專利名稱：一種基于dwt-dct變換的智能紋理防偽方法
技術(shù)領(lǐng)域：
本發(fā)明屬于紋理防偽技術(shù)領(lǐng)域。涉及一種小波變換(DWT)、離散余弦變換(DCT)和圖像視覺特征的智能紋理防偽技術(shù)，具體是一種可以實(shí)現(xiàn)自動(dòng)鑒別紋理防偽標(biāo)簽的方法。
背景技術(shù)：
假冒偽劣商品嚴(yán)重危害消費(fèi)者的合法權(quán)益，嚴(yán)重破壞整個(gè)社會(huì)經(jīng)濟(jì)運(yùn)行的規(guī)則，是個(gè)嚴(yán)肅的社會(huì)和政治問題。為解決假冒偽劣的問題，利用防偽技術(shù)勢在必行。防偽技術(shù)是一種用于識(shí)別真?zhèn)尾⒎乐辜倜?、仿造行為的技術(shù)手段，從技術(shù)特征和功能進(jìn)化角度劃分，目前防偽技術(shù)可以分為以下五代產(chǎn)品:激光標(biāo)簽、查詢式數(shù)碼防偽標(biāo)簽、紋理防偽標(biāo)簽、安全線防偽紙技術(shù)及其應(yīng)用產(chǎn)品、手機(jī)互聯(lián)網(wǎng)防偽技術(shù)。其中紋理防偽屬于第三代防偽技術(shù)，因?yàn)槠錁O難偽造、先查后買、查詢結(jié)論準(zhǔn)確可靠的優(yōu)點(diǎn)得到大家的喜愛。目前對(duì)紋理防偽標(biāo)簽的鑒別方法主要分為感官鑒別方法和查詢真?zhèn)巍８泄勹b別方法就是用人眼觀察防偽紙內(nèi)的纖維絲和用手挑出防偽紙內(nèi)的纖維絲來辨別真?zhèn)?。查詢真?zhèn)畏椒ò?登陸互聯(lián)網(wǎng)、手機(jī)網(wǎng)或是發(fā)送短信輸入序列號(hào)得到對(duì)應(yīng)的防偽標(biāo)簽圖片，人眼進(jìn)行比對(duì)來鑒別真?zhèn)危浑娫捒头稍儊龛b別；利用手機(jī)二維碼掃描得到防偽標(biāo)簽圖片然后人眼比對(duì)來鑒別。上述紋理防偽方法在實(shí)際應(yīng)用中存在以下不足之處:1)需要人工比對(duì)。無法實(shí)現(xiàn)防偽標(biāo)簽的自動(dòng)鑒別，而是要用人眼來進(jìn)行人工比對(duì)，這在光線不足和視力不佳的情況下，用戶鑒別比較困難；2)紋理照片占據(jù)的數(shù)據(jù)庫容量大。企業(yè)在生產(chǎn)紋理防偽標(biāo)簽時(shí)，要對(duì)每個(gè)標(biāo)簽都要進(jìn)行拍照，把照片存放在數(shù)據(jù)庫中，當(dāng)防偽企業(yè)生產(chǎn)的紋理防偽標(biāo)簽較多時(shí)，要占據(jù)大量的存貯空間；3)紋理圖片下載速度慢。在進(jìn)行紋理防偽標(biāo)簽比對(duì)時(shí)，用戶先要從網(wǎng)上下載清晰的紋理照片，這樣耗時(shí)較長。為此，常規(guī)的紋理防偽技術(shù)，在鑒別的智能化、快速性和所占存貯空間方面，都存在一定的缺點(diǎn)。特別是自動(dòng)鑒別的智能化算法研究，目前尚未見公開報(bào)道。而在實(shí)際應(yīng)用中智能紋理防偽技術(shù)是發(fā)展趨勢，鑒別方式智能化勢在必行。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于DWT-DCT變換的智能紋理防偽方法，它具有自動(dòng)鑒別紋理圖像的能力。主要工作原理是:用戶先對(duì)紋理防偽標(biāo)簽進(jìn)行手機(jī)拍照，提取圖像特征，再上傳圖像特征到服務(wù)器，在服務(wù)器中與數(shù)據(jù)庫中的原始防偽圖像的特征進(jìn)行比對(duì)，實(shí)現(xiàn)鑒別真?zhèn)巍２捎眠@種方法，可以實(shí)現(xiàn)紋理防偽的自動(dòng)鑒別，運(yùn)算速度很快，網(wǎng)絡(luò)傳輸時(shí)間短。為了實(shí)現(xiàn)上述目的，本發(fā)明是這樣進(jìn)行的:先對(duì)紋理圖像進(jìn)行小波變換，得到“近似系數(shù)”和“細(xì)節(jié)系數(shù)”，根據(jù)小波原理可知?！敖葡禂?shù)”代表紋理圖像的低頻特性，反映的是紋理圖像的主要輪廓；“細(xì)節(jié)系數(shù)”代表紋理圖像的高頻特性，反映的是紋理圖像的細(xì)節(jié)信息。由于小波變換本事的抗幾何攻擊能力比較差，為此，我們先對(duì)紋理圖像進(jìn)行小波變換(DffT)，然后在對(duì)反映低頻特性的“近似系數(shù)”進(jìn)行全局余弦變換(DCT)，在DCT變換系數(shù)中，提取一個(gè)抗幾何攻擊的紋理圖像視覺特征向量，然后通過對(duì)待測的紋理圖像和數(shù)據(jù)庫中國的原始紋理圖像的視覺特征向量求歸一化相關(guān)系數(shù)，實(shí)現(xiàn)自動(dòng)鑒別紋理圖像，即紋理防偽的智能化。本發(fā)明所采用的方法包括建立紋理特征數(shù)據(jù)庫和圖像自動(dòng)鑒別兩大部分。第一部分為建立紋理特征數(shù)據(jù)庫，包括:(I)對(duì)每個(gè)原始紋理標(biāo)簽圖像(設(shè)有N個(gè)紋理標(biāo)簽)進(jìn)行小波變換，然后對(duì)近似系數(shù)進(jìn)行全局DCT變換，分別得到N個(gè)原始紋理標(biāo)簽圖像的視覺特征向量V(n)，I < n < N ; (2)將求出的這N個(gè)特征向量存放在紋理特征數(shù)據(jù)庫中。第二部分為紋理圖像的自動(dòng)鑒別，包括:(3)用戶用手機(jī)對(duì)待測的紋理標(biāo)簽圖像進(jìn)行掃描，同樣通過對(duì)待測圖像進(jìn)行小波變換，然后對(duì)近似系數(shù)進(jìn)行全局DCT變換，求出待測圖像的視覺特征向量V’，并將特征向量上傳到服務(wù)器；(4)求出數(shù)據(jù)庫中的所有紋理圖像的視覺特征向量V(n)和待測紋理圖像的視覺特征向量V’之間的歸一化相關(guān)系數(shù)NC(n)值；(5)求出NC(n)的最大值并將其返回到用戶手機(jī)上?，F(xiàn)對(duì)本發(fā)明的方法進(jìn)行詳細(xì)說明如下:我們選取一個(gè)帶黑框的紋理圖像作為原始紋理圖像，加黑色邊框是為了保證紋理圖像在幾何變換時(shí)能量守恒，原始紋理圖像記為F = {f(i, j) |f (i，j) G R ;1彡i彡NI，
j^N2}, f(i, j)表示原始紋理圖像的像素灰度值，為了便于運(yùn)算，我們假設(shè)NI = N2=N。第一部分:建立紋理特征數(shù)據(jù)庫I)通過對(duì)每個(gè)原始紋理圖像進(jìn)行小波變換，然后對(duì)小波變換的“近似系數(shù)”再進(jìn)行全局DCT變換，在DCT的低中頻系數(shù)中，得到原始紋理圖像的一個(gè)抗幾何攻擊和抗局部非線性幾何攻擊的視覺特征向量V (n)。

先依次對(duì)每個(gè)原始紋理圖片進(jìn)行小波分解，例如對(duì)第n個(gè)原始紋理圖像F (i，j)進(jìn)行L級(jí)小波分解獲得逼近子圖系數(shù)F\(i，j)。由于小波分解級(jí)數(shù)越高，占用的分解時(shí)間便會(huì)越長，因此智能防偽的疏散發(fā)耗時(shí)會(huì)長。在此，我們選用L= I。然后對(duì)逼近子圖F\(i，j)進(jìn)行全局DCT變換，得到DWT-DCT系數(shù)矩陣(i，j)，再對(duì)DWT-DCT系數(shù)矩陣進(jìn)行Zig-Zag掃描，得到頻率由低到高的DWT-DCT系數(shù)序列Y (j)，取前L個(gè)值，并通過符號(hào)運(yùn)算得到該紋理圖像的視覺特征向量V(n)。具體做法，當(dāng)系數(shù)值為正值和零時(shí)我們用“I”表示，系數(shù)為負(fù)值時(shí)用“0”表示，主要過程描述如下:FAl(i, j) = DWT2(F(i, j))FD (i，j) = DCT2 (FAl (i，j))Y(j) = Zig-Zag(FD(i, j))V (n) = Sign(Y (j))2)將求出的這N個(gè)特征向量存放在紋理特征數(shù)據(jù)庫中。第二部分:圖像自動(dòng)鑒別3)手機(jī)掃描待測紋理圖片，并求出紋理圖像的視覺特征向量V’ ；設(shè)待測紋理圖像為F’ (i,j)，經(jīng)過小波變換(DWT)，再對(duì)近似系數(shù)進(jìn)行全局DCT變換后得到DWT-DCT系數(shù)矩陣為FD’(i，j)，按上述Stepl的方法，求得待測圖像的視覺特征向量V’ ; FAl’(i，j) =DWT2(F，(i，j))
FD’ (i, j) =DCT2(FAl’(i，j))Y，(j) = Zig_Zag(FD’(i，j))V，= Sign(Y，(j))4)求出所有N個(gè)原始紋理圖像的視覺特征向量和待測紋理圖像的視覺特征向量V之間的歸一化相關(guān)系數(shù)NC (η)；
權(quán)利要求
1.一種基于DWT-DCT變換的智能紋理防偽方法，其特征在于:基于小波、余弦變換的抗幾何攻擊的特征向量的提取，并將數(shù)據(jù)庫技術(shù)、圖像小波變換、全局DCT變換、紋理圖像的視覺特征向量和數(shù)理統(tǒng)計(jì)中的歸一化相關(guān)系數(shù)的概念有機(jī)結(jié)合起來，實(shí)現(xiàn)了自動(dòng)鑒別紋理圖像的方法，該方法共分兩個(gè)部分，共計(jì)五個(gè)步驟: 第一部分是建立紋理特征數(shù)據(jù)庫； 1)通過對(duì)每個(gè)原始紋理圖像進(jìn)行小波變換，然后對(duì)小波變換的“近似系數(shù)”再進(jìn)行全局DCT變換，在DCT的低中頻系數(shù)中，得到原始紋理圖像的一個(gè)抗幾何攻擊和抗局部非線性幾何攻擊的視覺特征向量V (η)； 先依次對(duì)每個(gè)原始紋理圖片進(jìn)行小波分解:對(duì)第η個(gè)原始紋理圖像F(i，j)進(jìn)行L級(jí)小波分解獲得逼近子圖系數(shù)F\(i，j)，然后對(duì)逼近子圖F\(i，j)進(jìn)行全局DCT變換，得到DffT-DCT系數(shù)矩陣FD (i，j)，再對(duì)DWT-DCT系數(shù)矩陣進(jìn)行Zig-Zag掃描，得到頻率由低到高的DWT-DCT系數(shù)序列Y(j)，取前L個(gè)值，并通過符號(hào)運(yùn)算得到該紋理圖像的視覺特征向量V(η)，主要過程描述如下:FAl(i，j) = DWT2(F(i, j))FD(i，j) = DC T2(FAL(i，j))Y(j) = Zig-Zag(FD(i, j))V(n) = Sign(Y(j)) 2)將求出的這N個(gè)特征向量存放在紋理特征數(shù)據(jù)庫中； 第二部分:圖像自動(dòng)鑒別 3)手機(jī)掃描待測紋理圖片，并求出紋理圖像的視覺特征向量V’； 設(shè)待測紋理圖像為F’(i，j)，經(jīng)過小波變換(DWT)，再對(duì)近似系數(shù)進(jìn)行全局DCT變換后得到DWT-DCT系數(shù)矩陣為FD’(i，j)，按上述步驟I的方法，求得待測圖像的視覺特征向量V，;FAl’(i，j) = DWT2(F，(i，j))FD’(i，j) = DCT2(FAl’(i，j))Y，(j) = Zig-Zag (FD，(i, j))r = Sign(Yj (j)) 4)求出所有N個(gè)原始紋理圖像的視覺特征向量和待測紋理圖像的視覺特征向量V’之間的歸一化相關(guān)系數(shù)NC (η)； Ν€{η^ν-ψ- V2 {η) 5)返回NC(η)最大值到用戶手機(jī)； 利用歸一化相關(guān)系數(shù)NC的最大值，來確定紋理圖像與數(shù)據(jù)庫的原始紋理圖像的相似度。
全文摘要
本發(fā)明公開了一種基于DWT-DCT變換的智能紋理防偽方法，屬于紋理防偽技術(shù)領(lǐng)域。本發(fā)明的步驟是先建立特征數(shù)據(jù)庫，包括(1)通過對(duì)紋理圖像進(jìn)行小波變換，再對(duì)逼近子圖進(jìn)行全圖DCT變換，提取一個(gè)特征向量V(n)；(2)將求出的特征向量存放在紋理特征數(shù)據(jù)庫中；然后再進(jìn)行圖像自動(dòng)鑒別，包括(3)手機(jī)掃描待測紋理標(biāo)簽圖像，運(yùn)用步驟1的方法求出待測圖像的特征向量V’，并將上傳到服務(wù)器；(4)求出數(shù)據(jù)庫中的所有紋理圖像的特征向量V(n)和待測圖像的特征向量V’之間的歸一化相關(guān)系數(shù)NC(n)值；(5)將NC(n)最大值返回到用戶手機(jī)上。實(shí)驗(yàn)證明本發(fā)明具有自動(dòng)鑒別紋理圖像的能力，實(shí)現(xiàn)了智能紋理防偽技術(shù)。
文檔編號(hào)G06Q30/00GK103177452SQ20131013626
公開日2013年6月26日 申請日期2013年4月19日 優(yōu)先權(quán)日2013年4月19日
發(fā)明者李京兵, 黃夢醒, 白勇, 任佳 申請人:海南大學(xué)