[发明专利]基于纤维个性化特征的票据防伪鉴别方法

说明书

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0TSU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5×5～15×15像素范围内。

其中较优地，所述步骤(3)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；