一种花状枝晶图案的物理不可克隆性防伪标识的识读方法

1.本发明涉及模式识别技术，具体涉及一种透明花状枝晶图案防伪标识的识读方法。


背景技术：

2.利用物理不可克隆特征(physical unclonable function，puf)构造防伪标识是抵制伪造产品的重要手段，这类标识一般是由精密控制的复杂的工艺流程制备，具有多样化的随机图案，不仅难以逆向工程复制，而且识读过程也颇具挑战。
3.已有的物品指纹、随机分布纳米粒子、随机褶皱等物理不可克隆防伪标识的识读均采用深度学习的方法，通过采集图片进行大规模训练实现对相似图案的精确区分。然而深度学习作为防伪标识的识读方法存在以下问题：首先，深度学习要想实现高精确识读，需要依赖一个庞大的训练样本数量，以便提供充分数量的数据集，对少件数的贵重商品、定制化商品、小批量生产的高价值高精密产品等不适用。其次，深度学习是基于图像的神经网络学习，存储的是大量原始图像，对计算机内存占用很高。再次，深度学习需要前期漫长的训练过程，增加了时间成本，且训练过程对算力要求很高，随着图模型的复杂化导致算法的时间复杂度急剧提升，普通的cpu无法满足深度学习的要求，需要使用gpu和tpu，对硬件配置要求很高。最后，深度学习不能够对数据的规律性进行无偏差的估计，对识别结果的可解释性不高。
4.特征匹配在模式识别中是一种公认的对识别结果具有解释能力的高可靠性算法，在军事、国防、货币等关乎国家安全的领域，具有不可撼动的地位。构建特征描述符的参数匹配法不依赖样本数量，可以实现小样本群体的模式识别。特征参数匹配法存储的是图像的特征，是一系列具体的数值，存储方便占内存小。而且参数匹配法对算力要求低，无需高的cpu、gpu和tpu配置，极大降低了对运算器和处理器的配置要求。最重要的是，基于特征参数匹配法的模式识别对结果的判定具有发言权，可以通过不断修正特征向量的表示形式，优化识别结果的准确性。然而，不可克隆图案具有复杂的样式，如何构建能反映花状枝晶图案细微差异的特征描述符，不仅需要一系列的图像处理，也需要从大量模糊信息中摒弃无效信息提取有用信息，目前尚没有相关解决方案被提出。


技术实现要素：

5.为解决现有技术存在的问题，本发明提出一种花状枝晶图案的物理不可克隆性防伪标识的识读方法。
6.该花状枝晶图案由硅酸钠水溶液通过工艺调控形成，在扫描电镜或光学显微镜下呈现“胞状”、“多枝杂花状”、“十字状”、“细菌状”、“三枝杈状”和“枝杈密布状”六种花状枝晶图案。
7.在实际使用时，对于真实防伪标识，需要对防伪标识中的花状枝晶图案进行识读，包括类间的特征匹配和类内的匹配识别，建立对应该防伪标识的特征向量，所有真实防伪
标识的特征向量组成特征向量库。当对待识别标识进行判断时，首先通过类间的特征匹配判断标识中是否具有花状枝晶图案，以及具体是何种花状枝晶图案，再与特征向量库进行类内的匹配识别，判断是否是真实防伪标识。
8.本发明的技术方案为：
9.一种花状枝晶图案的识读方法，包括以下步骤：
10.步骤1：在显微镜下拍摄花状枝晶图案显微图像，并对图像进行预处理，包括均值滤波、二值化、形态学开处理、轮廓提取、连通域参数计算；
11.所述花状枝晶图案分为“胞状”、“多枝杂花状”、“十字状”、“细菌状”、“三枝杈状”和“枝杈密布状”六种；
12.步骤2：对花状枝晶图案显微图像进行轮廓数量判断，若轮廓个数达到设定阈值，则判断为“胞状”图案；否则进一步进行直线数量判断，若直线数量达到设定阈值，则判断为“枝杈密布状”图案；否则进一步绘制轮廓极坐标图d
–
θ，提取轮廓极坐标图d
–
θ中的波峰波谷数量，有三个波峰三个波谷的图案是“三枝杈”图案，有四个波峰四个波谷的图案是“十字状”图案，若波峰波谷数量不满足，则根据轮廓长度p和轮廓面积a计算形状参数sp：
[0013][0014]
sp值在[3.3，7.4]区间范围内的是“细菌状”图案，sp值在[19.4，27.1]区间范围内的是“多枝杂花状”图案。
[0015]
进一步的，步骤2中轮廓个数设定阈值为15，直线数量设定阈值为15。
[0016]
进一步的，所述花状枝晶图案通过以下步骤得到：
[0017]
步骤a：将硅酸钠水溶液进行预处理得到待用溶液，所述预处理过程包括静置、超声振荡、球磨粉碎；
[0018]
步骤b：将经过步骤a预处理之后的待用溶液涂覆在物体表面，在物体表面得到光滑平整无凹陷及残缺的均匀涂膜；
[0019]
步骤c：对经过步骤b处理后的涂膜进行固化处理，得到具有花状枝晶图案的无定形硅聚物；
[0020]
其中：步骤a中采用室温静置预处理，步骤c中固化条件为：在280～288k温度下保温不少于6h，得到花状枝晶图案为“胞状”图案；
[0021]
步骤a中采用室温静置预处理，步骤c中固化条件为：在297～306k温度下保温不少于6h，得到花状枝晶图案为“多枝杂花状”图案；
[0022]
步骤a中采用室温静置预处理，步骤c中固化条件为：先在280～288k温度下保温0.3～0.7h后，再按5～12k/min的升温速率升温至297～306k后保温不少于6h，得到花状枝晶图案为“十字状”图案；
[0023]
步骤a中采用超声振荡预处理，步骤c中固化条件为：先在297～306k温度下保温1～2h后，再按5～12k/min的升温速率升温至315～335k后保温不少于6h，得到花状枝晶图案为“细菌状”图案；
[0024]
步骤a中采用超声振荡预处理，步骤c中固化条件为：在297～306k温度下保温不少于6h，得到花状枝晶图案为“三枝杈状”图案；
[0025]
步骤a中采用正反向交替球磨预处理，步骤c中固化条件为：在297～306k温度下保
温不少于6h，得到花状枝晶图案为“枝杈密布状”图案。
[0026]
一种基于花状枝晶图案的防伪标识标准特征参数数据库建立方法，包括以下步骤：
[0027]
步骤a：对于制备完成的基于花状枝晶图案的防伪标识，在显微镜下提取产品防伪标识外轮廓，并按照防伪标识对应的花状枝晶图案选择相应的放大倍数，拍摄花状枝晶图案显微图像，并对图像进行预处理，包括均值滤波、二值化、形态学开处理、轮廓提取、连通域参数计算；
[0028]
步骤b：根据防伪标识对应的花状枝晶图案，建立该防伪标识对应的q
×
2维特征矩阵；所述q
×
2维特征矩阵由两个q维向量组成，对于“枝杈密布状”图案，两个q维向量的元素分别是图案的q分图像中各自最长直线段的长度占比和斜率；对于“胞状”、“多枝杂花状”、“十字状”、“细菌状”、“三枝杈状”图案，两个q维向量的元素分别是图案的q分图像中各自轮廓面积占比，以及各自轮廓数量在图案总轮廓数量中的占比；
[0029]
步骤c：对所有制备完成的基于花状枝晶图案的防伪标识重复步骤a和步骤b，得到各自对应的q
×
2维特征矩阵，所有防伪标识的q
×
2维特征矩阵组成特征参数数据库。
[0030]
进一步的，所述q取值范围为4～16范围内的偶数。
[0031]
进一步的，“胞状”图案的放大倍数为2000倍，“多枝杂花状”图案的放大倍数为100倍，“十字状”图案的放大倍数为300倍，“细菌状”图案的放大倍数为300倍，“三枝杈状”图案的放大倍数为100倍，“枝杈密布状”图案的放大倍数为300倍。
[0032]
一种花状枝晶图案的物理不可克隆性防伪标识的识读方法，包括以下步骤：
[0033]
步骤一：在显微镜下提取待识别防伪标识外轮廓，判断待识别防伪标识中是否具有花状枝晶图案，若无花状枝晶图案，则判断待识别防伪标识为虚假，若有花状枝晶图案，则进一步利用所述花状枝晶图案的识读方法确定待识别防伪标识中的花状枝晶图案种类；
[0034]
步骤二：根据待识别防伪标识中的花状枝晶图案种类，建立待识别防伪标识对应的q
×
2维特征矩阵；所述q
×
2维特征矩阵由两个q维向量组成，对于“枝杈密布状”图案，两个q维向量的元素分别是图案的k分图像中各自最长直线段的长度和斜率；对于“胞状”、“多枝杂花状”、“十字状”、“细菌状”、“三枝杈状”图案，两个q维向量的元素分别是图案的q分图像中各自轮廓面积占比，以及各自轮廓数量在图案总轮廓数量中的占比；
[0035]
步骤三：将待识别防伪标识的q
×
2维特征矩阵与真实防伪标识标准特征参数数据库中的每个特征矩阵进行欧式距离计算，若得到的最小欧式距离小于设定阈值，则判断该待识别防伪标识为真实防伪标识，否则为虚假防伪标识。
[0036]
有益效果
[0037]
本发明首先针对花状枝晶图案提出了相应的识读方法，实现对不同种类花状枝晶图案的类间判断，而对于同一类类花状枝晶图案，则利用图案形状特征构造特征描述算子，建立了相应的特征向量，从而能够进行类内的匹配识别。与机器学习相比，特征值和特征向量匹配极大地降低了运算难度，而且无需对整幅图像进行存储，只需存储图像特征，可以极大的降低内存占用，缓解对处理器和内存的压力，降低对软硬件配置的要求。
[0038]
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0039]
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0040]
图1为本发明方法的整体流程图。
[0041]
图2为本发明方法中防伪标识在显微镜下的中心点定位图。
[0042]
图3为本发明方法中图像预处理流程图。
[0043]
图4为本发明方法中六类图案分类识别过程流程图。
[0044]
图5为本发明方法中的轮廓极坐标图。
[0045]
图6为本发明方法中六分图像的参数求解示意图。(a)胞状；(b)“三枝杈状”；(c)“多枝杂花状”；(d)“十字状”；(e)“细菌状”；(f)“枝杈密布状”。
具体实施方式
[0046]
本发明是对基于花状枝晶图案的物理不可克隆性防伪标识进行识读，基于花状枝晶图案是由硅酸钠水溶液通过工艺调控形成，包括通过对无机硅酸钠水溶液(水玻璃)初始状态和固化过程的精确调控，主要考虑预处理、固化温度和固化时间，实现对固化后微观形貌的定向控制。包括以下步骤：
[0047]
步骤a：将硅酸钠水溶液进行预处理得到待用溶液，所述预处理过程包括静置、超声振荡、球磨粉碎；
[0048]
对于在室温下静置预处理，要求在室温静置不少于3天，达到自然老化状态，在溶液不变质条件下，老化程度越高越好；
[0049]
对于超声振荡预处理，在超声波清洗机中，超声振荡不少于10min；
[0050]
对于球磨粉碎，在行星式球磨机中正反向交替旋转球磨不少于0.5h。
[0051]
当然，不同的设备供应商，其设备功率、频率、速度等参数不同，预处理时间可作出相应变化，不局限。在保证效率和成本的情况下，酌情增加静置、超声处理和球磨处理的时间可得到更理想的硅酸钠或水玻璃溶液。
[0052]
步骤b：分别将经过步骤a不同预处理过程之后的待用溶液转移到各自的空气喷枪中，调整喷涂距离，分别开始在物体表面喷涂，每次喷涂要保证液滴在物体表面均匀分布，采用5-8次薄涂覆盖法，使物体表面的涂膜光滑平整，无气泡、缺陷和杂质；当然，采用其他如旋涂、涂装等在空气中的均匀涂覆方法也可以，确保涂膜表面光滑平整无凹陷和残缺即可。
[0053]
步骤c：对经过步骤b处理后的涂膜进行各自对应的固化处理，包括恒温固化、阶段升温固化、连续升温固化等不同的组合方式，得到可变花形的无定形硅聚物，这里的可变花形是不同硅酸聚合态形成的无定形笼状聚合物结构；得到的无定形硅聚物中的花状枝晶图案包括“胞状”、“多枝杂花状”、“十字状”、“细菌状”、“三枝杈状”和“枝杈密布状”六种。
[0054]
具体采用表1中的预处理、固化温度和固化时间组合方案，使涂膜充分固化。
[0055]
表1六类花形的制备条件
[0056][0057][0058]
对于上述花状枝晶图案的识读方法，包括以下步骤：
[0059]
步骤1：将印有花状枝晶图案防伪标识的产品置于光学显微镜或电子显微镜中，提取整个防伪标识的外轮廓，根据轮廓计算重心位置，以重心为放大缩小的中心，查取六类图案放大倍数表，拍摄花状枝晶图案显微图像，放大倍数的设置原则为保证视野中至少有一个完整的花状图案且图案所占像素不小于50
×
50pt。
[0060]
表2六类花状枝晶图案防伪标识的放大倍率
[0061]
花状枝晶图案放大倍率胞状2000x多枝杂花状100x十字状300x细菌状300x三枝杈状100x枝杈密布状300x
[0062]
对图像进行预处理，包括均值滤波、二值化、形态学开处理、轮廓提取、连通域参数计算；
[0063]
均值滤波：对图像做均值滤波去除噪声点，具体操作为对某像素点及其附近的8个临近像素构成一个滤波模版，然后用模版中全体像素的平均值来代替中心像素点像素值，即
[0064]
二值化：统计图像每一点的灰度值，绘制灰度分布直方图；因微图案与背景灰度值对比明显，呈现双峰特征，将两个山峰的顶点记为h
max1
和h
max2
，对应灰度值为t1和t2；在区间[t1，t2]内寻找阈值t，使min＝h
t
,，令h《h
t
，t＝0；h≥h
t
，t＝1。
[0065]
形态学开操作：先腐蚀后膨胀，腐蚀膨胀单元为3
×
3的像素块。
[0066]
轮廓提取：遍历形态学开操作后的二值图像，按逐行扫描方式进行判别，满足j≤t，i＝1；j》t，i＝0规则的点判定为轮廓点。
[0067]
连通域参数计算：周长和面积分别用opencv中的arclength和contourarea函数。
[0068]
步骤2：如图4所示，对花状枝晶图案显微图像进行分类识别：
[0069]
用opencv中的findcontours函数寻找图像中的轮廓，该函数会返回图像中轮廓的个数以及每一个轮廓曲线组成点的坐标数组，轮廓数量大于阈值(k＝15)的图案为“胞状”图案；
[0070]
利用霍夫直线检测算法houghlines统计图像中直线的个数，直线数量大于阈值(k＝15)的图案为“枝杈密布状”图案；
[0071]
利用moment函数可计算每一个轮廓的矩，进而可求出每一个轮廓的质心坐标，通过遍历即可求出轮廓上每一个点到质心的像素距离，绘制轮廓极坐标图d
–
θ，如图5所示，有三个波峰三个波谷的图案是“三枝杈”，有四个波峰四个波谷的图案是“十字状”；
[0072]
轮廓极坐标图d
–
θ的绘制方法为从轮廓上的一点为起始点，计算该点到图案中心点的距离ri，顺时针旋转一周并依次计算轮廓上的点与图案中心点的距离d，以距离d为纵坐标，旋转角度θ为横坐标绘图，即为轮廓极坐标图d
–
θ。
[0073]
利用arclength和contourarea函数可分别计算每一个轮廓的周长p与面积a，并计算形状参数sp：
[0074][0075]
sp值在[3.3，7.4]区间范围内的是“细菌状”，sp值在[19.4，27.1]区间范围内的是“多枝杂花”图案。
[0076]
对于批量得到的基于花状枝晶图案的防伪标识，通过构建特征描述符方式建立基于花状枝晶图案的防伪标识标准特征参数数据库，包括以下步骤：
[0077]
步骤a：对于制备完成的基于花状枝晶图案的防伪标识，在显微镜下提取产品防伪标识外轮廓，并按照防伪标识对应的花状枝晶图案选择相应的放大倍数，拍摄花状枝晶图案显微图像，并对图像进行预处理，包括均值滤波、二值化、形态学开处理、轮廓提取、连通域参数计算；
[0078]
步骤b：根据防伪标识对应的花状枝晶图案，建立该防伪标识对应的q
×
2维特征矩阵；所述q
×
2维特征矩阵由两个q维向量组成，所述q取值范围为4～16范围内的偶数，本实施例中取q＝6。即将步骤a处理后的图像等分6份，x方向均分3份，y方向均分2份，并按由左向右，由上向下的次序，将六等分图像编号#1～#6。
[0079]
对于“胞状”、“多枝杂花状”、“十字状”、“细菌状”和“三枝杈状”图案，依次计算图像#1～#6中像素值为1的像素点个数，然后用findcontours函数计算图像#1～#6中的轮廓连通域数量，如图6所示。
[0080]
对“枝杈密布”图案，用houghlines算法检测图像#1～#6中所含直线，获取每条直线上两个端点(x
min
，y
min
)、(x
max
，y
max
)，计算每条直线长度，在#1～#6等分区域中各选一条最长的直线段，计算最长线段的长度和斜率，如图6所示。
[0081]“胞状”、“多枝杂花状”、“十字状”、“细菌状”和“三枝杈状”图案统计方法相同，具体是依次计算图像#1～#6中像素值为1的点在1/6区域的面积占比和图像#1～#6中连通域数量占总连通域数量占比，用两个六维向量表示，n＝[n
x1
,n
x2
,n
x3
,n
x4
,n
x5
,n
x6
]
t
和s＝[s
x1
,s
x2
,s
x3
,s
x4
,s
x5
,s
x6
]
t
。
[0082]
对“枝杈密布”图案，先计算图像#1～#6中最长直线段对1/6区域对角线的长度占比，然后计算图像#1～#6中最长直线段的斜率，用两个六维向量表示l＝[l
x1
,l
x2
,l
x3
,l
x4
,
l
x5
,l
x6
]
t
和k＝[k
x1
,k
x2
,k
x3
,k
x4
,k
x5
,k
x6
]
t
。
[0083]
将两个六维向量组成矩阵，最终形成的6
×
2特征矩阵为：
[0084][0085]
每个花状枝晶图案都对应一个6
×
2特征矩阵，求解出所有六类花状枝晶图案的特征矩阵，分别建立六个特征矩阵数据库。
[0086]
基于上述方法，对于一个待识别防伪标识，通过以下步骤进行识读，判断是否为属于特征矩阵数据库中的真实防伪标识：
[0087]
步骤一：在显微镜下提取待识别防伪标识外轮廓，判断待识别防伪标识中是否具有花状枝晶图案，若无花状枝晶图案，则判断待识别防伪标识为虚假，若有花状枝晶图案，则进一步利用所述花状枝晶图案的识读方法确定待识别防伪标识中的花状枝晶图案种类；
[0088]
步骤二：根据待识别防伪标识中的花状枝晶图案种类，建立待识别防伪标识对应的6
×
2维特征矩阵；
[0089]
步骤三：将待识别防伪标识的6
×
2维特征矩阵与真实防伪标识标准特征参数数据库中的每个特征矩阵进行欧式距离计算：
[0090][0091][0092]
若得到的最小欧式距离小于设定阈值，则判断该待识别防伪标识为真实防伪标识，否则为虚假防伪标识。
[0093]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。