁剪后的票据图像进行两层小波变换，保留变换后的低频信息作为后续处理的图像信息。
其中较优地，所述步骤(2)中，所述极大值滤波器的窗口尺寸在5X5 15X15像素范围内。
其中较优地，所述步骤C3)中，首先生成所述票据图像关于点灰度-邻域灰度均值的二维直方图，然后在点灰度-邻域灰度均值平面中沿对角线分布的区域用点灰度-邻域灰度均值二维最大熵法确定最佳阈值。
在确定所述最佳阈值时，采用如下无失真的快速递推算法首先求出每一行P的初始值，然后递推计算本行其它P值，同时记录各列的初始增量；下一行运算时首先计算下一行P的初始值，同时刷新初始行的P值；所述P为所述二维直方图中沿对角线分布的区域的像素和。
在确定所述最佳阈值时，进一步采用如下有失真的优化搜索策略第一步在点灰度-邻域灰度均值平面的对角线上进行粗略搜索，寻找使改进二维熵判别函数取最小值的阈值所在的区域；第二步在第一步搜索确定的所述区域周围邻域求使所述改进二维熵判别函数取最小值的阈值作为最佳二维熵分割阈值。
其中较优地，所述步骤(3)中，对于分割后的二值化图像通过如下步骤进行标识
步骤1 使用中值滤波消除孤立噪声点；
步骤2 采用膨胀和腐蚀操作合并目标区域的，除去图像的孔洞；
步骤3 采用邻接连通方法对检测出来的纤维目标的二值图像进行标识。
其中较优地，所述步骤中，所述矩特征采用7个Hu不变矩特征表征。
其中较优地，所述步骤(5)中，如果当前票据中某个纤维目标的防伪特征与出票时提取的所有纤维目标的防伪特征的最小距离都小于设定的阈值，则认为该纤维目标与数据库匹配，匹配目标数加1 ；当所述匹配目标数与当前票据中总的纤维目标数的比值大于预定值时，认为该票据为真票；否则认为该票据为假票。
本发明不仅可以更快速地检测纤维小目标的精确位置，而且保留了纤维小目标的轮廓细节信息。在特征提取阶段，不仅提取了纤维的质心坐标特征，而且还提取了纤维面积、曲率和矩特征，因此可以更准确地鉴别票据真伪，尤其是鉴别采用荧光笔绘制的虚假纤维。
下面结合附图和具体实施方式
对本发明作进一步的详细说明。
图1为本发明所提供的票据防伪鉴别方法的整体流程图；图2为点灰度-邻域灰度均值平面的示意图；图3为本票据防伪鉴别方法中所使用的优化搜索策略的示意图。
具体实施例方式在深入分析票据图像各类对象灰度分布规律的基础上，本发明首先提出了基于极大值滤波和改进二维熵的纤维小目标检测方法，检测金融票据中的纤维目标；然后提出基于四元组的特征提取与匹配方法，鉴别票据的真伪。如图1所示，该票据防伪鉴别方法主要包括五个图像处理步骤第一步是图像预处理，得到标准化的票据图像；第二步是背景融合，将票据图像的多类对象转变为两类对象，即纤维目标和平缓区域背景；第三步是目标检测，采用优化的二维熵分割算法快速分割票据图像，检测纤维目标；第四步是特征提取，提取纤维目标的防伪特征；第五步是特征匹配，鉴别票据真伪。下面分别展开详细的说明。1.图像预处理图像预处理阶段的工作主要有三个第一，对摄像机获取到的票据图像进行畸变校正，减小图像畸变对水印结构和相对位置的影响；第二，将票据图像中边界的背景裁剪掉，只保留票据区域，并将图像调整到统一的尺寸(即标准化)；第三，将裁剪后的票据图像进行两层小波变换，保留变换后的低频信息作为后续处理的图像信息。此处两层小波变换的贡献有两个方面，一是在保留图像主要信息的前提下降低待处理图像的尺寸，从而降低后续图像处理各个阶段的运算量；二是减小光照和噪声对纤维目标检测的干扰，增强算法的鲁棒性。在本发明中，所用的两层小波变换公式为
2)/2 M-IN-I
W(j,m,η) = -^ Y f(x,y)■ φ(2] -x-m)·φ(2] -y-n)( 1)
λ!Μ .N X=O y=0其中，W(j，m，n)系数为在尺度j处图像f (x，y)的近似，m和η分别表示变换后图像的宽度和高度4为Haar小波尺度函数，用公式表示为
叫0,其他(2)2.背景融合在金融票据的图像中有字体、边框、平缓区域和纤维等多类对象，灰度分布范围广。仔细分析各类对象的灰度分布可以发现，字体和边框所占像素数目少，而且灰度值偏小；平缓区域所占像素数目很多，而且灰度值居中；纤维所占像素数目少，而且灰度值偏大。为此，发明人首先采用极大值滤波器进行图像滤波，将字体和边框两类对象归入平缓区域，同时增强纤维目标，避免光源不稳定等因素造成的纤维特征断裂或者部分缺失。通过极大值滤波，可以将票据图像的多类对象转化成两类对象，即平缓区域背景和纤维目标。影响极大值滤波效果的主要因素是滤波窗口尺寸，窗口太大不仅影响处理速度， 而且会造成特征的混叠，然而窗口太小又不能很好地融合背景和增强特征。经过大量实验验证，窗口尺寸应该在5 X 5 15 X 15 (单位像素)范围内，例如本发明的一个实施例中窗口尺寸设为11X11。这样，极大值滤波器为
& = maXiJ, Hiaxij为像素点(i，j)所在IlX 11邻域窗口内的灰度最大值
3.目标检测
在金融票据的荧光图像中，虽然荧光纤维处在高亮区，但容易受到光照和噪声等的干扰，所以精确分割纤维目标并不容易。通过大量实验，发明人采用二维熵法分割纤维目标。二维熵法是利用图像单象素点的灰度值分布及其邻域的平均灰度值分布所构成的二维灰度直方图选取阈值，优点是算法适应性强、分割效果更好，缺点是处理速度太慢。为此， 发明人采用优化的二维熵函数，提出了一种无失真的快速递推算法和有失真的优化搜索策略，在不影响分割效果的前提下极大地提高了改进二维熵的运算速度。具体说明如下
首先，发明人根据熵函数在等概率场下取到最大值的性质，对二维熵函数进行优化，提出一种分割效果相同、计算速度更快、实时处理能力更强的二维熵函数。
设X是取有限个值的随机变量，Pi = P{X = Xi),i = 1,2,…，n，其中Pi为事件Xi 发生的概率，P表示事件的概率，η为样本容量，则X的Siannon熵H(X)定义为
权利要求
1.一种基于纤维个性化特征的票据防伪鉴别方法，其特征在于包括如下步骤(1)图像预处理对摄像机获取到的票据图像进行处理，得到标准化的票据图像；(2)背景融合采用极大值滤波器进行图像滤波，将所述票据图像中的多类对象转化成平缓区域背景和纤维目标两类对象；(3)目标检测采用优化的二维熵分割算法分割票据图像，检测纤维目标；(4)特征提取提取纤维目标的防伪特征，所述防伪特征为质心坐标、面积、曲率和矩特征中的一个或多个；(5)特征匹配基于所述防伪特征进行特征匹配，鉴别票据的真伪。
2.如权利要求1所述的票据防伪鉴别方法，其特征在于所述步骤C3)中，首先生成所述票据图像关于点灰度-邻域灰度均值的二维直方图，然后在点灰度-邻域灰度均值平面中沿对角线分布的区域用点灰度-邻域灰度均值二维最大熵法确定最佳阈值。
3.如权利要求2所述的票据防伪鉴别方法，其特征在于在确定所述最佳阈值时，采用如下无失真的快速递推算法首先求出每一行P的初始值，然后递推计算本行其它P值，同时记录各列的初始增量；下一行运算时首先计算下一行 P的初始值，同时刷新初始行的P值；所述P为所述二维直方图中沿对角线分布的区域的像素和。
4.如权利要求2所述的票据防伪鉴别方法，其特征在于在确定所述最佳阈值时，采用如下有失真的优化搜索策略第一步在点灰度-邻域灰度均值平面的对角线上进行粗略搜索，寻找使改进二维熵判别函数取最小值的阈值所在的区域；第二步在第一步搜索确定的所述区域周围邻域求使所述改进二维熵判别函数取最小值的阈值作为最佳二维熵分割阈值。
5.如权利要求1所述的票据防伪鉴别方法，其特征在于所述步骤(3)中，对于分割后的二值化图像通过如下步骤进行标识步骤1 使用中值滤波消除孤立噪声点；步骤2 采用膨胀和腐蚀操作合并目标区域的，除去图像的孔洞；步骤3 采用邻接连通方法对检测出来的纤维目标的二值图像进行标识。
6.如权利要求1所述的票据防伪鉴别方法，其特征在于对于所述纤维目标采用双阈值剔除虚假的目标，所述双阈值包括阈值下限40像素和阈值上限200像素。
7.如权利要求1所述的票据防伪鉴别方法，其特征在于所述步骤(1)进一步包括如下的子步骤第一，对摄像机获取到的票据图像进行畸变校正；第二，将票据图像中边界的背景裁剪掉，只保留票据区域，并将图像调整到统一的尺寸；第三，将裁剪后的票据图像进行两层小波变换，保留变换后的低频信息作为后续处理的图像信息。
8.如权利要求1所述的票据防伪鉴别方法，其特征在于所述步骤O)中，所述极大值滤波器的窗口尺寸在5X5 15X15像素范围内。
9.如权利要求1所述的票据防伪鉴别方法，其特征在于所述步骤(4)中，所述矩特征采用7个Hu不变矩特征表征。
10.如权利要求1所述的票据防伪鉴别方法，其特征在于所述步骤(5)中，如果当前票据中某个纤维目标的防伪特征与出票时提取的所有纤维目标的防伪特征的最小距离都小于设定的阈值，则认为该纤维目标与数据库匹配，匹配目标数加1 ；当所述匹配目标数与当前票据中总的纤维目标数的比值大于预定值时，认为该票据为真票；否则认为该票据为假票。
全文摘要
本发明公开了一种基于纤维个性化特征的票据防伪鉴别方法，包括如下步骤对摄像机获取到的票据图像进行处理，得到标准化的票据图像；采用极大值滤波器进行图像滤波，将票据图像中的多类对象转化成平缓区域背景和纤维目标两类对象；采用优化的二维熵分割算法分割票据图像，检测纤维目标；提取纤维目标的防伪特征，防伪特征为质心坐标、面积、曲率和矩特征中的一个或多个；基于防伪特征进行特征匹配，鉴别票据的真伪。本发明融合了极大值滤波和改进二维熵的纤维小目标检测技术，具有很好的自适应性和稳定性。
文档编号G07D7/06GK102542655SQ20111036293
公开日2012年7月4日 申请日期2011年11月16日 优先权日2011年11月16日
发明者刘通, 惠腾飞, 李沛秦, 谢剑斌, 闫玮, 陈章永 申请人:中钞实业有限公司