一种基于骨骼宽度变换统计差异的防伪认证方法

1.本发明属于防伪与信息安全技术领域，具体涉及一种基于骨骼宽度变换统计差异的防伪认证方法。


背景技术：

2.长期以来，假冒伪劣产品对世界经济和消费者造成了严重危害，产品的防伪一直为人们所关注，其中防伪标识是最常用的一种防伪手段。通常的防伪标识是指能粘贴、印刷、转移在产品表面或包装上，具有防伪作用的标识。传统的方法有直观法、手摸法、质感法、透视法以及仪器检测法等多种，但是这些方法要么可靠性不高，要么操作不方便。随着智能手机快速发展，数字图像的获取越来越容易，利用数字图像技术进行防伪标识真伪鉴别已经是一种既快捷又方便，并且具有一定可靠性的防伪方法，同时也是目前产品防伪技术的一个发展趋势。因此，基于数字图像进行防伪图案真伪自动识别方法和系统的研究成为社会经济发展的迫切要求。
3.但是，由于实际中存在复杂的背景环境影响，现有的基于图像的人工智能技术应用于防伪认证中，存在识别准确率不高的问题，这使得利用图像技术在印刷防伪领域的应用变得更加具有挑战性。目前防伪方法采用机器视觉鉴别不多，主要采用防伪材料为主，不便于无经验用户的验证。


技术实现要素：

4.本发明要解决的技术问题是：提供一种基于骨骼宽度变换统计差异的防伪认证方法，用于快速识别待测防伪图像的真伪。
5.本发明为解决上述技术问题所采取的技术方案为：一种基于骨骼宽度变换统计差异的防伪认证方法，包括以下步骤：
6.s1：随机生成唯一的、具有细小条状纹理的防伪图案的标识，并与唯一的产品绑定；将防伪图案存储至云端认证平台作为样本图像；
7.s2：用户采集产品的防伪图案，作为待测图像上传至云端认证平台；
8.s3：云端认证平台匹配待测图像的身份明码与预设的样本图像的身份明码，并通过样本图像校正待测图像；
9.s4：分别对样本图像和校正后的待测图像进行二值化处理、提取二值图的骨架得到骨架图、融合骨架图和二值图得到融合图；
10.s5：采用骨骼宽度变换算法对应提取待测图像的关键区域与样本图像的关键区域；
11.s6：通过对比待测图像的关键区域与样本图像的关键区域的差异性，识别待测图像的真伪。
12.按上述方案，所述的步骤s1中，具体步骤为：
13.s11：随机生成唯一的、具有细小条状纹理的防伪图案；
14.s12：基于油墨流动随机性使用打印机打印防伪图案生成防伪标识并绑定在位移的产品上，使产品与防伪图案一物一码，一一对应；
15.s13：采集防伪标识的数字图像存储至云端认证平台作为样本图像。
16.按上述方案，所述的步骤s5中，具体步骤为：
17.s51：对融合图进行骨骼宽度变换计算；分别在样本图像的融合图和校正后的待测图像的融合图上，根据骨架函数f(x)计算骨架上各点的法线方向θ，则骨架上点a的法线方向表示为：
[0018][0019]
设骨架二值图中(i,j)位置的像素值为g(i,j)，对骨架进行梯度计算获取骨架线两边的梯度变化值，利用水平垂直梯度获取梯度方向τ为：
[0020][0021][0022][0023]
将骨架的梯度方向看作法线方向，根据内外法线方向分别寻找边缘点，当搜寻到背景点时停止遍历，则该点为所求的边缘点：
[0024][0025]
设和为防伪图像二值图中(i,j)位置沿τ内外两个方向移动后的像素值，则两个边缘点q、p之间的距离构成骨骼宽度w＝||q-p||；
[0026]
s52：通过去噪处理去掉异常值，并剔除端点、单独点，将剩下的小于骨骼宽度阈值t的骨架点作为关键点；设骨架点的骨骼宽度为d(
·
)，则判断关键点的单位阶跃函数sq(
·
)为：
[0027][0028]
s53：选用n
×
n的模板进行连通域分析，连通骨架点确定连通区域的大小；然后将每个连通区域构造矩形并向四周扩展m个像素构成关键区域。
[0029]
进一步的，所述的步骤s52中，设骨骼宽度阈值t为3个像素，图像归一化为400*400；所述的步骤s53中，n＝5，m＝2。
[0030]
进一步的，所述的步骤s52中，具体步骤为：当某点的骨骼宽度值出现突变时，则将该点的骨骼宽度作为噪声点通过去噪处理剔除。
[0031]
进一步的，所述的步骤s52中，具体步骤为：当某点的骨骼宽度值小于骨骼宽度阈值t时，将该点作为细微区域；若在该点h
×
h窗口内只有该点小于骨骼宽度阈值t，则认为该点是单独点或端点进行剔除。
[0032]
进一步的，所述的步骤s6中，具体步骤为：
[0033]
s61：将所有的关键区域分别对应到样本图像的二值图的连通域内和待测图像的二值图的连通域内，分别对待测图像的二值图和样本图像的二值图进行8邻域的连通域分析；
[0034]
s62：统计各关键区域拥有的连通标签，对比待测图像的关键区域和样本图像的关键区域的差异性，确定待测图像的真伪性；
[0035]
设nd_boundary(i)和ns_boundary(i)分别为待测图像和样本图像在第i个细微区域中所拥有的连通标签数量，则各关键区域的差异性判断公式为：
[0036][0037]
s63：若待测图像中细微区域的差异性数量总和sum(num(i))大于判断阈值ρ时，则判断待测图像是伪造的；若待测图像中细微区域的差异性数量总和sum(num(i))小于等于判断阈值ρ，则判断该待测图像是真品：
[0038][0039]
进一步的，所述的步骤s63中，设判断阈值ρ为细微区域总数的30％。
[0040]
一种计算机存储介质，其内存储有可被计算机处理器执行的计算机程序，该计算机程序执行一种基于骨骼宽度变换统计差异的防伪认证方法。
[0041]
本发明的有益效果为：
[0042]
1.本发明的一种基于骨骼宽度变换统计差异的防伪认证方法，采用骨骼宽度变换提取待测图像的关键区域，通过对比样本图像和待测图像的关键区域连通性，实现了快速识别待测防伪图像的真伪的功能。
[0043]
2.本发明提高了基于图像技术的防伪查询认证系统的性能，提高了鉴别鲁棒性，减少了误判率，为进一步判别防伪图案的真伪提供了可靠依据；采用一物一码的方式，增加了伪造成本和难度。
[0044]
3.本发明操作方法简单易行，无需学习鉴别知识和采用特定设备，采用随身携带的手机拍照就可进行鉴别操作，高效便捷，提升了鉴别速度，具有广阔的应用前景。
附图说明
[0045]
图1是本发明实施例的流程图。
[0046]
图2是本发明实施例的具有随机细小纹理的防伪图案。
[0047]
图3是本发明实施例的防伪图案的骨架提取处理效果图。
[0048]
图4是本发明实施例的骨骼宽度变换的处理效果图。
[0049]
图5是本发明实施例的骨骼宽度变换中计算异常的噪声图。
[0050]
图6是本发明实施例的细微区域构建过程图。
[0051]
图7是本发明实施例的防伪图案的细微区域图。
[0052]
图8是本发明实施例的防伪图案二值图的连通域标记图。
[0053]
图9是本发明实施例的样本图像和伪造图像在关键区域的连通性差异图。
具体实施方式
[0054]
下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0055]
本发明所采用的技术方案是：首先在产品上粘贴或印刷互不相同的拥有纹理特征的防伪标识，并采集图像上传到云端防伪原始信息数据库中作为样本，然后通过客户拍摄产品的待测防伪标识并上传到认证中心，利用骨骼宽度变换算法进行样本关键区域提取，并对比待测防伪图像的关键区域的差异性来识别其真伪。
[0056]
参见图1，本发明实施例的一种方法，包括以下步骤：
[0057]
s1：在产品上粘贴或印刷具有随机细小条状纹理的防伪图案的标识，如图2所示。每一个防伪图案互不相同，具有唯一性，保证产品的一物一码。同时防伪图案的特征信息会提前录入到云端的防伪原始信息数据库中作为样本，供后续防伪认证程序进行调用。
[0058]
s2：客户通过专用软件拍摄采集售卖产品上的防伪标识图像，并由该软件自动上传云端服务器的认证中心进行验证。
[0059]
s3：在云端服务器上，将待测图像身份明码和云端原始样本图像身份明码进行匹配，然后利用样本图像校正待测图像。
[0060]
s4：对样本图像和校正后的待测图像进行二值化处理，提取二值图的骨架，融合骨架图和二值图，用于计算骨骼宽度变换，如图3所示，图中提取白色区域的骨架后，融合到二值图中，融合图中细线条代表骨架。
[0061]
融合后的图像先求取骨架上各点的法线方向θ，法线方向可根据骨架函数f(x)计算出来，其骨架上点a的法线方向可表示为：
[0062][0063]
图像中骨架以离散点集的形式存在，其骨架函数需要用点集进行曲线拟合获取，然后再计算各点的法线方向，该过程计算复杂且运算时间长，因此，利用对骨架进行梯度计算，获取骨架线两边的梯度变化值，其中梯度计算可以采用简单的水平垂直差分法，利用水平垂直梯度获取梯度的方向τ，计算公式如下：
[0064][0065]
[0066][0067]
其中g(i,j)为骨架二值图中(i,j)位置的像素值，骨架的梯度方向可看作其法线方向，然后根据内外法线方向分别寻找边缘点，当搜寻到背景点时，则停止遍历，该点为要求的边缘点。
[0068][0069]
其中和为防伪图像二值图中(i,j)沿τ内外两个方向移动后的像素值，这两个边缘点q、p之间的距离构成骨骼宽度w＝||q-p||，如图4所示，其中折线为提取的骨架，点p和q是骨骼边界上的像素，箭头为法线方向，w为骨骼宽度。
[0070]
s5：骨骼宽度变换提供了防伪图案的二值图中图案纹理的宽度。但是由于骨架提取过程中，部分折角处会出现计算偏差，导致骨骼宽度计算异常，如图5所示。但这些异常值出现频率很低，可以当作噪声点进行处理，即骨骼宽度值出现剧烈突变时，则该点骨骼宽度为噪声点，需进行去噪处理。
[0071]
s6：为了提取防伪图案的关键区域即宽度较窄的笔画，根据骨骼宽度值找到宽度较小的位置，如当骨骼宽度值小于宽度阈值t时，该点将作为细微区域，由于简单的以宽度阈值作为判断依据会导致一些端点、单独点误判为细微区域，因此需要剔除这些干扰点，单独点可以根据连通域中点的数量进行判断，如在该点3
×
3窗口内只有该点小于宽度阈值，则认为是单独点或端点进行剔除。
[0072]
s7：通过异常值去噪处理和端点、单独点的剔除，剩下的小于骨骼宽度阈值的骨架点作为关键点。判断关键点的单位阶跃函数sq(
·
)如下：
[0073][0074]
其中d(
·
)为骨架点的骨骼宽度，t为骨骼宽度阈值，一般设置为3个像素(图像归一化为400*400)。
[0075]
s8：对于关键区域的构建，不能简单以单个骨架关键点构造区域，特别是部分窄长细微区域，其相邻的满足条件骨架关键点可以连在一起构成一个大的关键区域，因此，选用5
×
5的模板进行连通域分析，将骨架点进行连通，确定连通区域大小，然后将每一个连通区域构造矩形并向四周扩展2个像素，构成关键区域，如图7所示。
[0076]
s9：为了识别待测防伪图案的真伪性，需将待测防伪图案的二值图和预留样本的二值图都进行8邻域的连通域分析。然后对待测防伪图案和预留样本的关键区域的连通域分析来确定待测防伪图案的真伪性。其中连通域分析是将所有的关键区域分别对应到样本二值图和待测防伪图案二值图的连通域内，并统计各关键区域所拥有的连通标签，并进行对比判断。通常防伪图案中窄细笔画在伪造印刷时被断开，一般会形成两个连通域，而笔画间的细小缝隙在伪造印刷时被填充，则会由两个连通域变成一个连通域，如图9所示，很明显防伪图案的样本图像(图a)和伪造的待测图像(图b)在红框中所包含的连通区域是不同
的。各关键区域的差异性判断公式为：
[0077][0078]
其中nd_boundary(i)和ns_boundary(i)为待测防伪图案和预留样本在第i个细微区域中所拥有的连通标签数量。
[0079]
s10：当待测防伪图案中细微区域的差异性数量超过一定阈值时，可以认为是伪造的防伪图案：
[0080][0081]
其中差异性数量总和由sum(num(i))表示，ρ为判断阈值，一般将该阈值设置为细微区域总数的30％，小于该阈值，则认为该待测防伪图案是真品。
[0082]
以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。