一种基于深度学习的纸张制作成因检验鉴定方法技术

本发明专利技术提供一种基于深度学习的纸张制作成因检验鉴定方法，其特征在于，包括以下步骤：步骤1：预定义纸张类别标签；步骤2，采集纹理图像；步骤3：图像数据增强；步骤4：图像纹理特征提取；步骤5，采集S类书籍的每一张纸张在X种不同的特定采集条件下的纹理图像，并完成数据增强和纹理特征提取。步骤6，采集待鉴定纸在X种不同的特定采集条件下的纹理图像，并完成数据增强和纹理特征提取，再进行图像纹理特征分类得到待鉴定纸在X种不同的特定采集条件下预测标签及标签概率值，最后按照权重重新计算标签概率值，得到该待鉴定纸张的最后标签。本发明专利技术的基于深度学习的纸张制作成因检验鉴定方法具有快速、精准的识别纸张，耗时少，成本低的优点。

【技术实现步骤摘要】
一种基于深度学习的纸张制作成因检验鉴定方法
本专利技术涉及计算机视觉
，特别涉及一种基于深度学习的纸张制作成因检验鉴定方法。
技术介绍
纸张是一种特殊的材料，是由纤维(主要是植物纤维)和其他固体颗粒物质(如胶料、填料、助剂等)交织结合而成的、具有多孔性网状物性质的特殊薄张材料。由于纸张是从事政治、经济、文化、艺术和日常生活的重要物品，在教育、商业、工业等行业中也应用广泛，因此涉及纸张的案件也比比皆是，如合同、契约、遗嘱、股票、支票、字画、传单、匿名信甚至尸块、凶器包装物等。因此，对纸张种类、品牌的检验在侦破案件中能够发挥关键作用，在法庭科学中也有重要意义。对纸张物证的分析检验在案件侦破中有着重要作用，因此，纸张鉴定一直是法庭科学研究领域中的一个重要研究方向。纸张的制备工艺主要包括纸料制备、打浆、加填、抄纸、脱水、干燥、压光和卷取等基本过程。因此，现有纸张检验技术主要都是从纸张的原材料出发，针对不同原材料的成分，使用不同方法，以获取准确的鉴定结果。但是，目前技术的鉴定方法存在缺陷：其对外界污染因素鲁棒性低，分析速度慢，成本高本文档来自技高网...

【技术保护点】
1.一种基于深度学习的纸张制作成因检验鉴定方法，其特征在于，包括以下步骤：/n步骤1：预先对不同类印刷方式的书籍纸张分别设置不同的标签，将同一本书籍的纸张归属同一类，同一类书籍采用一个标签，书籍种类数表示为S；/n步骤2：采集每一类书籍纸张在某种特定采集条件C

【技术特征摘要】
1.一种基于深度学习的纸张制作成因检验鉴定方法，其特征在于，包括以下步骤：
步骤1：预先对不同类印刷方式的书籍纸张分别设置不同的标签，将同一本书籍的纸张归属同一类，同一类书籍采用一个标签，书籍种类数表示为S；
步骤2：采集每一类书籍纸张在某种特定采集条件Cx下的k张纹理图像，对于S类书籍共得到S×k张纹理图像；
步骤3：对步骤2采集得到的每一张纹理图像均进行多种方式的图像数据增强，对于每一张纹理图像进行图像数据增强后均得到Sum张增强后的图像，对于S×k张纹理图像进行图像数据增强后共得到S×k×Sum张增强后的图像；
步骤4：对步骤3得到的S×k×Sum张增强后的图像使用卷积神经网络模型训练进行图像纹理特征提取，得到与该种特定采集条件Cx下的训练好的卷积神经网络模型ModelNx；
步骤5：将所有S类书籍按照步骤2方式采集每一张纸张分别在X种不同的特定采集条件C＝{Cx|x＝1,2,3,····,X}下的纹理图像，再按照步骤3至步骤4的方式处理得到与X种不同的特定采集条件C＝{Cx|x＝1,2,3,····,X}相对应的各种卷积神经网络模型ModelN＝{ModelNx|x＝1,2,3,····,X}；
步骤6：对于待鉴定纸张，按照步骤5的方式完成所有X种特定采集条件C＝{Cx|x＝1,2,3,····,X}下的纹理图像的采集，同种特定采集条件Cx下采集A张纹理图像，再按照步骤4进行图像纹理特征提取，然后再使用对应的训练好的卷积神经网络模型ModelN＝{ModelNx|x＝1,2,3,····,X}分别进行图像纹理特征分类，得到该待鉴定纸张分别在所有X种特定采集条件C＝{Cx|x＝1,2,3,····,X}下的预测标签及标签概率值，最后按照权重重新计算标签概率值，得到该待鉴定纸张的最后标签，该最后标签作为最终鉴定结果。


2.如权利要求1所述的基于深度学习的纸张制作成因检验鉴定方法，其特征在于：
其中，某种特定采集条件Cx是指同时满足某种特定的光学放大倍率且某种特定的光源环境的采集条件。


3.如权利要求1所述的基于深度学习的纸张制作成因检验鉴定方法，其特征在于：
其中，书籍种类数S满足：S≥78；
步骤2中k张纹理图像为选择每一类书籍空白处K处进行采集，k≥30。


4.如权利要求1所述的基于深度学习的纸张制作成因检验鉴定方法，其特征在于：
其中，步骤3中每一张纹理图像进行数据增强处理均包括图像缩放、图像旋转、图像翻转、图像对比度加强、同态滤波处理、图像去除噪处理。


5.如权利要求4所述的基于深度学习的纸张制作成因检验鉴定方法，其特征在于：
其中，对于每一张纹理图像首先读取该纹理图像，以向量的形式体现，然后按照如下步骤进行数据增强：
图像缩放：以裁剪的方式将向量分别缩放0.75倍、0.5倍、1倍、2倍，输出4个向量，再将缩放后的向量恢复成纹理图像，进行特定裁剪，得到4个增强后的图像；
图像旋转：以旋转的方式将向量在0-360度范围内依次平均每次旋转15度，得到24个不同旋转角度的向量，并将旋转后的向量恢复成纹理图像，进行特定裁剪，得到24个增强后的图像；
图像翻转：以翻转的方式将向量上下翻转、左右翻转、左对角线翻转、右对角线翻转，得到4个向量，再将缩放后的向量恢复成纹理图像，进行特定裁剪，得到4个增强后的图像；
图像对比度加强：以直方图均衡化的方法实现对比度加强，对向量进行处理，使得映射范围是[0，255]，得到向量，并将对比度加强后的向量恢复成纹理图像，进行特定裁剪，得到1个增强后的图像；
同态滤波处理：以同态滤波的方法对向量进行处理，指定一个滤波器函数H(u,v)，使得rH＝5rL＝0.5，得到向量，并将同态滤波后的向量恢复成纹理图像，进行特定裁剪，得到1个增强后的图像；
图像去除噪处理：使用均值滤波法、高斯滤波法、双边滤波法、引导滤波法、NLM算子、BM3D算子、频域滤波法、小波域滤波法、P-M方程去噪法、TV法去噪中的任意一种去除噪音的方法处理，得到向量,并向量恢复成纹理图像，进行特定裁剪，得到1个增强后的图像。


6.如权利要求5所述...

【专利技术属性】
技术研发人员：朱子奇，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北;42