本发明专利技术公开了一种基于DWT-DFT变换的智能纹理防伪方法，属于纹理防伪领域。本发明专利技术是先进行图像特征提取，包括：(1)对纹理图像进行小波变换，再对逼近子图进行DFT变换，提取一个特征向量V(j)；(2)将求出的这N个特征向量存放在纹理特征数据库中；然后再进行图像自动鉴别，包括：(3)手机扫描待测纹理标签图像，运用步骤1的方法求出待测图像的视觉特征向量V’，并将上传到服务器；(4)求出数据库中的所有纹理图像的视觉特征向量V(n)和待测图像的视觉特征向量V’之间的归一化相关系数NC(n)值；(5)将NC(n)的最大值返回到用户手机上。实验证明本发明专利技术具有自动鉴别纹理图像的能力，网络传输速度快。
【技术实现步骤摘要】
本专利技术属于纹理防伪
涉及一种小波变换(DWT)、离散傅里叶变换(DFT)、和图像视觉特征的智能纹理防伪技术，是一种可以实现自动鉴别纹理防伪标签的方法。
技术介绍
假冒伪劣是社会一大危害，严重危害消费者的合法权益，严重破坏整个社会经济运行的规则。为解决假冒伪劣的问题，利用防伪技术是一种有效手段。防伪技术是一种用于识别真伪并防止假冒、仿造行为的技术手段，从技术特征和功能进化角度划分，目前防伪技术可以分为以下五代产品:激光标签、查询式数码防伪标签、纹理防伪标签、安全线防伪纸技术及其应用产品、手机互联网防伪技术。其中纹理防伪属于第三代防伪技术，因为其极难伪造、先查后买、查询结论准确可靠的优点得到大家的喜爱。目前对纹理防伪标签的鉴别方法主要分为感官鉴别方法和查询真伪。感官鉴别方法就是用人眼观察防伪纸内的纤维丝和用手挑出防伪纸内的纤维丝来辨别真伪。查询真伪方法包含:登陆互联网、手机网或是发送短信输入序列号得到对应的防伪标签图片，人眼进行比对来鉴别真伪；电话客服咨询来鉴别；利用手机二维码扫描得到防伪标签图片然后人眼比对来鉴别。上述鉴别方法在实际应用中存在下列不足:1)需要人工比对。无法实现防伪标签的自动鉴别，而是要用人眼来进行人工比对，这在光线不足和视力不佳的情况下，用户鉴别比较困难；2)纹理照片占据的数据库容量大。企业在生产纹理防伪标签时，要对每个标签都要进行拍照，把照片存放在数据库中，当防伪企业生产的纹理防伪标签较多时，要占据大量的存贮空间；3)纹理图片下载速度慢。在进行纹理防伪标签比对时，用户先要从网上下载清晰的纹理照片，这样耗时较长。为此，常规的纹理防伪技术，在鉴别的智能化、快速性和所占存贮空间方面，都存在一定的缺点。特别是自动鉴别的智能化算法研究，目前尚未见公开报道。而在实际应用中智能纹理防伪技术是发展趋势，鉴别方式智能化势在必行。
技术实现思路
本专利技术的目的是提供一种基于DWT-DFT变换的智能纹理防伪方法，它具有自动鉴别纹理图像的能力。主要工作原理是:用户先对防伪标签进行手机拍照，提取图像特征，再上传图像特征到服务器，在服务器中与数据库中的原始防伪图像的特征进行比对，实现鉴别真伪。采用这种方法，可以实现计算机的自动鉴别，运算速度很快，网络传输时间短。为了实现上述目的，本专利技术是这样进行的:先对纹理图像进行小波变换，得到“近似系数”和“细节系数”，根据小波原理可知。“近似系数”代表纹理图像的低频特性，反映的是纹理图像的主要轮廓 ；“细节系数”代表纹理图像的高频特性，反映的是纹理图像的细节信息。由于小波变换本事的抗几何攻击能力比较差，为此，我们先对纹理图像进行小波变换(DffT)，然后在对反映低频特性的“近似系数”进行全局傅里叶变换(DFT)，在DFT系数中，提取一个抗几何攻击的纹理图像视觉特征向量，然后通过对待测的纹理图像和原始纹理图像的视觉特征向量求归一化相关系数，实现自动鉴别纹理图像，即纹理防伪的智能化。本专利技术所采用的方法包括建立纹理特征数据库和图像自动鉴别两大部分。第一部分为建立纹理特征数据库，包括:(I)对每个原始纹理标签图像(设有N个纹理标签)进行小波变换，然后对近似系数进行全局DFT变换，分别得到N个原始纹理标签图像的视觉特征向量V(n)，1≤ n ≤ N ； (2)将求出的这N个特征向量存放在纹理特征数据库中。第二部分为纹理图像的自动鉴别，包括:(3)用户用手机对待测的纹理标签图像进行扫描，同样通过对待测图像进行小波变换，然后对近似系数进行全局DFT变换，求出待测图像的视觉特征向量V’，并将特征向量上传到服务器；(4)求出数据库中的所有纹理图像的视觉特征向量V(n)和待测纹理图像的视觉特征向量V’之间的归一化相关系数NC(η)值；(5)求出NC(η)的最大值并将其返回到用户手机上。现对本专利技术的方法进行详细说明如下:我们选取一个带黑框的纹理图像作为原始纹理图像，加黑色边框是为了保证纹理图像在几何变换时能量守恒，原始纹理图像记为F = {f(i, j) |f (i，j) e R ;1≤i≤NI， j^N2}, f(i, j)表示原始纹理图像的像素灰度值，为了便于运算，我们假设NI = N2=N。第一部分:建立纹理特征数据库I)通过对每个原始纹理图像进行小波变换，然后对小波变换的“近似系数”再进行全局DFT变换，在DFT的低中频系数中，得到原始纹理图像的一个视觉特征向量V (η)。先依次对每个原始纹理图片进行小波分解，例如对第η个原始纹理图像F (i，j)进行L级小波分解获得逼近子图系数F\(i，j)。由于小波分解级数越高，占用的分解时间便会越长，因此智能防伪的疏散发耗时会长。在此，我们选用L= I。然后对逼近子图F\(i，j)进行全局DFT变换，得到DWT-DFT系数矩阵FF (i，j)，再对DWT-DFT系数矩阵进行Zig-Zag扫描，得到频率由低到高的DWT-DFT系数序列Y (j)，取前L个值，并通过符号运算得到该纹理图像的视觉特征向量V(n)。具体做法，当系数值为正值和零时我们用“I”表示，系数为负值时用“O”表示，主要过程描述如下:权利要求1.一种基于DWT-DFT变换的智能纹理防伪方法，其特征在于:基于小波、余弦变换的抗几何攻击的特征向量的提取，并将数据库技术、图像小波变换、全局DFT变换、纹理图像的视觉特征向量和数理统计中的归一化相关系数的概念有机结合起来，实现了自动鉴别纹理图像的方法，该方法共分两个部分，共计五个步骤: 第一部分:建立纹理特征数据库； 1)通过对每个原始纹理图像进行小波变换，然后对小波变换的“近似系数”再进行全局DFT变换，在DFT的低中频系数中，得到原始纹理图像的一个视觉特征向量V(n)； 先依次对每个原始纹理图片进行小波分解；对第η个原始纹理图像F(i，j)进行L级小波分解获得逼近子图系数F\(i，j);然后对逼近子图F\(i，j)进行全局DFT变换，得到DffT-DFT系数矩阵FF (i，j)，再对DWT-DFT系数矩阵进行Zig-Zag扫描，得到频率由低到高的DWT-DFT系数序列Y(j)，取前L个值，并通过符号运算得到该纹理图像的视觉特征向量V (η);主要过程描述如下:全文摘要本专利技术公开了一种基于DWT-DFT变换的智能纹理防伪方法，属于纹理防伪领域。本专利技术是先进行图像特征提取，包括(1)对纹理图像进行小波变换，再对逼近子图进行DFT变换，提取一个特征向量V(j)；(2)将求出的这N个特征向量存放在纹理特征数据库中；然后再进行图像自动鉴别，包括(3)手机扫描待测纹理标签图像，运用步骤1的方法求出待测图像的视觉特征向量V’，并将上传到服务器；(4)求出数据库中的所有纹理图像的视觉特征向量V(n)和待测图像的视觉特征向量V’之间的归一化相关系数NC(n)值；(5)将NC(n)的最大值返回到用户手机上。实验证明本专利技术具有自动鉴别纹理图像的能力，网络传输速度快。文档编号G06Q30/00GK103236055SQ20131013635公开日2013年8月7日 申请日期2013年4月19日 优先权日2013年4月19日专利技术者李京兵, 周又玲, 沈重, 任佳 申请人:海南大学本文档来自技高网...
【技术保护点】
一种基于DWT?DFT变换的智能纹理防伪方法，其特征在于：基于小波、余弦变换的抗几何攻击的特征向量的提取，并将数据库技术、图像小波变换、全局DFT变换、纹理图像的视觉特征向量和数理统计中的归一化相关系数的概念有机结合起来，实现了自动鉴别纹理图像的方法，该方法共分两个部分，共计五个步骤：第一部分：建立纹理特征数据库；1)通过对每个原始纹理图像进行小波变换，然后对小波变换的“近似系数”再进行全局DFT变换，在DFT的低中频系数中，得到原始纹理图像的一个视觉特征向量V(n)；先依次对每个原始纹理图片进行小波分解；对第n个原始纹理图像F(i，j)进行L级小波分解获得逼近子图系数FAL(i，j)；然后对逼近子图FAL(i，j)进行全局DFT变换，得到DWT?DFT系数矩阵FF(i，j)，再对DWT?DFT系数矩阵进行Zig?Zag扫描，得到频率由低到高的DWT?DFT系数序列Y(j)，取前L个值，并通过符号运算得到该纹理图像的视觉特征向量V(n)；主要过程描述如下：FAL(i，j)＝DWT2(F(i，j))FF(i，j)＝DFT2(FAL(i，j))Y(j)＝Zig?Zag(FF(i，j))V(n)＝Sign(Y(j))2)将求出的这N个特征向量存放在纹理特征数据库中；第二部分：图像自动鉴别；3)手机扫描待测纹理图片，并求出纹理图像的视觉特征向量V’；设待测纹理图像为F’(i，j)，经过小波变换(DWT)，再对近似系数进行全局DFT变换后得到DWT?DFT系数矩阵为FF’(i，j)，按上述Step1的方法，求得待测图像的视觉特征向量V’；FAL’(i，j)＝DWT2(F’(i，j))FF’(i，j)＝DFT2(FAL’(i，j))Y’(j)＝Zig?Zag(FF’(i，j))V’＝Sign(Y’(j))4)求出所有N个原始纹理图像的视觉特征向量和待测纹理图像的视觉特征向量V’之间的归一化相关系数NC(n)；NC(n)=V(n)V′V2(n)5)返回NC(n)最大值到用户手机；利用归一化相关系数NC的最大值，来确定纹理图像与数据库的原始纹理图像的相似度。...
【技术特征摘要】
【专利技术属性】
技术研发人员：李京兵，周又玲，沈重，任佳，
申请(专利权)人：海南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。