CN101582162A - 基于纹理分析的艺术品鉴别方法 - Google Patents

Abstract

本发明公开了一种基于纹理分析的艺术品鉴别方法。所述艺术品鉴别方法包括：选取真品上具有可辨识性的采集点，记录采集点的位置信息，且获取采集点的匹配基准图像；根据真品采集点的位置信息，获取鉴别作品上对应采集点的匹配鉴别图像；基于高斯核差分算子，获取匹配基准图像和匹配鉴别图像上的纹理特征点；根据邻域相邻点的梯度方向，指定每一纹理特征点的数个方向；基于邻域多个相邻点的累加梯度方向，使每一纹理特征点获得至少32维特征向量；通过纹理特征点特征向量的欧式距离作为图像的相似性判定度量。本发明鉴别方法通过艺术品本身纹理的唯一性实现了真伪鉴别功能；不需要加入其他额外物质，不会破坏艺术品本身的结构，容易推广、应用。

Description

基于纹理分析的艺术品鉴别方法

技术领域

本发明涉及一种基于数字图像处理技术的辨别艺术品真伪的鉴别方法，具体地说，是一种基于纹理分析的艺术品鉴别方法。

背景技术

随着科学技术的发展，市场上假冒的方式越来越多，假冒程度有时连鉴定专家也难以分辨出来，严重影响市场的正常运转。商家为了将自己的产品与假冒产品区分开来，常常在自己的产品上使用防伪技术。比如：在产品中加入微型电子芯片，利用芯片的唯一性来辨别产品的真伪；对于使用油墨的产品，在生产过程中，将预采集的脱氧核糖核酸(DNA)加入油墨中，利用DNA的唯一性来辨别产品真伪；或者通过短信方式进行测试的电码防伪技术来辨别产品真伪。目前艺术品市场也充斥着许多假冒产品，以书画领域为例，使用高科技的电子技术以及宣纸印刷，可以使印刷品和真迹几乎完全相同。因此，使用有效的真伪鉴别技术对于任何产品都是很重要的。

但是，上述提到的防伪技术或多或少都存在不足之处。采用加入微型电子芯片方式，需要在产品上加载额外的芯片，容易破坏原有产品的结构，尤其对于一些具有特定结构的产品。采用在油墨中加入DNA的方式虽然可以有效的辨别产品的真伪，也不破坏产品的原有结构，但成本较高，无法实现大规模的应用以及推广。上述的电子防伪技术也容易通过假的短信答复服务平台来蒙骗消费者。因此，提供一种有效的鉴别方法对规范艺术品交易市场起着重要作用。

发明内容

有鉴于此，本发明解决的技术问题在于提供一种艺术品鉴别方法，其不需要引入其他物质，就可以实现鉴别真伪的功能。

为解决上述技术问题，本发明提供了一种基于纹理分析的艺术品鉴别方法。所述艺术品鉴别方法包括如下步骤：选取真品上具有可辨识性的采集点，记录采集点的位置信息，且获取采集点的匹配基准图像；根据真品采集点的位置信息，获取鉴别作品上对应采集点的匹配鉴别图像；基于高斯核差分(DoG)算子，获取匹配基准图像和匹配鉴别图像上的表示灰度变化的局部极值点作为纹理特征点；根据邻域相邻点的梯度方向，指定每一纹理特征点的数个方向；基于邻域多个相邻点的累加梯度方向，使每一纹理特征点获得大于等于32维的特征向量；任意选取匹配基准图像中一纹理特征点作为基准纹理特征点，找出匹配鉴别图像上特征向量与所述基准纹理特征点的特征向量的欧式距离是最近距离的第一纹理特征点以及次之距离的第二纹理特征点，所述最近距离与次之距离的比例小于设定值，则认为第一纹理特征点是所述基准纹理特征点的匹配点；若在匹配鉴别图像上获得的匹配点数目达到设定值，说明鉴定作品是真品；若在匹配鉴别图像上获得的匹配点数目小于设定值，说明鉴定作品为赝品。

与现有技术相比，本发明提供的艺术品鉴别方法通过艺术品本身的纹理的唯一性实现了真伪鉴别功能；该鉴别方法不需要加入其他额外物质，不会破坏艺术品本身的结构，容易推广、应用。

附图说明

图1为DoG尺寸空间局部极值点检测的示意图。

图2为纹理特征点的邻域梯度方向的示意图。

图3为纹理特征点的特征向量示意图。

图4为本发明鉴别方法的流程图。

具体实施方式

以下结合附图对本发明基于纹理分析的艺术品鉴别方法的一实施例进行描述，以期进一步理解本发明的目的、具体结构特征和优点。

本实施例是以书画作品为例，但本发明的应用不限于书画作品，可以应用至除书画作品的其他艺术品或者具有类似结构特性的产品上。以下为了描述方便，作品A表示原始作品(真迹)，作品B表示需要鉴定真伪的作品。鉴别作品真伪时，选择进行比较的点是作品的同一点对鉴别结果起着非常重要的作用。请参阅图4，本发明的鉴别方法是首先采用高倍显微镜如放大倍数在5-20倍的同轴光显微镜，利用图像边缘检测及提取技术选取作品A可辨识性较高的点作为采集点，书画作品中的边缘点就是可辨识性较高的点。为了提高鉴别结果的准确性，一般每副作品选取至少10个采集点。然后将采集点的位置信息记录下来。使用与高倍显微镜连接的高清摄像头对采集点进行拍摄，获得采集点处的原始图像。接下来，采用九宫格技术对每一采集点的原始图像进行分割，将中心位置的图像作为当前采集点的匹配基准图像存储下来。鉴别作品B时，从上述数据库中获得匹配基准图像的位置信息，在作品B同一位置进行拍摄获得对应的匹配鉴别图像。一般情况下，由于系统本身以及拍摄时带来的误差，匹配基准图像和匹配鉴别图像并不完全一致，需要进一步确定是否是匹配点。

进一步地，利用数字图像处理算法在匹配基准图像和匹配鉴别图像上寻找纹理特征点。在本发明中，纹理特征点是灰度变化的局部极值点，含有显著的结构性信息，在某些角度、某个尺度上含有易于匹配的信息。为了获得独特性和稳定性的局部极值点，本发明的鉴定方法在图像二维平面和高斯核差分(DoG)尺度空间中同时检测局部极值点。将两个不同尺度的高斯核差分定义为DoG算子，表示如下：

D(x，y，σ)＝L(x，y，kσ)-L(x，y，σ)＝(G(x，y，kσ)-G(x，y，σ))×I(x，y)    (1)

其中(x，y)表示图像上像素点(采样点)的坐标，σ表示尺度坐标(本实施例中，表示当前尺度)，kσ表示与σ相邻的不同尺度。D(x，y，σ)为在当前尺度下的DoG算子的响应值。L(x，y，kσ)、L(x，y，σ)分别表示相邻尺度空间和当前尺度空间的高斯核。G(x，y，kσ)、G(x，y，σ)分别表示在相邻尺度和当前尺度的高斯函数。I(x，y)为像素点(x，y)的灰度值。DoG算子是尺度归一化的高斯-拉普拉斯(LoG)算子的近似，具有计算简单的特点，可有效地保证系统的性能。

对于图像上的像素点，根据公式(1)，计算其在每一尺度下DoG算子的响应值，将这些响应值连起来就得到特征尺度轨迹曲线。该特征尺度轨迹曲线上的局部极值点就是所要获得的纹理特征点。为了获得尺度空间的局部极值点，每一个采样点要和它所有的相邻点进行比较。图1是在DoG尺度空间中检测局部极值点的示意图。请参阅图1，图中标记为叉号为当前采样点(x，y)，为了获得尺度空间的局部极值点，采样点需要跟在同一尺度(当前尺度)的周围邻域8个相邻点和相邻尺度对应位置相邻点以及对应位置相邻点的周围邻域的9×2个相邻点总共26个相邻点(图中标记为圈的点)比较灰度值，以确保在尺度空间和图像二维平面都检测到局部极值点。根据上述方法获得匹配基准图像和匹配鉴别图像在尺度空间和图像二维平面上的纹理特征点。

进一步地，通过拟合三维二次函数精确确定上述纹理特征点的位置和尺度，去除低对比度的纹理特征点和不稳定的边缘响应点，以增强匹配的稳定性以及抗噪声能力。另外，为了提高匹配的准确度，每一采集点上剩余的纹理特征点较佳地选择大于等于100个(N≥100)，以提高匹配的准确度。

利用纹理特征点邻域像素的梯度方向分布特性为每个纹理特征点指定方向参数。图像中点(x，y)梯度的模值和方向的计算公式分别如下：

$m(x,y)=\sqrt{\left((L(x+1,y)-L(x-1,y){)}^2+{(L(x,y+1)-L(x,y-1))}^2\right)}---\left(2\right)$

θ(x，y)＝atan2((L(x，y+1)-L(x，y-1))/(L(x+1，y)-L(x-1，y)))    (3)

其中，L所用尺度为每个纹理特征点各自所在的尺度。在实际计算时，在以纹理特征点为中心的邻域窗口内采样，并用直方图统计邻域像素的梯度方向。梯度直方图的范围是0～360度，其中每10度一个柱，总共36个柱。直方图的主峰值表示了该纹理特征点处邻域梯度的主方向，即作为该纹理特征点的方向。在梯度直方图中，如果存在另一个可达到主峰80％能量的次峰值时，则将这个次峰值表示的方向认为是该纹理特征点的辅方向。另外，可以同时给一个纹理特征点指定多个方向(一个主方向，一个以上辅方向)，以增强匹配的鲁棒性。

进一步地，根据上述提供的获得梯度方向的步骤，来生成每一纹理特征点的特征向量。请参阅图2，图2是以纹理特征点为中心取的8×8窗口示意图，中间黑点为当前纹理特征点的位置，每一小格代表关键点邻域所在尺度空间的一个像素，箭头方向表示该像素的梯度方向，箭头长度表示梯度模值。然后在每一4×4的小块上计算8个方向的梯度方向直方图，绘制每个方向的累加值，从而形成一个种子点，如图3所示。图3中的当前纹理特征点(中间的黑点)由2×2共四个种子点组成，每个种子点有8个方向向量信息，也就是说每一纹理特征点产生了32个数据，进而形成32维的特征向量。为了增强匹配的稳健性，本发明的鉴别方法较佳地选择4×4个种子点来描述一个纹理特征点，即一个纹理特征点具有128维的特征向量。在生成特征向量的过程中运用了邻域方向性信息联合的思想，增强了算法抗噪声的能力，同时对含有定位误差的特征匹配也提供了较好的容错性。

当特征向量生成后，下一步就是采用纹理特征点的特征向量的欧式距离来作为匹配基准图像和匹配鉴别图像的纹理特征点的相似性判定度量。取匹配基准图像中的某个纹理特征点a，并找出匹配鉴别图像中与其欧式距离最近的前两个纹理特征点b1、b2，在这两个纹理特征点b1、b2中，如果最近的距离(b1相对a的距离)除以次近的距离(b2相对a的距离)少于某个比例阈值，则接受纹理特征点a和纹理特征点b1为一对匹配点，否则为干扰点。其中比例阈值的设定与仪器的精确度、噪声的影响以及系统误差均有关。如果降低这个比例阙值，匹配基准图像和匹配鉴别图像的匹配点对的数目会减少，但使得最终鉴别的结果更加稳定。

将作品A、B上所有采集点上的匹配基准图像和匹配鉴别图像按照上述方式寻找匹配点，如果匹配点的数目在要求范围内，则说明作品B是真迹；匹配点的数目小于要求的范围，则说明作品B是赝品。

本发明提供的艺术品的鉴别方法，利用物体本身纹理的唯一性实现了真伪鉴别的功能。基于纹理分析的真伪鉴别技术以物体本身特有的信息作为防伪标记，不用引入其他物质，具有无需保密、不可复制、通用性强的优点。

上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。

Claims (10)

1.一种基于纹理分析的艺术品鉴别方法，其特征在于，所述艺术品鉴别方法包括如下步骤：

选取真品上具有可辨识性的采集点，记录采集点的位置信息，且获取采集点的匹配基准图像；根据真品采集点的位置信息，获取鉴别作品上对应采集点的匹配鉴别图像；

基于高斯核差分(DoG)算子，获取匹配基准图像和匹配鉴别图像上的表示灰度变化的局部极值点作为纹理特征点；

根据邻域相邻点的梯度方向，指定每一纹理特征点的数个方向；基于邻域多个相邻点的累加梯度方向，使每一纹理特征点获得大于等于32维的特征向量；

任意选取匹配基准图像中一纹理特征点作为基准纹理特征点，找出匹配鉴别图像上特征向量与所述基准纹理特征点的特征向量的欧式距离是最近距离的第一纹理特征点以及次之距离的第二纹理特征点，所述最近距离与次之距离的比例小于设定值，则认为第一纹理特征点是所述基准纹理特征点的匹配点；若在匹配鉴别图像上获得的匹配点数目达到设定值，说明鉴定作品是真品；若在匹配鉴别图像上获得的匹配点数目小于设定值，说明鉴定作品为赝品。

2.如权利要求1所述的基于纹理分析的艺术品鉴别方法，其特征在于，步骤：选取真品可辨识性的采集点，记录采集点的位置信息，且获取采集点的匹配基准图像；根据真品采集点的位置信息，获取鉴别作品上对应采集点的匹配鉴别图像，还包括：在真品和鉴别作品的采集点位置处分别获得原始图像和鉴别图像，通过九宫格技术对所述原始图像进行分割，中心位置的图像为所述匹配基准图像，根据采集点上匹配基准图像的位置信息，获取所述匹配鉴别图像。

3.如权利要求1所述的基于纹理分析的艺术品鉴别方法，其特征在于，在基于DoG算子，获取匹配基准图像和匹配鉴别图像上的表示灰度变化的局部极值点作为纹理特征点的步骤中，所述局部极值点在图像二维平面和DoG尺度空间同时检测。

4.如权利要求3所述的基于纹理分析的艺术品鉴别方法，其特征在于，在所述DoG尺度空间检测所述局部极值点时，当前采样点要与同一尺度的周围8个相邻点、相邻尺度对应位置的2个相邻点以及对应位置相邻点的周围的16个相邻点共26个相邻点比较灰度值的大小，来判断该采样点是否是局部极值点。

5.如权利要求1所述的基于纹理分析的艺术品鉴别方法，其特征在于，在根据邻域相邻点的梯度方向，指定每一纹理特征点的数个方向的步骤中，所述每一纹理特征点的数个方向包括一个主方向和至少一个辅助方向。

6.如权利要求5所述的基于纹理分析的艺术品鉴别方法，其特征在于，所述邻域相邻点的梯度方向采用直方图统计，其中直方图的主峰值就是所述纹理特征点的主方向，直方图的峰值达到主峰值的80％的峰值表示纹理特征点的辅助方向。

7.如权利要求1所述的基于纹理分析的艺术品鉴别方法，其特征在于，在利用邻域多个相邻点获得累加梯度方向，使每一纹理特征点获得大于等于32维的特征向量的步骤中：每一纹理特征点获得128维特征向量。

8.如权利要求7所述的基于纹理分析的艺术品鉴别方法，其特征在于，所述每一纹理特征点的128维特征向量通过当前纹理特征点周围的16个种子点来表达，每一种子点具有8个方向向量信息。

9.如权利要求1所述的基于纹理分析的艺术品鉴别方法，其特征在于，每一真品和鉴别作品上至少获取10个采集点。

10.如权利要求1所述的基于纹理分析的艺术品鉴别方法，其特征在于，每一采集点上至少获取100个纹理特征点。

Images