專利名稱：一種基于dwt-dft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)、離散傅里葉變換(DFT)、和圖像視覺特征的智能紋理防偽技術(shù)，是一種可以實現(xiàn)自動鑒別紋理防偽標簽的方法。
背景技術(shù)：
假冒偽劣是社會一大危害，嚴重危害消費者的合法權(quán)益，嚴重破壞整個社會經(jīng)濟運行的規(guī)則。為解決假冒偽劣的問題，利用防偽技術(shù)是一種有效手段。防偽技術(shù)是一種用于識別真?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:激光標簽、查詢式數(shù)碼防偽標簽、紋理防偽標簽、安全線防偽紙技術(shù)及其應(yīng)用產(chǎn)品、手機互聯(lián)網(wǎng)防偽技術(shù)。其中紋理防偽屬于第三代防偽技術(shù)，因為其極難偽造、先查后買、查詢結(jié)論準確可靠的優(yōu)點得到大家的喜愛。目前對紋理防偽標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)、手機網(wǎng)或是發(fā)送短信輸入序列號得到對應(yīng)的防偽標簽圖片，人眼進行比對來鑒別真?zhèn)?；電話客服咨詢來鑒別；利用手機二維碼掃描得到防偽標簽圖片然后人眼比對來鑒別。上述鑒別方法在實際應(yīng)用中存在下列不足:1)需要人工比對。無法實現(xiàn)防偽標簽的自動鑒別，而是要用人眼來進行人工比對，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)紋理防偽標簽時，要對每個標簽都要進行拍照，把照片存放在數(shù)據(jù)庫中，當防偽企業(yè)生產(chǎn)的紋理防偽標簽較多時，要占據(jù)大量的存貯空間；3)紋理圖片下載速度慢。在進行紋理防偽標簽比對時，用戶先要從網(wǎng)上下載清晰的紋理照片，這樣耗時較長。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。特別是自動鑒別的智能化算法研究，目前尚未見公開報道。而在實際應(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-DFT變換的智能紋理防偽方法，它具有自動鑒別紋理圖像的能力。主要工作原理是:用戶先對防偽標簽進行手機拍照，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行比對，實現(xiàn)鑒別真?zhèn)巍２捎眠@種方法，可以實現(xiàn)計算機的自動鑒別，運算速度很快，網(wǎng)絡(luò)傳輸時間短。為了實現(xiàn)上述目的，本發(fā)明是這樣進行的:先對紋理圖像進行小波變換，得到“近似系數(shù)”和“細節(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，我們先對紋理圖像進行小波變換(DffT)，然后在對反映低頻特性的“近似系數(shù)”進行全局傅里葉變換(DFT)，在DFT系數(shù)中，提取一個抗幾何攻擊的紋理圖像視覺特征向量，然后通過對待測的紋理圖像和原始紋理圖像的視覺特征向量求歸一化相關(guān)系數(shù)，實現(xiàn)自動鑒別紋理圖像，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)對每個原始紋理標簽圖像(設(shè)有N個紋理標簽)進行小波變換，然后對近似系數(shù)進行全局DFT變換，分別得到N個原始紋理標簽圖像的視覺特征向量V(n)，
1≤ n ≤ N ； (2)將求出的這N個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鑒別，包括:(3)用戶用手機對待測的紋理標簽圖像進行掃描，同樣通過對待測圖像進行小波變換，然后對近似系數(shù)進行全局DFT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(η)值；(5)求出NC(η)的最大值并將其返回到用戶手機上?，F(xiàn)對本發(fā)明的方法進行詳細說明如下:我們選取一個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能量守恒，原始紋理圖像記為F = {f(i, j) |f (i，j) e R ;1≤i≤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)通過對每個原始紋理圖像進行小波變換，然后對小波變換的“近似系數(shù)”再進行全局DFT變換，在DFT的低中頻系數(shù)中，得到原始紋理圖像的一個視覺特征向量V (η)。先依次對每個原始紋理圖片進行小波分解，例如對第η個原始紋理圖像F (i，j)進行L級小波分解獲得逼近子圖系數(shù)F\(i，j)。由于小波分解級數(shù)越高，占用的分解時間便會越長，因此智能防偽的疏散發(fā)耗時會長。在此，我們選用L= I。然后對逼近子圖F\(i，j)進行全局DFT變換，得到DWT-DFT系數(shù)矩陣FF (i，j)，再對DWT-DFT系數(shù)矩陣進行Zig-Zag掃描，得到頻率由低到高的DWT-DFT系數(shù)序列Y (j)，取前L個值，并通過符號運算得到該紋理圖像的視覺特征向量V(n)。具體做法，當系數(shù)值為正值和零時我們用“I”表示，系數(shù)為負值時用“O”表示，主要過程描述如下:
權(quán)利要求
1.一種基于DWT-DFT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DFT變換、紋理圖像的視覺特征向量和數(shù)理統(tǒng)計中的歸一化相關(guān)系數(shù)的概念有機結(jié)合起來，實現(xiàn)了自動鑒別紋理圖像的方法，該方法共分兩個部分，共計五個步驟: 第一部分:建立紋理特征數(shù)據(jù)庫； 1)通過對每個原始紋理圖像進行小波變換，然后對小波變換的“近似系數(shù)”再進行全局DFT變換，在DFT的低中頻系數(shù)中，得到原始紋理圖像的一個視覺特征向量V(n)； 先依次對每個原始紋理圖片進行小波分解；對第η個原始紋理圖像F(i，j)進行L級小波分解獲得逼近子圖系數(shù)F\(i，j);然后對逼近子圖F\(i，j)進行全局DFT變換，得到DffT-DFT系數(shù)矩陣FF (i，j)，再對DWT-DFT系數(shù)矩陣進行Zig-Zag掃描，得到頻率由低到高的DWT-DFT系數(shù)序列Y(j)，取前L個值，并通過符號運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:
全文摘要
本發(fā)明公開了一種基于DWT-DFT變換的智能紋理防偽方法，屬于紋理防偽領(lǐng)域。本發(fā)明是先進行圖像特征提取，包括(1)對紋理圖像進行小波變換，再對逼近子圖進行DFT變換，提取一個特征向量V(j)；(2)將求出的這N個特征向量存放在紋理特征數(shù)據(jù)庫中；然后再進行圖像自動鑒別，包括(3)手機掃描待測紋理標簽圖像，運用步驟1的方法求出待測圖像的視覺特征向量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視覺特征向量V(n)和待測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)將NC(n)的最大值返回到用戶手機上。實驗證明本發(fā)明具有自動鑒別紋理圖像的能力，網(wǎng)絡(luò)傳輸速度快。
文檔編號G06Q30/00GK103236055SQ20131013635
公開日2013年8月7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, 周又玲, 沈重, 任佳 申請人:海南大學(xué)