用于检验和鉴别物理对象的系统、方法和计算机可访问介质的制作方法

用于检验和鉴别物理对象的系统、方法和计算机可访问介质的制作方法
【专利摘要】[00139]可以提供通过如下步骤来鉴别物理对象的非数字介质的示例性方法、程序、系统、方法和计算机可访问介质：接收至少一个有标记或无标记区域的视频的至少一个图像，并且将至少一个有标记或无标记区域的第一显微图像或视频与与非数字介质有关的至少一个第二显微图像或视频进行比较，以确定第一显微图像或视频与第二显微图像或视频之间的相似性是否匹配或超过预定量。
【专利说明】用于检验和鉴别物理对象的系统、方法和计算机可访问介质
[0001]相关申请的交叉引用
[0002]本申请涉及并要求于2011年3月17日提交的美国专利申请序列号61/453.916的优先权，其全部公开内容通过引用并入本文中。
【技术领域】
[0003]本公开内容涉及用于使用例如显微图像和视频来检验和鉴别物理对象的系统、方法和计算机可访问介质的示例性实施方案。
【背景技术】
[0004]纹理的识别和分类多年来一直是计算机图形学中的研究领域。CUReT数据库列出了超过60种的纹理样本，并且试图推断辐照度、光照方向，并且提供纹理的精确BRDF测量，根据精确地确定纹理的特性的目标，使得它们能够以更有效的方式真实地呈现纹理、识别纹理、以及对纹理分类。
[0005]已经存在有若干公开，已讨论对纹理的散射特性例如双向纹理函数、材料中的次表面散射和辐射传输的研究。一些工作研究了散射介质中的光传输，并且试图从照片来重构现场。已经实现来自显微镜的三维(“3D”)CT扫描的布、织物的体积透视图，并且使用基于凝胶的设备来执行显微镜3D结构透视图。使用扫描电子显微镜来研究在亚微米水平的材料的结构，并且实现了根据来自对象的镜面反射的细观结构的三维重构。近来，研究人员提出了使用纸的物理特性的低维表示形式来识别纸的一种技术。但是，它们的技术仅适用于纸而并没有扩展到其它材料。
[0006]在世界各地的几个国家中，假冒商品和文件是重大问题。假冒艺术品、纸、文件、月艮装、塑料卡(例如信用卡、借记卡、ID卡)和汽车零件的估计市场损失超过1，000亿美元。但是，上述公开没有描述例如在微观水平下来单独地识别纹理，也不是一种独特地识别每片或多片纹理的低成本的技术、系统和设备。
[0007]因此，本公开内容的目的中的至少一个目的是要解决这些缺点和问题中的至少一些。

【发明内容】

[0008]本公开内容的示例性实施方案涉及可以利用指纹识别机制和/或能够测量微观纹理一例如，当部分相干光落在对象上时，散射光在被投射到屏幕上时可产生明区和暗区，从而可以表示依赖于底层介质的结构的图案一的程序的系统、方法和计算机可访问介质。如此,根据本公开内容的某些示例性实施方案,能够例如基于纹理的物理特性来独特地识别每个纹理。
[0009]本公开内容的示例性实施方案可以包括根据本公开内容的示例性方法、程序、计算机可访问介质和系统，所述示例性方法、程序、计算机可访问介质和系统包括:接收物理对象的至少一部分的至少一个第一显微图像；接收物理对象的所述至少一部分的至少一个第二显微图像；以及将所述至少一个第一显微图像与所述至少一个第二显微图像相比较，以确定基于至少一个描述符(descriptor)的相似性量度是否在预定的范围或阈值内。
[0010]在某些示例性实施方案中，物理对象的类型可以是织物、塑料、纸、帆布、玻璃、金属、金属复合材料或合金中的至少一种。在某些示例性实施方案中，物理对象具有特定的表面粗糙度或光散射特性。在某些示例性实施方案中，物理对象具有轮廓或曲率。在某些示例性实施方案中，处理配置(arrangement)是附接至显微镜装置的手持式计算设备或手机的一部分。在某些示例性实施方案中，所述至少一个第一显微图像包括纹理散斑图案，或者是所述物理对象的区域的视频的一部分。
[0011]某些示例性实施方案还可以包括:使用对象不变的GaborPCA程序，将所述至少一个第一显微图像转换成第一低维表示形式并将所述至少一个第二显微图像转换成第二低维表示形式；以及通过比较第一低维表示形式与第二低维之间的特定度量距离是否在预定量范围内来确定相似性量度，其中所述预定量用数学函数确定。
[0012]某些示例性实施方案还可以包括:使用对象不变、尺度(scale)和旋转不变的梯度直方图特征检测器，将所述至少一个第一显微图像转换成第一数据并将所述至少一个第二显微图像转换成第二数据；以及通过确定第一数据和第二数据之间的特定度量距离是否在预定量范围内来确定相似性量度，其中所述预定量用数学函数确定。
[0013]在某些示例性实施方案中，所述至少一个第一显微图像是从标记区域提取的，并且其中所述标记区域是物理对象的内容。在某些示例性实施方案中，标记区域对应于用户或对象身份(identity)。在某些示例性实施方案中，所述至少一个第一显微图像是从界标附近的区域提取的，并且其中所述界标是所述物理对象的内容。在某些示例性实施方案中，所述至少一个第一显微图像是从无标记区域提取的。在某些示例性实施方案中，所述至少一部分是基于手动跟踪来选择的，或者是通过使用计算配置(computing arrangement)在参考坐标系中自动跟踪来选择的。
[0014]在某些示例性实施方案中，计算配置被设置在固定设备或手持式设备中。在某些示例性实施方案中，所述至少一个第一显微图像是当所述计算配置在预定义区域中移动时提取的，并且其中所述预定义区域是基于坐标参考系跟踪系统或手动操作来计算的。在某些示例性实施方案中，所述至少一个第一显微图像是以不接触所述物理对象表面的非侵入性方式提取的。在某些示例性实施方案中，计算配置具有特定配置，其中基于预定量来固定与计算配置配合的入射光源的角度和距离，其中基于预定量来固定与入射光源配合的捕获屏幕或镜头的角度和距离，并且其中所述预定量是基于数学函数的。
[0015]在某些示例性实施方案中，光源为提供多谱段(multispectral)电磁辐射的可见光、红外光、紫外光或它们的组合中之一。在某些示例性实施方案中，入射光源装置与偏振器配合。在某些示例性实施方案中，入射光源装置被设置在附接至显微镜的移动电话中，并且其中所述显微镜是手持式显微镜或手持式通用串行总线显微镜。在某些示例性实施方案中，入射光源装置被设置在附接至机器人臂(robotic arm)或计算机数值控制器的显微镜中。在某些示例性实施方案中，所述至少一个第一显微图像是从老化的、篡改的(tampered)、弄皱的或浸泡的所述物理对象接收的。
[0016]某些示例性实施方案还可以包括:从所述至少一个第一显微图像的所述至少一个描述符生成可以被印刷、被写入、被嵌入或被压印在物理对象上的低维表示形式；从所述至少一个第一显微图像的所述至少一个描述符生成低维表示形式；以及将所述低维表示形式与所述被印刷、被写入、被嵌入或被压印在物理对象上的低维表示形式进行比较，以校验相似性是否在预定量范围内，从而建立对物理对象的鉴别。
[0017]在某些示例性实施方案中，通过使用秘密密钥加密技术(secret keycryptography technique)或公开秘钥力口密技术(public key cryptography technique)将物理对象鉴别为可信源。在某些示例性实施方案中，所述至少一个第一显微图像和所述至少一个描述符被存储在在线存储库中。在某些示例性实施方案中，从沿着物理对象表面的第一曲线提取一个或更多个显微图像，并且其中所述计算配置的移动被设置成沿着第二曲线，并且第二曲线类似于第一曲线，并且是使用数学函数或手动操作预先确定的。在某些示例性实施方案中，第二曲线是从数学函数或者从用户特定动作或信号(signature)导出的。
[0018]某些示例性实施方案还可以包括:通过计算配置提取包括所述至少一个第一显微图像在内的多个显微图像，其中所述多个显微图像从物理对象表面的基本上整个区域得至IJ。在某些示例性实施方案中，基于所述至少一个第一显微图像的所述至少一个描述符的计算集(computed set)来匹配所述至少一个描述符。
[0019]某些示例性实施方案可以包括通过如下步骤来执行对物理对象的检验和鉴别:将计算配置指向预定区域，并且提取特定的显微图像；以及处理所述至少一个第一显微图像中的一个或更多个第一显微图像以计算所述至少一个描述符，以便于使用距离度量来将存储的描述符与所计算的至少一个描述符进行比较。
[0020]在某些示例性实施方案中，所述至少一个第一显微图像和所述至少一个第二显微图像每个均包括如下至少之一:静止图像和视频。在某些示例性实施方案中，所述至少一个描述符包括至少一个局部描述符或局部描述符。
[0021]在结合所附权利要求来阅读本公开内容的实施方案的以下详细描述时，本公开内容的这些和其它目的、特征和优点将变得明显。
【专利附图】

【附图说明】
[0022]在考虑了结合所附的示例性附图和权利要求的以下详细描述时，本公开内容的上述的和其它示例性目的将会明显，其中贯穿全文，相同的附图标记指代相同的部件，并且其中:
[0023]图1为可以与本公开内容的某些示例性实施方案一起使用的附接至移动电话的手持式显微镜的示意图；
[0024]图2(a)和图2(b)为根据本公开内容的某些示例性实施方案的、其中底部使用用作参比标记的不褪色墨来标记的微观纹理图像的示意图；
[0025]图3(a)为示例性的微观纹理图像的匹配的示意图，其中暗线表示匹配描述符；
[0026]图3(b)为在斜率差的约80%可能不小于土的情况下的微观纹理的不匹配的示意图；
[0027]图4(a)为对关于帆布的大量的微观纹理的局部描述符程序的评估的图示示意图，其中X轴提供匹配点或描述符的数量，而y轴提供正确匹配百分比；[0028]图4(b)为对关于纸的大量的微观纹理的局部描述符程序的评估的图示示意图；
[0029]图4(c)为对关于布的大量的微观纹理的局部描述符程序的评估的图示示意图；
[0030]图4(d)为对关于玻璃的大量的微观纹理的局部描述符程序的评估的图示示意图；
[0031]图4(e)为对关于金属的大量的微观纹理的局部描述符程序的评估的图示示意图；
[0032]第4(f)为对关于塑料的大量的微观纹理的局部描述符程序的评估的图示示意图；
[0033]图5为与被放大的示例性的16X 16邻域一起的微观纹理图像的示意图；
[0034]图6为可以表示任何表面的3D截面的示例性立方体的示意图；
[0035]图7为亚麻布的分数汉明距离(Fractional Hamming Distance)的示例性表的示意图；
[0036]图8为在不同水平上具有其本身不同情况的亚麻布散斑的分数汉明距离的示例性表的不意图；
[0037]图9(a)为在手机上拍摄的散斑图像的示意图；
[0038]图9 (b)为在右侧所示的紧致码的QR码的示意图；
[0039]图10(a)至图10(t)为使用根据本公开内容的系统的示例性实施方案所捕获的散斑的示意图；
[0040]图11 (a)至11⑴为不同材料的示例性分数汉明距离的图示示意图；
[0041]图12(a)至12⑴为在关于材料的散斑图像之间的示例性成对欧氏距离的图示示意图；
[0042]图13为根据本公开内容的某些示例性实施方案的具有两种运动程度的示意图:垂直(x，y)和水平(χ，ζ)的示例性关节臂，其中在其左部处看到旋转头设置有合适的显微镜；
[0043]图14是根据本公开内容的方法的示例性实施方案的流程图；
[0044]图15是根据本公开内容的系统的示例性实施方案的框图；
[0045]图16为100等份的光学测微计等级放大的在400倍下的示例性Veho数码显微镜的视场的示意图，其中各个等份之间的距离为10微米并且各个划分标记的大小为3微米；
[0046]图17为在使用本公开内容的系统、方法和计算机可访问介质的示例性实施方案的某些实验中使用的Veho数字显微镜的示例性视图的示意图；
[0047]图18为配备有可以用于本公开内容的系统、方法和计算机可访问介质的示例性实施方案中的显微镜的示例性的四个自由度机械臂的示意图；
[0048]图19为将可以使用本公开内容的系统、方法和计算机可访问介质的示例性实施方案的显微镜安装至其头部的示例性的光栅扫描器的示意图。
[0049]在所有附图中，除非另有说明，使用相同的附图标记和字符来表示所示的实施方案的相同特征、元件、部件或部分。此外，虽然现在将参照附图详细描述主题发明，但是这因此结合说明性实施方案和所附权利要求来实现。旨在可以在不脱离本主题公开内容的真实范围和精神的情况下对所描述的实施方案作出改变和修改。具体实施方案
[0050]现在将至少在一定程度上参照附图来描述可以通过根据本公开内容的系统、方法和计算机可访问介质的示例性实施方案来实施的方法学和程序的示例性实施方案。
[0051]示例性微观纹理
[0052]所捕获的示例性微观纹理图像可以是介质的基本物理特性和通过介质的光散射的函数。在微观水平下光散射可能是复杂的，因为其依赖于多种因素，例如介质的密度(例如，光密度)、均匀性(例如，各向同性或各向异性散射)、表面粗糙度、照射和照明方向(例如，入射光的方向)。
[0053]归因于各种因素，示例性微观纹理可以不同于普通宏观图像或照片，例如:
[0054]i)介质中的复杂的多散射产生介质散斑、阴影和/或相互反射中不存在的伪像；
[0055]ii)图像可以基于介质的反射或漫反射特性而变化；以及
[0056]iii)归因于纹理的微观尺寸(例如，约I微米至2微米)，可能难以反复获得或记录相同的纹理。
[0057]纹理的⑶ReT数据库可以提供庞大的真实世界纹理集，但是这些可能处于宏观水平，并且它们的特性(例如，灰度级直方图)可能取决于照射和照明方向。处于宏观水平的纹理可以以某种形式以双向纹理函数(BTF)为特征，双向纹理函数可以提供一种确定和/或计算和模拟给定照射和照明方向的纹理的方法。逆光传输可以试图去除阴影、相互反射和其它对图像的屏蔽，并且基于镜面反射来重构细观结构。本公开内容的示例性实施方案可以在微观水平下分析、识别和比较特有的纹理，其中光可以经过多重散射，图像可以包含诸如阴影、散斑或相互反射等伪像。
[0058]提取示例性微观纹理
[0059]示例性纹理图案可能对照明方向敏感，所以可以要求光源在相同的位置以获得通过各试验的可重复的纹理图案。为了实现这一点，使用本公开内容的某些示例性实施方案，可以使用显微镜例如消费等级显微镜，例如具有400倍的放大倍率的示例性Veho发现手持式显微镜，其具有在固定位置中的内置LED，例如如图17所示。光源可以由以环状方式固定在显微镜镜头附近的8个等距LED组成。当光照射介质时，光可经历散射，并且散射光可以通过显微镜读出。由于纹理图像能够取决于光源的角度和方向，所以可以在进行任何试验或实验之前完成校准。图2(a)至图2(b)示出了沿固定取向提取图像的示例性的基于标记的方法。可以使用在图像的底部上看到的墨来作为提取图像的参比。400倍的显微镜的视场可以为约0.95毫米，所以使用本公开内容的某些示例性实施方案，可以使用物镜测微计等级来校准，例如如图16所示。所述等级可以包括例如在约I毫米的范围内的100等份，其可以给出约0.0lmm或10微米的最小计数。(例如，每个等份可以为10微米)。假定显微镜CMOS或该示例性实施方案的原始图像分辨率为640个像素X 480个像素，每个像素可以对应于约1.4微米。为了给出尺度的概念，人的红血球的大小为约6微米至8微米。当在这样的分辨率下操作时，校准可以是重要的，并且使用本公开内容的某些示例性实施方案，可以在执行任何实验之前使用测微计等级来将显微镜调焦至例如400倍。
[0060]使用本公开内容的某些示例性实施方案以将显微镜移动到特定位置，可以使用例如如图13所示的关节臂131。关节臂131可以包括附接至其头部的显微镜132。关节臂可以被调节到预定义的位置，并且可以放置在靠近介质的地方以从各个位置提取纹理。可以使用标记笔来预定义该提取位置。这些标记可以是重要的，因为根据某些示例性实施方案，可以在微观水平进行操作，关节臂的位置的轻微移位可以在不同的位置定位显微镜。因此，基于本公开内容的某些示例性实施方案，可以利用基于标记的方法以获得正确的位置。可以使用在图像的底部上看到的墨作为参比以提取图像。一旦位置被固定，显微镜可以保持在例如400倍，并且可以提取图像。关节臂131可以允许示例性实施方案来不仅从平坦表面/水平表面，而且也可以是从3D (三维)表面例如雕塑、陶瓷、古玩等提取图像，至少部分地归因于其旋转头。
[0061]在其它示例性实施方案中，可以将例如如图18所示的例如4自由度机械臂133与安装至其旋转头的显微镜132 —起使用，以从各种对象扫描并读取微观纹理。该示例性机械臂可以有标记或无标记进行操作以读取表面的区域，并且坐标系可以基于固定的或相对的参考系技术，该参考系技术可以类似于坐标测量机制。
[0062]根据某些示例性实施方案，可以利用如图19所示的光栅扫描器134来线性地读取对象的表面上的微观纹理以例如识别纹理散斑图案。安装至光栅扫描器134的头部的示例性显微镜131，例如如图19所示的CNC路由器或雕刻机，可以用于读取材料的表面的显微图像。类似于机械臂133，使用本公开内容的某些示例性实施方案，可以需要或不需要任何标记来实施以扫描期望的区域，因为CNC机器的可重复性和精确度可以将其本身精确地定位在表面的预定区域中。
[0063]在本公开内容的另一个示例性实施方案中，可以包括用于以移动方式提取微观纹理的移动设备和移动设备附件。例如，根据一个示例性实施方案，可以包括附接至显微镜例如具有100倍的较低放大倍率的PC-微显微镜的手机。显微镜可以将其本身附接至定制的塑料框架，该塑料框架可以附接至手机相机的背面，使得显微镜目镜被对准至例如如图1所示的手机相机。纹理图像提取的过程可以与关节臂版本相同，但是图像的提取可能比关节臂方法需要更多时间，因为在不具有固定装置(例如关节臂)的情况下移动并聚焦到特定位置可能花费更长时间。
[0064]根据本公开内容的另一个示例性实施方案，可以使用任何数量的照明技术。例如，使用本公开内容的某些示例性实施方案，可以基于前向照明、或源(例如光源)和镜头处于同一平面的照明来提取纹理。还可以基于透射照明来评估来自其它材料例如纸的纹理，例如当光穿过结构并且(光)源和镜头处于不同平面中时。根据使用本公开内容的某些示例性实施方案，可以以例如如下方式来提取各种示例性材料的纹理。对于帆布、纸、塑料、金属和不同类型的布，使用本公开内容的某些示例性实施方案，可以使用标记来放大和聚焦到特定点上。对于玻璃，可以使用制造商的标志，因为该标志可以被蚀刻，其可以同时用作提取纹理的标记和位置。可替代地，本文中所描述的示例性实施方案可以用于其它的示例性材料，或者可以结合本公开内容的实施方案使用其它方法来独特地识别示例性材料。
[0065]示例性局部描述符和匹配
[0066]根据本公开内容的示例性实施方案的局部描述符程序可以是尺度不变特征变换程序的固定尺度、固定取向版本。可以使用例如高斯模糊函数来平滑微观纹理图像，其中模糊因子。=跨越5个连续图像。可以在这些图像之间执行高斯差分(DoG)，并且使用本公开内容的某些示例性实施方案，则可以获得4DoG图像。没有必要计算纹理的尺度空间表示，因为在某些示例性实施方案中，可以每次使用相同的显微镜配置(例如，分辨率、放大率等)来提取纹理。一旦获得DoG图像，可以通过求出极大值/极小值(例如，通过比较与关于4DoG图像的每个像素邻近的8个像素)来检测到关键点。
[0067]可以识别初始关键点，并且可以去除低对比度的关键点和不良的局部关键点。一旦庞大关键点集被确定，就可以确定围绕关键点附近的梯度取向的直方图。与在某些示例性实施方案中可以计算主取向的SIFT(尺度不变特征变换)不同，可以跳过该步骤并且可以直接计算关键点周围的取向梯度的直方图。该示例性方法的基本原理包括以下内容。在纹理的初始记录期间，可以(例如基于标记)确定用于提取纹理的特定取向。一旦关于特定纹理的取向被固定，该信息可以被用于随后的试验。因此，可以不需要计算关键点的主取向。可以关于关键点周围的16乘16(16X16)区域计算梯度的直方图，每个直方图可以由Sbin组成，并且128个直方图值为描述符的向量。
[0068]示例性图像匹配:给定两个微观纹理图像，确定两个微观纹理是否对应于相同表面的整个匹配过程可以涉及特定步骤。匹配描述符:根据某些示例性实施方案，可以确定和/或计算用于每个图像的描述符的列表，并且详尽地比较两个图像的描述符以确定匹配描述符。例如，如果描述符之间的欧氏距离在阈值t内，则两个描述符可以被定义为匹配。假SD1=C^dfdn是一个图像的描述符的集合，而假SD2=S1' δ^..δη是另一个图像的描述符的集合(例如，假定每个图像具有相同数量的描述符)。为了匹配01和％，可以确定每对描述符屯、δ j之间的欧氏距离，然后，如果每对之间的欧氏距离小于固定的阈值t，则描述符可以被匹配。
[0069]斜率匹配:使用本公开内容的某些示例性实施方案，可以计算两个相应匹配描述符的斜率和各对匹配描述符之间的斜率差。如果例如斜率差的80%在阈值P内，则纹理图像可以被认为是匹配的，否 则其可以被定义为不匹配。假定K=G^kfkn)是η个匹配描述符的所有斜率的集合，其中每个h为两个匹配描述符的斜率。根据本公开内容的某些示例性实施方案，可以计算所有斜率的差Dif f=(k「k2)、(k「k3)...(kn_「kn)，并且校验Dif f的最小百分比(例如80% )是否小于土P，其中P为阈值。如果Dif f的最小百分比(例如80% )小于土P，则根据本公开内容的某些示例性实施方案，可以认为图像被匹配，否则其可以被认为不匹配。参照图3(a)中所示的示例，线可以对应于匹配描述符对。这些示例性线的斜率的80%在土P范围内，因此它们是匹配的。在图3(b)中，斜率差的小于80%位于土P范围内，因此它们不匹配。
[0070]在某些示例性实施方案中，基于斜率检测的纹理匹配可以进行操作，因为:i)在某些示例性实施方案中，可以预先获知硬件设备(例如，显微镜、关节臂)的设置，这可以使得某些示例性实施方案确定可能已经发生的变换的类型；ii)某些示例性实施方案获得初始图像作为参比，同时提取当前图像。由于该示例性信息，根据本公开内容的这些示例性实施方案，可以对设备进行调节以在正确的位置和取向中记录图像。基于描述符的位置结合斜率检测的描述符之间的最近的相邻对应关系可以导致稳健方法以匹配两个微观纹理。该技术还可以在非理想条件下例如当介质经过篡改时有用。
[0071]示例性评估
[0072]使用本公开内容的某些示例性实施方案，可以评估例如来自从帆布、纸和布至玻璃、塑料、木材和金属的材料的2500种不同类型的微观纹理。可以在如下四个示例性条件下评估帆布、纸和布:理想(ideal)、浸泡、弄皱、老化。可以在如下四个示例性条件下评估玻璃、塑料、木材和金属:理想、浸泡、刻划、老化。使用本公开内容的某些示例性实施方案，可以检查50种不同类型的帆布。对于每种帆布，使用本公开内容的某些示例性实施方案，可以提取15个纹理，该15个纹理可以总计高达750个纹理图像。对于纸，使用本公开内容的某些示例性实施方案，可以检查例如4种类型的纸，并且从每种纸提取例如200个纹理，总计高达800个纹理图像。使用本公开内容的某些示例性实施方案，可以检查15种不同的布料，并且提取450个纹理图像。使用本公开内容的某些示例性实施方案，可以检查三种类型的金属，并且从每种类型提取50个图像，从而总计高达150个图像。同样地，在本公开内容的某些示例性实施方案中，可以检查三种类型的塑性材料，并且提取150个图像。使用本公开内容的某些示例性实施方案，可以检查两种类型的玻璃材料(例如，每种类型5个)，并且从它们提取100个图像。最后，使用本公开内容的某些示例性实施方案，可以检查七种类型的木材，并且从它们提取100个微观纹理。在以上概述的示例性检查中的每个检查中，使用本公开内容的某些示例性实施方案，可以提取两个图像(例如，具有相同的表面)。这些示范性检查的总数总计高达2500个不同的微观纹理，在每次试验中使用两个图像。该结果示出在图4(a)至图4(f)中。
[0073]示例性匹配准则可以基于例如如上所述的斜率匹配技术。如果在所有关键点的集合中关键点与另一关键点的欧氏距离是至少t，则该关键点可以被认为匹配。使用本公开内容的上述的示例性实施方案，在示例性评估中可以使用t=0.8。如果被匹配的关键点的斜率差的最小百分比(例如80%)在P范围内，则图像可以被认为匹配(例如，正确匹配)。此处，取p=±0.2。对于评估，可以将每个纹理图像与数据集中的所有其它纹理图像进行比较。可以在50个至100个匹配关键点的范围内执行斜率检测匹配。然后，可以利用相应的匹配关键点值来将整个数据集中的正确匹配百分比制成表并且进行绘制。
[0074]为了模拟非理想条件例如弄皱、浸泡、刻划和老化，使用本公开内容的某些示例性实施方案，可以利用材料进行以下实验。对于纸，纹理附近的区域可以被涂污，这可以改变例如约10%的微观纹理图案。对于塑料卡，可以应用真实世界条件，例如通过多次触摸微观纹理区域。示例性微观纹理图案的变化可以为约5%至8%。对于帆布和织物，可以模拟在真实世界设置中如何处理织物，例如伸展纹理被提取的区域、将其折叠等。这改变了例如约10%至12%的原始纹理。对于玻璃表面，可以将水灌注在其上，和/或可以清洗该区域，并且可以从制造商的标志提取微观纹理图案。纹理图案可以改变例如约5%。对于木制表面，微观纹理图案附近的区域可以被涂污。微观纹理图案的变化可以为约10%。对于金属和合金，该材料可以在真实世界设置中进行处理，然后提取纹理。纹理的变化可以为例如约5%至10%。在一个示例性实施方案中，使用手机组合件，额外的100个纹理图像可以来自两个不同的显微镜和500个纹理。
[0075]使用本公开内容的某些示例性实施方案，可以考虑50种不同类型的平纹编织、中等纹理和精细纹理的棉布和亚麻帆布。来自ArtFix?的9种帆布、来自Claessens?的13种帆布、来自Carvaggio?的28种帆布。这些示例性帆布可以被艺术家主要用于油、丙烯酸类和其它乳化类型的绘画。对于每种类型的帆布，提取15个图像，总计高达750个纹理图像。对于浸泡，对于例如50个上述匹配关键点的匹配百分比可能降低。这可能归因于帆布的纤维特性；在浸泡之后，一些纤维可以从它们的原始位置转移。对于弄皱，匹配百分比可以呈线性地降低，但是例如与浸泡比较，严重程度可能较小。可能难以在微观水平下弄皱帆布。在弄皱示例性帆布之后，帆布可以伸展/回到其早期形式。对于老化，匹配百分比的降低可以接近理想。来自这些示例性实验和示例性实施方案的结果示出在图4(a)中。
[0076]在示例性分析中，本公开内容的示例性实施方案考虑四类纸:(a)A4尺寸的打印纸；(b)薄的笔记本样式纸(指定的笔记本)；(C)厚的打印纸海报样式纸；(d)棕色装订纸。使用本公开内容的某些示例性实施方案，可以评估例如800张这些种类的纸。在理想条件下，匹配百分比可以为100个至80个关键点，那么匹配百分比可以稍微降低。在浸泡条件下，弄皱和老化可以在结果上有少许变化。当示例性纸区域被弄皱时，如果该区域损坏读数被取出的纸表面，然后在接下来的试验中的读数可能失效。因此，在弄皱条件下，示例性匹配百分比结果可能较低。在某些示例性实施方案中，浸泡没有改变纸区域的结构，但是观察到照明变化。对于示例性老化测试，示例性纸在自然日照中保持约一个月，并且没有观察到纸结构的变化。示例性结果示出在图4(b)中。
[0077]示例性实施方案和示例性评估可以包括不同类型的织物，例如羊毛、尼龙、聚酯纤维、粗斜纹布、棉布、毛巾布、丙烯酸类和各种混合物例如如约49%尼龙和51%金属、87%尼龙和13%氨纶、35%羊毛和65%人造丝。在理想条件下，使用本公开内容的某些示例性实施方案，对于50个关键点可以获得例如接近100%或者甚至100%的结果，但是在这之后，对于100个关键点，示例性结果可以迅速降低低于80%。布型材料可以承受最低浸泡，其可以是基于纤维材料的典型特性。对于50个关键点，匹配百分比可以为80，但是对于100个关键点其在例如小于40处结束。在弄皱条件下，对于50个关键点，匹配百分比可以为约90，而对于100个关键点，匹配百分比可以降低到低于50。在示例性老化条件下，变化可以最小。对于50个关键点，匹配百分比可以为约95，而对于100个关键点，匹配百分比可以降低到低于70。示例性结果示出在图4(c)中。
[0078]示例性实施方案和示例性评估可以包括两种类型的例如消费等级的玻璃材料。两者都可以是具有蚀刻在玻璃中的制造商的标志的玻璃杯。示例性评估可以包括每种类型(例如，总共10种)的5块玻璃，并且可以从每块玻璃提取10个读数，从而总计高达100个纹理图像，这些标志可以用作从特定区域提取纹理图案的参比点。对于50个关键点，匹配百分比可以为100，而对于100个关键点，匹配百分比可以降低到约90。在浸泡和刻划条件下，匹配百分比可以开始于100，而对于100个关键点，匹配百分比降低约85。示例性结果示出在图4(d)中。
[0079]示例性实施方案和示例性评估可以包括三种类型的金属:刷金属，钢和铝复合材料。示例性评估可以从它们提取例如150个微观纹理。在示例性的理想和老化情况下，可以存在有小的变化。对于在两种条件下的50个至70个关键点，匹配百分比可以为100，而对于100个关键点，匹配百分比可以降低到约90。在浸泡和刻划条件下，对于50个关键点，匹配百分比可以为约100，而对于100个关键点，匹配百分比可以减少到约75至80。示例性结果示出在图4(e)中。
[0080]示例性实施方案和示例性评估可以包括例如三种类型的塑料卡:两个PVC卡和一个细粒度的塑料外壳表面。使用本公开内容的某些示例性实施方案，可以从它们提取例如150个纹理图像。示例性的塑料卡的表面粗糙度可以在非理想条件下通过试验以一致方式散射光。在理想、浸泡和老化条件下可以存在有小的变化。在示例性刻划条件下，对于50个关键点，匹配百分比可以开始于100，但是对于100个关键点，匹配百分比可以减少约75。示例性结果示出在图4(f)中。[0081] 示例性实施方案和示例性评估还可以包括例如七种不同类型的木材，例如枫木、 橡木、香柏木、松木、红木、柚木、杉木，从而提取100个纹理图像。在理想、老化、刻划条件下的值是相似的。在浸泡条件下，看到降低较严重。50个关键点的匹配百分比为约80，而100 个关键点的匹配百分比降低到约60。[0082]示例性熵分析[0083]量化微观纹理的熵可以是复杂的问题，尤其是因为本公开内容的某些示例性实施方案，与可以表示每个微观纹理的N维空间的大小比较，可以具有有限的数据集。[0084]使用本公开内容的某些示例性实施方案，可以包括示例性分析策略，该示例性分析策略可以包括以下内容。使用本公开内容的某些示例性实施方案，可以考虑可以表示128 维向量的每个关键点描述符，并且计算每个关键点的熵的下界。接下来，从微观纹理提取的关键点可以在显微图像水平被充分地间隔开，根据本公开内容的某些示例性实施方案， 可以将每个关键点描述符看作是独立的。每个关键点也可以与微观纹理中的特定位置相关联，使得即使关于两个不同的微观纹理图像(例如，具有不同的表面)的两个示例性关键点匹配，它们的位置也可以不匹配。因此，使用本公开内容的某些示例性实施方案，可以通过对关键点的各个熵求和来计算纹理的熵。[0085]可以存在有可以使该示例性的关键点的熵的计算具有挑战性的三个示例性方面。 首先，相同微观纹理的多个读数可能会产生略微变化的128维向量，这在熵的计算中可以根据需要予以考虑。其次，使用本公开内容的某些示例性实施方案，在例如128维空间中有可能缺少足够的数据点来表征关键点的熵。此外，在示例性的128维空间内，示例性实施方案可能不会具有对维度间的相互关系的清楚理解。[0086]为了解决第一个问题，使用本公开内容的某些示例性实施方案，可以使用量化步骤/程序，其中每个128维的关键点可以被转换成量化的128维向量，其中相同表面的多个微观纹理读数可以映射到相同向量。为了解决第二个问题，使用本公开内容的某些示例性实施方案，可以将每个关键点细划分成16个8维向量(例如，对应于4X 4的正方形表示)， 其中每个8维向量可以对应于纹理读数内的较小区域。为了解决第三个问题，根据本公开内容的某些示例性实施方案，可以将它们本身限制在关键点的四个角落，并且计算四个角落的联合熵，以表明对应于四个角落的8维向量具有它们之间的最小相关性。该示例性程序可以包括许多单个的示例性步骤/子程序，所述许多单个的示例性步骤/子程序包括以下讨论的示例性步骤/子程序。[0087]示例性量化[0088]例如，相同表面的多个纹理读数可以略微变化。示例性匹配程序可以使用欧氏距离t来确定两个关键点是否匹配。针对每个维度，该匹配算法的固定版本可以设置为1/√128的边界。另外，由于对于熵计算而言128维空间可能太大，使用本公开内容的某些示例性实施方案，可以将它们本身限制到对应于关键点的每个4×4区域的8维向量。例如，令Vi为 8维向量。使用本公开内容的某些示例性实施方案，可以量化向量Vi:[0089] qi=vi/(1/√128),[0090]并且将该值四舍五入到最接近的整数。[0091]示例性的量化向量的熵[0092]一旦在某些示例性实施方案中提供量化向量q，可以计算该量化向量的熵。对于8 维向量，该量化向量的状态空间可以为例如s8，其中s可以是所有qi上的最大量化值。作为示例性数据集的一部分，可以存在有例如约2500个图像，每个图像具有至少1000个关键点，其可以总计高达2，000万个8维向量。使用本公开内容的某些示例性实施方案，可以计算关于该数据集的向量Qi的概率，并且如下来计算其熵:8维向量qi的概率可以由下式给出:[0093]Pi (q^ =F (q^ /EF (q” q2,…，qn)[0094]其中F(qi)是qi的频率，Σ F(q” q2,，qn)是所有Qi的频率的和。那么Qi的熵可以如下来计算:
【权利要求】
1.一种用于检验和鉴别物理对象的至少一部分的方法，包括: 接收所述物理对象的至少一部分的至少一个第一显微图像； 接收所述物理对象的所述至少一部分的至少一个第二显微图像；以及 通过计算配置将所述至少一个第一显微图像与所述至少一个第二显微图像相比较，以确定基于至少一个描述符的相似性量度是否在预定的范围或阈值内。
2.根据权利要求1所述的方法，其中所述物理对象的类型是织物、塑料、纸、帆布、玻璃、金属、金属复合材料或合金中的至少一种。
3.根据权利要求1所述的方法，其中所述物理对象具有特定的表面粗糙度或光散射特性。
4.根据权利要求1所述的方法，其中所述物理对象具有轮廓或曲率。
5.根据权利要求1所述的方法，其中所述计算配置是附接至显微镜装置的手持式计算设备或手机的一部分。
6.根据权利要求1所述的方法，其中所述至少一个第一显微图像包括纹理散斑图案，或者是所述物理对象的区域的视频的一部分。
7.根据权利要求1所述的方法，还包括: 使用对象不变的GaborPCA程序，将所述至少一个第一显微图像转换成第一低维表示形式并将所述至少一个第二显微图像转换成第二低维表示形式；以及 通过比较所述第一低维表示形式与所述第二低维表示形式之间的特定度量距离是否在预定量范围内来确定所述相似性量度，其中所述预定量用数学函数确定。
8.根据权利要求1所述的方法，还包括: 使用对象不变、尺度和旋转不变的梯度直方图特征检测器，将所述至少一个第一显微图像转换成第一数据并将所述至少一个第二显微图像转换成第二数据；以及 通过确定所述第一数据与所述第二数据之间的特定度量距离是否在预定量范围内来确定所述相似性量度，其中所述预定量用数学函数确定。
9.根据权利要求1所述的方法，其中所述至少一个第一显微图像是从标记区域提取的，并且其中所述标记区域是所述物理对象的内容。
10.根据权利要求8所述的方法，其中所述标记区域对应于用户或对象身份。
11.根据权利要求1所述的方法，其中所述至少一个第一显微图像是从界标附近的区域提取的，并且其中所述界标是所述物理对象的内容。
12.根据权利要求1所述的方法，其中所述至少一个第一显微图像是从无标记区域提取的。
13.根据权利要求1所述的方法，其中所述至少一部分是基于手动跟踪来选择的，或者是通过使用所述计算配置在参考坐标系中自动跟踪来选择的。
14.根据权利要求13所述的方法，其中所述计算配置被设置在固定设备或手持式设备中。
15.根据权利要求1所述的方法，其中所述至少一个第一显微图像是当所述计算配置在预定义区域中移动时提取的，并且其中所述预定义区域是基于坐标参考系跟踪系统或手动操作来计算的。
16.根据权利要求1所述的方法，其中所述至少一个第一显微图像是以不接触所述物理对象表面的非侵入性方式提取的。
17.根据权利要求1所述的方法，其中所述计算配置具有特定配置，其中基于预定量来固定与所述计算配置配合的入射光源的角度和距离，其中基于预定量来固定与所述入射光源配合的捕获屏幕或镜头的角度和距离，并且其中所述预定量是基于数学函数的。
18.根据权利要求17所述的方法，其中所述光源为提供多谱段电磁辐射的可见光、红外光、紫外光或它们的组合中之一。
19.根据权利要求1所述的方法，其中所述入射光源装置与偏振器配合。
20.根据权利要求1所述的方法，其中所述入射光源装置被设置在附接至显微镜的移动电话中，并且其中所述显微镜是手持式显微镜或手持式通用串行总线显微镜。
21.根据权利要求1所述的方法，其中所述入射光源装置被设置在附接至机器人臂或计算机数值控制器的显微镜中。
22.根据权利要求1所述的方法，其中所述至少一个第一显微图像是从老化的、篡改的、弄皱的或浸泡的所述物理对象接收的。
23.根据权利要求1所述的方法，还包括: 从所述至少一个第一显微图像的所述至少一个描述符生成能够被印刷、被写入、被嵌入或被压印在所述物理对象上的低维表示形式； 从所述至少一个第一显微图像的所述至少一个描述符生成低维表示形式；以及 将所述低维表示形式与所述被印刷、被写入、被嵌入或被压印在所述物理对象上的低维表示形式进行比较，以校验所述相似性是否在预定量范围内，从而建立对所述物理对象的鉴别。
24.根据权利要求1所述的方法，其中通过使用秘密密钥加密技术或公开秘钥加密技术将所述物理对象鉴别为可信源。
25.根据权利要求1所述的方法，其中所述至少一个第一显微图像和所述至少一个描述符被存储在在线存储库中。
26.根据权利要求1所述的方法，其中沿着所述物理对象的表面从第一曲线提取一个或更多个显微图像，并且其中所述计算配置的移动被设置成沿着第二曲线，并且所述第二曲线类似于所述第一曲线并且是使用数学函数或手动操作预先确定的。
27.根据权利要求26所述的方法，其中所述第二曲线是从数学函数或者从用户特定动作或信号导出的。
28.根据权利要求1所述的方法，还包括: 使用所述计算配置，提取包括所述至少一个第一显微图像在内的多个显微图像，其中所述多个显微图像从所述物理对象表面的基本上整个区域得到。
29.根据权利要求1所述的方法，还包括:基于所述至少一个第一显微图像的所述至少一个描述符的计算集来匹配所述至少一个描述符。
30.根据权利要求1所述的方法，还包括通过如下步骤来执行对所述物理对象的鉴别和检验: 将所述计算配置指向预定区域，并且提取特定的显微图像；以及 处理所述至少一个第一显微图像中的一个或更多个第一显微图像以计算所述至少一个描述符，以便于使用距离度量来将存储的描述符与所计算的至少一个描述符进行比较。
31.根据权利要求1所述的方法，其中所述至少一个第一显微图像和所述至少一个第二显微图像每个均包括如下至少之一:静止图像和视频。
32.根据权利要求1所述的方法，其中所述至少一个描述符包括至少一个局部描述符或局部描述符。
33.一种其上存储有计算机可执行指令的非暂态计算机可访问介质，所述计算机可执行指令用于检验和鉴别物理对象的一部分，当处理配置执行所述计算机可执行指令时，所述介质使所述处理配置被配置成执行包括以下步骤的程序: 接收所述物理对象的至少一部分的至少一个第一显微图像； 接收所述物理对象的所述至少一部分的至少一个第二显微图像；以及 将所述至少一个第一显微图像与所述至少一个第二显微图像相比较，以确定基于至少一个描述符的相似性量度是否在预定的范围或阈值内。
34.根据权利要求33所述的计算机可访问介质，其中所述物理对象的类型是织物、塑料、纸、帆布、玻璃、金属、金属复合材料或合金中的至少一种。
35.根据权利要求33所述的计算机可访问介质，其中所述物理对象具有特定的表面粗糙度或光散射特性。
36.根据权利要求33所述的计算机可访问介质，其中所述物理对象具有轮廓或曲率。
37.根据权利要求33所述的计算机可访问介质，其中所述处理配置是附接至显微镜装置的手持式计算设备或手机的一部分。
38.根据权利要求33所述的计算机可访问介质，其中所述至少一个第一显微图像包括纹理散斑图案，或者是所述物理对象的区域的视频的一部分。
39.根据权利要求33所述的计算机可访问介质，还包括: 使用对象不变的GaborPCA程序，将所述至少一个第一显微图像转换成第一低维表示形式并将所述至少一个第二显微图像转换成第二低维表示形式；以及 通过比较所述第一低维表示形式与所述第二低维之间的特定度量距离是否在预定量范围内来确定所述相似性量度，其中所述预定量用数学函数确定。
40.根据权利要求33所述的计算机可访问介质，还包括: 使用对象不变、尺度和旋转不变的梯度直方图特征检测器，将所述至少一个第一显微图像转换成第一数据并将所述至少一个第二显微图像转换成第二数据；以及 通过确定所述第一数据与所述第二数据之间的特定度量距离是否在预定量范围内来确定所述相似性量度，其中所述预定量用数学函数确定。
41.根据权利要求33所述的计算机可访问介质，其中所述至少一个第一显微图像是从标记区域提取的，并且其中所述标记区域是所述物理对象的内容。
42.根据权利要求40所述的计算机可访问介质，其中所述标记区域对应于用户或对象身份。
43.根据权利要求33所述的计算机可访问介质，其中所述至少一个第一显微图像是从界标附近的区域提取的，并且其中所述界标是所述物理对象的内容。
44.根据权利要求33所述的计算机可访问介质，其中所述至少一个第一显微图像是从无标记区域提取的。
45.根据权利要求33所述的计算机可访问介质，其中所述至少一部分是基于手动跟踪来选择的，或者是通过使用所述处理配置在参考坐标系中自动跟踪来选择的。
46.根据权利要求45所述的计算机可访问介质，其中所述处理配置被设置在固定设备或手持式设备中。
47.根据权利要求33所述的计算机可访问介质，其中所述至少一个第一显微图像是当所述处理配置在预定义区域中移动时提取的，并且其中所述预定义区域是基于坐标参考系跟踪系统或手动操作来计算的。
48.根据权利要求33所述的计算机可访问介质，其中所述至少一个第一显微图像是以不接触所述物理对象表面的非侵入性方式提取的。
49.根据权利要求33所述的计算机可访问介质，其中所述处理配置具有特定配置，其中基于预定量来固定与所述处理配置配合的入射光源的角度和距离，其中基于预定量来固定与所述入射光源配合的捕获屏幕或镜头的角度和距离，并且其中所述预定量是基于数学函数的。
50.根据权利要求49所述的计算机可访问介质，其中所述光源为提供多谱段电磁辐射的可见光、红外光、紫外光或它们的组合中之一。
51.根据权利要求33所述的计算机可访问介质，其中所述入射光源装置与偏振器配口 ο
52.根据权利要求33所述的计算机可访问介质，其中所述入射光源装置被设置在附接至显微镜的移动电话中， 并且其中所述显微镜是手持式显微镜或手持式通用串行总线显微镜。
53.根据权利要求33所述的计算机可访问介质，其中所述入射光源装置被设置在附接至机器人臂或计算机数值控制器的显微镜中。
54.根据权利要求33所述的计算机可访问介质，其中所述至少一个第一显微图像是从老化的、篡改的、弄皱的或浸泡的所述物理对象接收的。
55.根据权利要求33所述的计算机可访问介质，还包括: 从所述至少一个第一显微图像的所述至少一个描述符生成能够被印刷、被写入、被嵌入或被压印在所述物理对象上的低维表示形式； 从所述至少一个第一显微图像的所述至少一个描述符生成低维表示形式；以及将所述低维表示形式与所述被印刷、被写入、被嵌入或被压印在所述物理对象上的低维表示形式进行比较，以校验所述相似性是否在预定量范围内，从而建立对所述物理对象的鉴别。
56.根据权利要求33所述的计算机可访问介质，其中通过使用秘密密钥加密技术或公开秘钥加密技术将所述物理对象鉴别为可信源。
57.根据权利要求33所述的计算机可访问介质，其中所述至少一个第一显微图像和所述至少一个描述符被存储在在线存储库中。
58.根据权利要求33所述的计算机可访问介质，其中沿着所述物理对象的表面从第一曲线提取一个或更多个显微图像，并且其中所述处理配置的移动被设置成沿着第二曲线，并且所述第二曲线类似于所述第一曲线并且是使用数学函数或手动操作预先确定的。
59.根据权利要求58所述的计算机可访问介质，其中所述第二曲线是从数学函数或者从用户特定动作或信号导出的。
60.根据权利要求33所述的计算机可访问介质，还包括: 使用所述处理配置，提取包括所述至少一个第一显微图像在内的多个显微图像，其中所述多个显微图像是从所述物理对象表面的基本上整个区域得到的。
61.根据权利要求33所述的计算机可访问介质，还包括:基于所述至少一个第一显微图像的所述至少一个描述符的计算集来匹配所述至少一个描述符。
62.根据权利要求33所述的计算机可访问介质，还包括通过如下步骤来执行对所述物理对象的鉴别和检验: 将所述处理配置指向预定区域，并且提取特定的显微图像；以及 处理所述至少一个第一显微图像中的一个或更多个第一显微图像以计算所述至少一个描述符，以便于使用距离度量来将存储的描述符与所计算的至少一个描述符进行比较。
63.根据权利要求33所述的计算机可访问介质，其中所述至少一个第一显微图像和所述至少一个第二显微图像每个均包括如下至少之一:静止图像和视频。
64.根据权利要求33所述的计算机可访问介质，其中所述至少一个描述符包括至少一个局部描述符或局部描述符。
65.一种用于检验和鉴别物理对象的一部分的系统，包括: 被配置成执行如下程序的计算配置: 接收所述物理对象的至少一部分的至少一个第一显微图像； 接收所述物理对象的所述至少一部分的至少一个第二显微图像；以及 将所述至少一个第一显微图像与所述至少一个第二显微图像相比较，以确定基于至少一个描述符的相似性量度是否在预定的范围或阈值内。
66.根据权利要求65所述的系统，其中所述物理对象的类型是织物、塑料、纸、帆布、玻璃、金属、金属复合材料或合金中的至少一种。
67.根据权利要求65所述的系统，其中所述物理对象具有特定的表面粗糙度或光散射特性。
68.根据权利要求65所述的系统，其中所述物理对象具有轮廓或曲率。
69.根据权利要求65所述的系统，其中所述计算配置是附接至显微镜装置的手持式计算设备或手机的一部分。
70.根据权利要求65所述的系统，其中所述至少一个第一显微图像包括纹理散斑图案，或者是所述物理对象的区域的视频的一部分。
71.根据权利要求65所述的系统，其中所述计算配置还被配置成执行: 使用对象不变的GaborPCA程序，将所述至少一个第一显微图像转换成第一低维表示形式并将所述至少一个第二显微图像转换成第二低维表示形式；以及 通过比较所述第一低维表示形式与所述第二低维表示形式之间的特定度量距离是否在预定量范围内来确定所述相似性量度，其中所述预定量用数学函数确定。
72.根据权利要求65所述的系统，其中所述计算配置还被配置成执行: 使用对象不变、尺度和旋转不变的梯度直方图特征检测器，将所述至少一个第一显微图像转换成第一数据并将所述至少一个第二显微图像转换成第二数据；以及 通过确定所述第一数据与所述第二数据之间的特定度量距离是否在预定量范围内来确定所述相似性量度，其中所述预定量用数学函数确定。
73.根据权利要求65所述的系统，其中所述至少一个第一显微图像是从标记区域提取的，并且其中所述标记区域是所述物理对象的内容。
74.根据权利要求72所述的系统，其中所述标记区域对应于用户或对象身份。
75.根据权利要求65所述的系统，其中所述至少一个第一显微图像是从界标附近的区域提取的，并且其中所述界标是所述物理对象的内容。
76.根据权利要求65所述的系统，其中所述至少一个第一显微图像是从无标记区域提取的。
77.根据权利要求65所述的系统，其中所述至少一部分是基于手动跟踪来选择的，或者是通过使用所述计算配置在参考坐标系中自动跟踪来选择的。
78.根据权利要求77所述的系统，其中所述处理配置被设置在固定设备或手持式设备中。
79.根据权利要求65所述的系统，其中所述至少一个第一显微图像是当所述计算配置在预定义区域中移动时提取的，并且其中所述预定义区域是基于坐标参考系跟踪系统或手动操作来计算的。
80.根据权利要求65所述的系统，其中所述至少一个第一显微图像是以不接触所述物理对象表面的非侵入性方式提取的。
81.根据权利要求65所述的系统，其中所述计算配置具有特定配置，其中基于预定量来固定与所述计算配置配合的入射光源的角度和距离，其中基于预定量来固定与所述入射光源配合的捕获屏幕或镜头的角度和距离，并且其中所述预定量是基于数学函数的。
82.根据权利要求81所述的系统，其中所述光源为提供多谱段电磁辐射的可见光、红外光、紫外光或它们的组合中之一。
83.根据权利要求65所述的系统，其中所述入射光源装置与偏振器配合。
84.根据权利要求65所述的系统，其中所述入射光源装置被设置在附接至显微镜的移动电话中，并且其中所述显微镜是手持式显微镜或手持式通用串行总线显微镜。
85.根据权利要求65所述的系统，其中所述入射光源装置被设置在附接至机器人臂或计算机数值控制器的显微镜中。
86.根据权利要求65所述的系统，其中所述至少一个第一显微图像是从老化的、篡改的、弄皱的或浸泡的所述物理对象接收的。
87.根据权利要求65所述的系统，其中所述计算配置还被配置成执行: 从所述至少一个第一显微图像的所述至少一个描述符生成能够被印刷、被写入、被嵌入或被压印在所述物理对象上的低维表示形式； 从所述至少一个第一显微图像的所述至少一个描述符生成低维表示形式；以及 将所述低维表示形式与所述被印刷、被写入、被嵌入或被压印在所述物理对象上的低维表示形式进行比较，以校验所述相似性是否在预定量范围内，从而建立对所述物理对象的鉴别。
88.根据权利要求65所述的系统，其中通过使用秘密密钥加密技术或公开秘钥加密技术将所述物理对象鉴别为可信源。
89.根据权利要求65所述的系统，其中所述至少一个第一显微图像和所述至少一个描述符被存储在在线存储库中。
90.根据权利要求65所述的系统，其中沿着所述物理对象的表面从第一曲线提取一个或更多个显微图像，并且其中所述计算配置的移动被设置成沿着第二曲线，并且所述第二曲线类似于所述第一曲线并且是使用数学函数或手动操作预先确定的。
91.根据权利要求58所述的方法，其中所述第二曲线是从数学函数或者从用户特定动作或信号导出的。
92.根据权利要求65所述的系统，其中所述计算配置还被配置成执行: 提取包括所述至少一个第一显微图像在内的多个显微图像，其中所述多个显微图像物理对象从所述物理对象表面的基本上整个区域得到。
93.根据权利要求65所述的系统，其中所述计算配置还被配置成执行: 基于所述至少一个第一显微图像的所述至少一个描述符的计算集来匹配所述至少一个描述符。
94.根据权利要求65所述的系统，其中所述计算配置还被配置成通过如下步骤来执行对所述物理对象的鉴别和检验: 将所述计算配置指向预定区域，并且提取特定的显微图像；以及 处理所述至少一个第一显微图像中的一个或更多个第一显微图像以计算所述至少一个描述符，以便于使用距离度量来将存储的描述符与所计算的至少一个描述符进行比较。`
95.根据权利要求65所述的系统，其中所述至少一个第一显微图像和所述至少一个第二显微图像每个均包括如下至少之一:静止图像和视频。
96.根据权利要求65所述的系统，其中所述至少一个描述符包括至少一个局部描述符或局部描述符。
【文档编号】G01N33/36GK103502811SQ201280020736
【公开日】2014年1月8日 申请日期:2012年3月19日 优先权日:2011年3月17日
【发明者】阿什列什·夏尔马, 拉克希米纳拉亚南·苏布拉马尼安, 埃里克·布雷韦尔 申请人:纽约大学