一种基于云平台的银行票据指纹特征防伪鉴别方法技术

本发明专利技术公开了一种基于云平台的银行票据指纹特征防伪鉴别方法，包括如下步骤：S1，采集大张票据的多光谱图像；S2，对采集的所述多光谱图像进行预处理，得到标准的单张票据图像，并将所有的单张票据图像的指纹特征存储到云平台；S3，采集待检测票据的图像信息，结合云平台存储的单张票据图像的指纹特征，通过双色纤维检测、荧光图案检测、红外图像消隐特征检测分别对采集的图像信息进行检测；S4，当三种检测均判定待检测票据为真时，判定待检测票据为真，否则，判定待检测票据为假。该方法消除了单一的票据鉴别技术进行防伪鉴定的弊端，有效地提高了防伪鉴定的准确性。

【技术实现步骤摘要】

本专利技术涉及一种金融票据防伪鉴别方法，尤其涉及一种基于云平台的银行票据指纹特征防伪鉴别方法，属于防伪鉴伪

技术介绍
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，在现有的票据防伪鉴别方法中，常常采用提取纤维特征进行票据防伪鉴别。在紫外光照射下，纤维有荧光效应，便于提取防伪特征。但是，在这个防伪鉴别过程中，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。为了解决上述问题，在专利号为ZL201110362933.1的中国专利技术专利中提出了一种基于纤维个性化特征的票据防伪鉴别方法，包括如下步骤：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；采用极大值滤波器进行图像滤波，将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；采用优化的二维熵分割算法分割票据图像，检测纤维目标；提取纤维目标的防伪特征，防伪特征为质心坐标、面积、曲率和矩特征中的一个或多个；基于防伪特征进行特征匹配，鉴别票据的真伪。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。虽然上述方法能在一定程度上提高防伪鉴别的准确性。但是，随着科学技术的发展和进步，违法分子制作假票据的水平也随着新版票据的出现而变化，造假水平也越来越高。单一的票据鉴别技术难以保证对票据进行防伪鉴定的准确性。
技术实现思路
针对现有技术的不足，本专利技术所要解决的技术问题在于提供一种基于云平台的银行票据指纹特征防伪鉴别方法。为实现上述专利技术目的，本专利技术采用下述的技术方案：一种基于云平台的银行票据指纹特征防伪鉴别方法，包括如下步骤：S1，采集大张票据的多光谱图像；S2，对所述多光谱图像进行预处理，得到标准的单张票据图像，将所有的单张票据图像的指纹特征存储到云平台；S3，采集待检测票据的图像信息，结合云平台存储的单张票据图像的指纹特征，通过双色纤维检测、荧光图案检测、红外图像消隐特征检测分别对所述图像信息进行检测；S4，当三种检测均判定待检测票据为真时，判定待检测票据为真，否则，判定待检测票据为假。其中较优地，在步骤S2中，对所述多光谱图像进行预处理，得到标准的单张票据图像，包括如下步骤：S21，依据畸变系数和畸变模型，对采集的大张票据的多光谱图像进行畸变校正；S22，对进行畸变校正后得到的图像，进行定标裁剪得到标准的单张票据图像。其中较优地，在步骤S22中，对进行畸变校正后得到的图像，进行定标裁剪得到标准的单张票据图像，包括如下步骤：S221，对于大张票据的白光反射图像WIMG，将RGB颜色空间转换到HSV颜色空间；S222，采用固定阈值分割方法，将白光反射图像WIMG中H、S分量分别在第一固定区间内的像素点作为目标点，得到二值分割图像；S223，采用与票据水溶线尺寸相同的矩形窗对图像进行扫描，统计矩形窗内的目标点数目，如果目标点数据超出矩形窗尺寸的1/3，则检测到水溶线位置，记录矩形窗中心位置为(x0,y0)；S224，以坐标点(x0-w1,y0-h1)为票据起点，依据票据尺寸进行单张票据图像的裁剪，得到标准的单张票据图像，其中，w1为票据水溶线区域中心距离票据左侧的距离，h1为票据水溶线区域中心距离票据上侧的距离。其中较优地，在步骤S3中，采集待检测票据的图像信息，通过双色纤维检测对采集的图像信息进行检测，包括如下步骤：S301，分别采集待检测票据的正面的紫外反射图像FIMG和背面的紫外反射图像BIMG，并将其转换成HSV格式的图片；S302，根据票据中红蓝纤维的特点，将HSV格式的图片中H、S分量分别在第二固定区间内的像素点作为目标点，进行H、S分量粗分割，在V分量上采用OTSU阈值分割算法进行图像细分割；S303，对分割后的图形进行纤维目标提取；S304，获取同一条纤维分别在正面的紫外反射图像FIMG和背面的紫外反射图像BIMG中呈现的纤维，对正面的紫外反射图像FIMG和背面的紫外反射图像BIMG中的纤维进行匹配，如果两条纤维相匹配,待检测票据通过双色纤维检测；否则，待检测票据为假票。其中较优地，在进行双色纤维检测待检测票据的真伪时，进一步通过双色特性判决待检测票据的真伪。其中较优地，所述通过双色特性判决待检测票据的真伪包括如下步骤：对于同一条纤维，分别提取其在正面的紫外反射图像FIMG和背面的紫外反射图像BIMG中H分量的最小值、平均值和最大值，分别记为构建的双色特性判决函数为：判断F的值；如果F不为零，则所述纤维满足双色特性，待检测票据为真；否则，所述纤维不满足双色特性，待检测票据为假。其中较优地，在步骤S3中，采集待检测票据的图像信息，结合云平台存储的单张票据图像的指纹特征，通过荧光图案检测对采集的图像信息进行检测，包括如下步骤：S311，分别采集待检测票据的正面的紫外反射图像FIMG和背面的紫外反射图像BIMG，并将其转换成HSV格式的图片；S312，对正面的紫外反射图像FIMG的V分量，进行小波变换，获取变换后的低频信息FIMG0；S313，对所述低频信息FIMG0的V分量，采用OTSU阈值分割算法进行图像细分割；S314，从云平台提取标准的单张票据图像的指纹特征，将细分割后的图像的荧光图案特征与标准的单张票据图像的荧光图案特征进行匹配，通过相关系数的值判断票据的真假。其中较优地，在步骤S314中，所述相关系数的计算公式为：其中，FIMG0(x，y)为正面的紫外反射图像FIMG在V分量上的低频信息；MIMG(x，y)为标准的单张票据图像的二值模板图像；当相关系数大于荧光图案检测阈值时，判定荧光图案满足防伪要求；票据为真；否则，判定荧光图案不满足防伪要求，票据为假。其中较优地，在步骤S3中，采集待检测票据的本文档来自技高网...

【技术保护点】
一种基于云平台的银行票据指纹特征防伪鉴别方法，其特征在于包括如下步骤：S1，采集大张票据的多光谱图像；S2，对所述多光谱图像进行预处理，得到标准的单张票据图像，将所有的单张票据图像的指纹特征存储到云平台；S3，采集待检测票据的图像信息，结合云平台存储的单张票据图像的指纹特征，通过双色纤维检测、荧光图案检测、红外图像消隐特征检测分别对所述图像信息进行检测；S4，当三种检测均判定待检测票据为真时，判定待检测票据为真，否则，判定待检测票据为假。

【技术特征摘要】
1.一种基于云平台的银行票据指纹特征防伪鉴别方法，其特征在于包括如下步骤：
S1，采集大张票据的多光谱图像；
S2，对所述多光谱图像进行预处理，得到标准的单张票据图像，将所有的单张票据图像
的指纹特征存储到云平台；
S3，采集待检测票据的图像信息，结合云平台存储的单张票据图像的指纹特征，通过双
色纤维检测、荧光图案检测、红外图像消隐特征检测分别对所述图像信息进行检测；
S4，当三种检测均判定待检测票据为真时，判定待检测票据为真，否则，判定待检测票
据为假。
2.如权利要求1所述的基于云平台的银行票据指纹特征防伪鉴别方法，其特征在于在
步骤S2中，对所述多光谱图像进行预处理，得到标准的单张票据图像，包括如下步骤：
S21，依据畸变系数和畸变模型，对采集的大张票据的多光谱图像进行畸变校正；
S22，对进行畸变校正后得到的图像，进行定标裁剪得到标准的单张票据图像。
3.如权利要求2所述的基于云平台的银行票据指纹特征防伪鉴别方法，其特征在于在
步骤S22中，对进行畸变校正后得到的图像，进行定标裁剪得到标准的单张票据图像，包括
如下步骤：
S221，对于大张票据的白光反射图像WIMG，将RGB颜色空间转换到HSV颜色空间；
S222，采用固定阈值分割方法，将白光反射图像WIMG中H、S分量分别在第一固定区间内
的像素点作为目标点，得到二值分割图像；
S223，采用与票据水溶线尺寸相同的矩形窗对图像进行扫描，统计矩形窗内的目标点
数目，如果目标点数据超出矩形窗尺寸的1/3，则检测到水溶线位置，记录矩形窗中心位置
为(x0,y0)；
S224，以坐标点(x0-w1,y0-h1)为票据起点，依据票据尺寸进行单张票据图像的裁剪，
得到标准的单张票据图像，其中，w1为票据水溶线区域中心距离票据左侧的距离，h1为票据
水溶线区域中心距离票据上侧的距离。
4.如权利要求1所述的基于云平台的银行票据指纹特征防伪鉴别方法，其特征在于在
步骤S3中，采集待检测票据的图像信息，通过双色纤维检测对采集的图像信息进行检测，包
括如下步骤：
S301，分别采集待检测票据的正面的紫外反射图像FIMG和背面的紫外反射图像BIMG，
并将其转换成HSV格式的图片；
S302，根据票据中红蓝纤维的特点，将HSV格式的图片中H、S分量分别在第二固定区间
内的像素点作为目标点，进行H、S分量粗分割，在V分量上采用OTSU阈值分割算法进行图像
细分割；
S303，对分割后的图形进行纤维目标提取；
S304，获取同一条纤维分别在正面的紫外反射图像FIMG和背面的紫外反射图像BIMG中
呈现的纤维，对正面的紫外反射图像FIMG和背面的紫外反射图像BIMG中的纤维进行匹配，
如果两条纤维相匹配,待检测票据通过双色纤维检测；否则，待检测票据为假票。
5.如权利要求1所述的基于云平台的银行票据指纹特征防伪鉴别方法，其特征在于：
在进行双色纤维检测待检测票据的真伪时，进一步通过双色特性判决待检测票据的真
伪。
6.如权利要求5所述的基于云平台的银行票据指纹特征防伪鉴别方法，其特征在于所
述通过双色特性判决待检测票据的真伪包括如下步骤：
对于同一条纤维，分别提取其在正面的紫外反射图像FIMG和背面的紫外反射图像BIM...

【专利技术属性】
技术研发人员：陈章永，谢剑斌，黄正桥，曾倩，刘通，李沛秦，高翔，周启元，
申请(专利权)人：中钞实业有限公司，
类型：发明
国别省市：北京;11