一种智能识别水印特征的票据防伪鉴别方法与流程

本发明涉及票据防伪鉴别技术领域，尤其涉及一种智能识别水印特征的票据防伪鉴别方法。

背景技术：

随着国民经济与科技高速发展，票据在日常生活中的应用日益广泛。但目前票据存在管理不善、真伪鉴别难等问题，社会上仍有不少不法分子通过制作假票据谋取暴利，“克隆票”、“伪造票”、“变造票”等高仿假票据的盛行给国家造成了严重经济损失。传统票据真伪鉴别方法需要通过对票据的三十多个防伪点进行人工判断，根据审验人的经验来确定票据真假。人工处理效率低下、易出错、主观成分大，实现票据的智能化分析、自动鉴别，是未来票据鉴别技术的重要趋势。

水印是票据重要防伪标志之一，通过提取被检票据水印特征，并与标准水印特征匹配识别可有效实现智能票据防伪鉴别。水印图像的嵌入和提取方法(zl201110139206.9)公开了一种适于解决水印算法中透明性与鲁棒性相矛盾问题的灰度水印图像的嵌入和提取方法，但是该方法无法直接进行票据真伪鉴别；基于票据水印分布特征的票据防伪鉴别方法(zl201110400177.7)采用局部阈值法实现票据图像的二值化；在票据图像中寻找与联合模板相同或相似的目标物，以相关系数为度量标准进行联合模板匹配；提取票据图像的水印分布特征；基于水印分布特征进行特征匹配，鉴别票据的真伪。本发明专利利用加速稳健特征(speededuprobustfeatures,surf)提取方法，可以实现智能提取被检票据提取水印特征，将提取特征与标准票据水印特征匹配对比，可完成自动识别，实现票据智能防伪鉴别。

技术实现要素：

为解决上述技术问题，本发明的目的是提供一种智能识别水印特征的票据防伪鉴别方法，本发明的目的通过以下的技术方案来实现：

一种智能识别水印特征的票据防伪鉴别方法，该方法包括票据水印特征提取阶段、匹配阶段和识别阶段，具体包括如下步骤：

步骤a采集票据水印图像，构件各像素点hessian矩阵，生成图像尺度空间，基于非极大值抑制确定特征点，并计算特征点方向，得到surf特征点描述子；

步骤b将得到的票据水印的描述子与标准票据水印的描述子进行匹配；

步骤c识别匹配阶段的匹配结果，根据匹配结果判定被检票据的真伪。

与现有技术相比，本发明的一个或多个实施例可以具有如下优点：

本方法包括的票据水印图像提取阶段、匹配阶段、识别阶段，可以实现智能提取被检票据提取水印特征，将提取的特征与标准票据水印特征匹配对比，可完成自动识别，实现票据智能防伪鉴别。

附图说明

图1是智能识别水印特征的票据防伪鉴别方法流程图；

图2是票据水印特征提取程序流程图；

图3是票据水印提取特征点图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本发明作进一步详细的描述。

如图1所示，为智能识别水印特征的票据防伪鉴别方法，该方法包括以下步骤：

步骤10采集票据水印图像，构件各像素点hessian矩阵，生成图像尺度空间，基于非极大值抑制确定特征点，并计算特征点方向，得到surf特征点描述算子；

步骤20将得到的票据水印的描述子与标准票据水印的描述子进行匹配；

步骤30识别匹配阶段的匹配结果，根据匹配结果判定被检票据的真伪。

如图2所示，上述步骤10具体包括：

对被测票据透光处理，使其表面水印呈现。采集票据水印图像，构建各像素点hessian矩阵一般通过图像像素点亮度值与高斯核的某方向偏导数卷积，此处用箱型滤波器近似代替高斯核，因为箱型滤波器仅有0、-1、1，故卷积计算可用积分图像来优化，有效提升了算法速率。每个像素点需计算dxx、dxy、dyy，故需要三个滤波器，滤波后可得到一幅响应图(各点像素值为)；对采集的票据水印图像用不同尺度的滤波器进行滤波，得到同一图像在不同尺度的一系列响应图，即生成金字塔尺度空间。

若某点的值大于自身尺度层中其余8个点和在其之上及之下的两个尺度层9个点共26个点的则该点为特征点，以此确定水印图像特征点，如图3所示。

以特征点为中心，正比于特征点尺度的某个数位半径，统计60°扇形内所有点在x(水平)和y(垂直)方向的小波响应总和，并给这些响应值赋高斯权重系数，然后60°范围内的响应相加以形成新的矢量，遍历整个圆形区域，选择最长矢量方向为该特征点的主方向。

选定以特征点为中心的一块正方形区域，将其旋转与主方向对齐，将正方形分为4×4的16个子区域，统计每个区域的小波特征，得到4个系数，构造4×4×4维向量，即建立描述子。

上述步骤20具体包括：

选取被检票据水印图像中的某个特征点，找出该特征点与标准票据水印图像中欧式距离最近的两个特征点，若最近距离与次近距离比值小于某个比例阈值，则接受这一对匹配点。比例阈值越低，匹配点数越少，但结果会更加精确。

票据水印需在透光条件下才可显示，在图像采集过程中水印易与票据内容混淆，为排除背景混乱而产生的无匹配关系的关键点，距离比率ratio小于某个阈值的认为是正确匹配。因为对于错误匹配,由于特征空间的高维性,相似的距离可能有大量其他的错误匹配，从而它的ratio值比较高。ratio取值在0.4～0.6之间最佳，小于0.4很少有匹配点，大于0.6则存在大量错误匹配点。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

技术特征：

技术总结
本发明公开了一种智能识别水印特征的票据防伪鉴别方法，该方法包括票据水印特征提取阶段、匹配阶段和识别阶段，具体包括如下步骤：采集票据水印图像，构件各像素点Hessian矩阵，生成图像尺度空间，基于非极大值抑制确定特征点，并计算特征点方向，得到SURF特征点描述子；将得到的票据水印的描述子与标准票据水印的描述子进行匹配；识别匹配阶段的匹配结果，根据匹配结果判定被检票据的真伪。本发明提供的方法可以实现智能提取被检票据提取水印特征，将提取的特征与标准票据水印特征匹配对比，可完成自动识别，实现票据智能防伪鉴别。

技术研发人员：罗文佳;李筱琳
受保护的技术使用者：广州市银科电子有限公司
技术研发日：2017.05.15
技术公布日：2017.09.05