CN101894268B - 一种可消除底单干扰的印鉴真伪识别方法 - Google Patents

Abstract

本发明公开了一种可消除底单干扰的印鉴真伪识别方法，该方法按照以下步骤具体实施：印鉴图像的预处理；预处理结果图像的修复；印鉴图像与预存标准印鉴图像的配准；膨胀处理；对消除底单干扰的图像进行滤波；将配准后的标准印鉴图像进行一次腐蚀处理；进一步消除残留干扰；对印鉴图像的真伪进行粗判别；对印鉴图像的真伪进行精细判别。本发明的真伪识别方法适用于实际盖印条件下的票据印鉴，印鉴图像的预处理环节主要是消除票据叠加在印鉴之上的底单表格、文字等干扰，采用了颜色提取，印鉴的签字叠加缺损修复，局部干扰滤波去除等步骤完成；印鉴图像的真伪鉴别，则通过定义左差及右差的方式，根据残差比的分布特性给出真伪鉴别的结果。

Description

一种可消除底单干扰的印鉴真伪识别方法

技术领域

本发明属于模式识别技术领域，涉及一种可消除底单干扰的印鉴真伪识别方法。

背景技术

印鉴作为维护票据法律有效性的凭据被广泛应用，伪造印鉴的识别是阻止经济犯罪的有效手段之一，由于大多数情况下，验证票据是否有效都是仅凭盖印票据，而不可能携带印章本体，所以，基于图像检测技术的印鉴真伪自动辅助鉴别系统是最便捷、最实用的模式。考虑到票据盖印条件较为复杂，容易出现盖印力度、印泥多少的不同，并且，底单上的文字、表格线等也为其自动识别造成比较大的干扰，这些干扰是导致产生误检与漏检的关键因素之一。

发明内容

本发明的目的是提供一种可消除底单干扰的印鉴真伪识别方法，解决了现有技术存在的底单上的文字、表格线为其自动识别造成比较大的干扰，导致容易产生误检与漏检的问题。

本发明所采用的技术方案是，一种可消除底单干扰的印鉴真伪识别方法，该方法按照以下步骤具体实施：

步骤1，印鉴图像的预处理：

假设盖印的印泥颜色为红色，设输入的大小为m×n的印鉴票据图像的红、绿、蓝三颜色通道值分别为[R(x，y)]_m×n，[G(x，y)]_m×n，[B(x，y)]_m×n，则其灰度值为[F(x，y)]_m×n：

F(x，y)＝0.299·R(x，y)+0.587·G(x，y)+0.114·B(x，y)，x＝1，2，...，m，y＝1，2，...，n   (1)

对灰度化后的印章图像[F(x，y)]_m×n采用最大类间类内方差比法进行二值化处理，消除纸张背景影响，得到二值图像[F_b(x，y)]_m×n，即：

$F_b(x,y)=\left\{\begin{array}{cc}1& F(x,y)\&GreaterEqual;\mathrm{Th}\\ 0& F(x,y)<\mathrm{Th}\end{array}\right.,,x=\mathrm{1,2},...,m,y=\mathrm{1,2},...,n---\left(2\right)$

其中，Th为阈值，采用类间类内方差比法确定，之后计算每个像素点的红色占比：

$P_R(x,y)=\frac{R(x,y)}{R(x,y)+G(x,y)+B(x,y)},x=\mathrm{1,2},...,m,y=\mathrm{1,2},...,n---\left(3\right)$

则预处理后的印鉴图像[I(x，y)]_m×n为：

其中，P_th为阈值，在20％-50％的范围内选择；

步骤2，对上步预处理后的印鉴图像[I(x，y)]_m×n进行修复；

步骤3，对上步修复后的印鉴图像[I(x，y)]_m×n与预存标准印鉴图像[I_s(x，y)]_m×n进行配准：

对预存标准印鉴图像[I_s(x，y)]_m×n进行平移与旋转，找到与[I(x，y)]_m×n相比残差最小的位置，即完成两者的配准，配准后的标准印鉴图像仍为[I_s(x，y)]_m×n；

步骤4，将[I_s(x，y)]_m×n进行膨胀处理：设膨胀后的标准印鉴图像为[I_sd(x，y)]_m×n，用其消除印鉴图像[I(x，y)]_m×n的底单干扰，特别是当底单的表格与文字均为红色时的干扰，消除底单干扰的图像[I_R(x，y)]_m×n计算公式为：

步骤5，对消除底单干扰的图像[I_R(x，y)]_m×n进行滤波，消除残留的局部干扰；

步骤6，将由步骤3得到的配准后的标准印鉴图像[I_s(x，y)]_m×n进行腐蚀处理，结构元素采用步骤5中的十字形模板，得到的结果记作[I_se(x，y)]_m×n；

步骤7，将[I_se(x，y)]_m×n与[I_Rs(x，y)]_m×n进行“或”操作，以在保持输入印鉴图像的基本特征的同时，进一步消除残留干扰，结果为[I_Rf(x，y)]_m×n，即：

式(8)中x＝1，2，...，m，y＝1，2，...，n；

步骤8，对印鉴图像的真伪进行粗判别：

8.1)将步骤7得到的印鉴图像[I_Rf(x，y)]_m×n与配准后的标准印鉴[I_s(x，y)]_m×n做差异检测，得到残差图为[e(x，y)]_m×n，即：

8.2)对[e(x，y)]_m×n进行贴标签处理，统计所有连通域的大小，保留的面积大于阈值S_Th的连通域，统计保留下来的所有连通域中的像素个数，记作N_k；统计标准印鉴图像[I_s(x，y)]_m×n的目标像素点数，记作N_s，残差率ρ_e计算公式为： ${\mathrm{\&rho;}}_e=\frac{N_k}{N_s}---\left(10\right)$

8-3)当残差率ρ_e大于阈值

为5％-10％，则表明该印鉴为伪造精度不高的假印鉴，如果ρ_e不大于阈值ρ_Th，则进入精细判别环节；

步骤9，对印鉴图像的真伪进行精细判别：

9.1)将步骤7得到的印鉴图像[I_Rf(x，y)]_m×n与配准后的标准印鉴[I_s(x，y)]_m×n，分别进行左差检测和右差检测，左差图[e_L(x，y)]_m×n和右差图[e_R(x，y)]_m×n的计算公式如下：

记左差不为0的像素点个数为N_L，右差不为0的像素点个数为N_R；

9.2)对左差图[e_L(x，y)]_m×n进行贴标签处理，统计所有连通域的大小，保留的面积大于阈值的连通域，这些连通域为疑似伪造残差，设这些连通域有K_L个，记作

其连通域的面积分别为

9.3)对K_L个疑似伪造残差区域

分别进行三次膨胀，以获得其邻域范围，设为其邻域面积分别为

9.4)分别统计右差图中相应的邻域

范围内为1的像素点数，分别记作

9.5)分别按照下面公式计算右残差率即：

${\mathrm{\&rho;}}_{R_k=}\frac{N_{R_k}}{N_{{\mathrm{\&Omega;}}_{L_k}}},k=\mathrm{1,2},...,K_L---\left(13\right)$

9.6)如果大于阈值

为20％-50％，则保留该左差连通域，否则，将其删除；

9.7)统计所有保留下来的左差连通域的面积总和，记为

计算左差的总残差率ρ_L为：

9.8)对右差图[e_R(x，y)]_m×n进行贴标签处理，统计所有连通域的大小，保留的面积大于阈值

的连通域，这些连通域为疑似伪造残差，设这些连通域有K_R个，记作

其连通域的面积分别为

9.9)对K_R个疑似伪造残差区域

分别进行三次膨胀，以获得其邻域范围，设为

其邻域面积分别为

9.10)分别统计左差图中相应的邻域

范围内为1的像素点数，分别记作

9.11)分别按照下面公式计算左残差率

即：

${\mathrm{\&rho;}}_{L_k}=\frac{N_{L_k}}{N_{{\mathrm{\&Omega;}}_{R_k}}},k=\mathrm{1,2},...,K_R---\left(15\right)$

9.12)如果

大于阈值

为20％-60％，则保留该右差连通域，否则，将其删除；

9.13)统计所有保留下来的右差连通域的面积总和，记为

计算右差的总残差率ρ_R：

9.14)计算总残差率ρ：ρ＝(ρ_L+ρ_R)/2，如果ρ大于阈值ρ_Th，ρ_Th为1％-5％，则判断为假印鉴，否则判断为真印鉴。

本发明的方法，适用于采用图像检测模式，对常见的实际盖印条件下的票据底单的文字，表格等各类干扰进行去除，使所获得的结果图像能够通过与预存标准印鉴的配准比较后完成对印鉴的真伪辅助鉴别。

具体实施方式

下面结合具体实施方式对本发明进行详细说明。

本发明的方法，按照以下步骤具体实施：

步骤1，印鉴图像的预处理

假设盖印的印泥颜色为红色，一般的票据主要分为纸张的背景，红色的印章区域，还有票据上的印刷字、表格线，以及手写体签名等干扰。预处理的目的是保留印鉴区域部分，消除背景及各种干扰的影响。

设输入的大小为m×n的印鉴票据图像的红、绿、蓝三颜色通道值分别为[R(x，y)]_m×n，[G(x，y)]_m×n，[B(x，y)]_m×n，其灰度值为[F(x，y)]_m×n：

F(x，y)＝0.299·R(x，y)+0.587·G(x，y)+0.114·B(x，y)，x＝1，2，...，m，y＝1，2，...，n  (1)

对灰度化后的印章图像[F(x，y)]_m×n采用最大类间类内方差比法进行二值化处理，消除纸张背景影响，得到二值图像[F_b(x，y)]_m×n，即：

$F_b(x,y)=\left\{\begin{array}{cc}1& F(x,y)\&GreaterEqual;\mathrm{Th}\\ 0& F(x,y)<\mathrm{Th}\end{array}\right.,,x=\mathrm{1,2},...,m,y=\mathrm{1,2},...,n---\left(2\right)$

其中，Th为阈值，采用类间类内方差比法确定。之后，计算每个像素点的红色占比：

则预处理后的印鉴图像[I(x，y)]_m×n为：

其中，P_th为20％-50％，优选35％。

步骤2，预处理结果图像[I(x，y)]_m×n的修复

由于底单上的签名、表格，以及纸张粗糙等因素存在，会导致由式(4)计算得到的预处理后的图像存在断线、空洞等现象，影响了印鉴信息的保持，所以，在这里对其进行修复。

首先，提取签名信息，对[I(x，y)]_m×n和[F_b(x，y)]_m×n进行异或运算得[S(x，y)]_m×n，即：

根据手写体签名一般是采用黑色或者是蓝色笔书写而成，所以，根据原图的灰度分布消除[S(x，y)]_m×n中的噪声，得到签名信息[S_b(x，y)]_m×n即：

其中，Th₀为灰度图像中较小的阈值，以判断黑色或蓝色签名的灰度值。

之后，用[S_b(x，y)]_m×n来修复因叠加导致的印鉴预处理图像[I(x，y)]_m×n的缺损，由于只有一部分的签名信息是与印鉴叠加的，所以采用以下的方法来进行修复。

找到所有[I(x，y)]_m×n为0，但[S_b(x，y)]_m×n为1的点，设为{(x₁，y₁)，...，(x_K，y_K)}，分别在以点(x_i，y_i)，i＝1，2，...，K为中心，覆盖一个N×N(N为奇数)的模板，统计该模板中为1像素个数，记作N_b，如果N_b≥(N×N)/2，则该点置I(x_i，y_i)，i＝1，2，...，K为1，否则，不做处理。由此，完成对预处理印鉴图像的修复。

步骤3，印鉴图像[I(x，y)]_m×n与预存标准印鉴图像[I_s(x，y)]_m×n的配准

对预存标准印鉴图像[I_s(x，y)]_m×n进行平移与旋转，找到与[I(x，y)]_m×n相比残差最小的位置，即完成两者的配准，配准后的标准印鉴图像仍为[I_s(x，y)]_m×n。

步骤4，将[I_s(x，y)]_m×n进行膨胀处理

设膨胀后的标准印鉴图像为[I_sd(x，y)]_m×n，之后，用其消除印鉴图像[I(x，y)]_m×n的底单干扰，特别是当底单的表格与文字均为红色时的干扰，消除底单干扰的图像[I_R(x，y)]_m×n计算公式为：

步骤5，对消除底单干扰的图像[I_R(x，y)]_m×n进行滤波，消除残留的局部干扰，具体操作如下：

5.1)设计长度为N_m(N_m为奇数)的十字形模板，设模板的中心为(x₀，y₀)，则模板为：

Tem＝{(x₀-N_m/2，y₀)，...，(x₀，y₀)，...(x₀+N_m/2，y₀)，

(x₀，y₀-N_m/2)，...，(x₀，y₀-1)，(x₀，y₀+1)，...，(x₀，y₀+N_m/2)}

5.2)将模板Tem依次作用于[I_R(x，y)]_m×n上所有值为1的点，模板的中心点(x₀，y₀)依次为待处理像素的位置，计算[I_R(x，y)]_m×n上模板范围内的所有为1的像素点的个数，如果该个数超过(N_m+1)/2，则该点修正为背景点，由此，消除局部的残留干扰，记经过处理后的印鉴图像为[I_Rs(x，y)]_m×n。

步骤6，将由步骤3得到的配准后的标准印鉴图像[I_s(x，y)]_m×n进行一次腐蚀处理，结构元素采用步骤5中的十字形模板，得到的结果记作[I_se(x，y)]_m×n。

步骤7，将[I_se(x，y)]_m×n与[I_Rs(x，y)]_m×n进行“或”操作，以在保持输入印鉴图像的基本特征的同时，进一步消除残留干扰，结果为[I_Rf(x，y)]_m×n，即：

步骤8，对印鉴图像的真伪进行粗判别

考虑到伪造印鉴的仿真性，认为印鉴的外周轮廓的差异属于印泥多少，盖印力度差异等盖印条件不同所造成的，在后续的计算中，外周轮廓的差异不作为判断依据。

8.1)将步骤7得到的印鉴图像[I_Rf(x，y)]_m×n与配准后的标准印鉴[I_s(x，y)]_m×n做差异检测，得到残差图为[e(x，y)]_m×n，即：

8.2)对[e(x，y)]_m×n进行贴标签处理，统计所有连通域的大小，保留的面积大于阈值S_Th(S_Th根据扫描印鉴图像时所取的扫描仪分辨率有关，可调试确定)的连通域，统计保留下来的所有连通域中的像素个数，记作N_k；统计标准印鉴图像[I_s(x，y)]_m×n的目标像素点数，记作N_s，残差率ρ_e计算公式为：

${\mathrm{\&rho;}}_e=\frac{N_k}{N_s}---\left(10\right)$

8.3)当残差率ρ_e大于阈值

为5％-10％，优选8％，则表明该印鉴为伪造精度不高的假印鉴，如果ρ_e不大于阈值ρ_Th，则进入精细判别环节。

步骤9，对印鉴图像的真伪进行精细判别

9.1)将步骤7得到的印鉴图像[I_Rf(x，y)]_m×n与配准后的标准印鉴[I_s(x，y)]_m×n，分别进行左差检测和右差检测，左差图[e_L(x，y)]_m×n和右差图[e_R(x，y)]_m×n的计算公式如下：

记左差不为0的像素点个数为N_L，右差不为0的像素点个数为N_R。

9.2)对左差图[e_L(x，y)]_m×n进行贴标签处理，统计所有连通域的大小，保留的面积大于阈值

(

根据扫描印鉴图像时所取的扫描仪分辨率有关，可调试确定)的连通域，这些连通域为疑似伪造残差，设这些连通域有K_L个，记作其连通域的面积分别为

9.3)对K_L个疑似伪造残差区域

分别进行三次膨胀，以获得其邻域范围，设为

其邻域面积分别为

9.4)分别统计右差图中相应的邻域

范围内为1的像素点数，分别记作

9.5)分别按照下面公式计算右残差率

即：

${\mathrm{\&rho;}}_{R_k=}\frac{N_{R_k}}{N_{{\mathrm{\&Omega;}}_{L_k}}},k=\mathrm{1,2},...,K_L---\left(13\right)$

9.6)如果大于阈值

(

为20％-50％，优选40％)，则保留该左差连通域，否则，将其删除。

9.7)统计所有保留下来的左差连通域的面积总和，记为

计算左差的总残差率ρ_L为：

9.8)对右差图[e_R(x，y)]_m×n进行贴标签处理，统计所有连通域的大小，保留的面积大于阈值

(根据扫描印鉴图像时所取的扫描仪分辨率有关，可调试确定)的连通域，这些连通域为疑似伪造残差，设这些连通域有K_R个，记作

其连通域的面积分别为

9.9)对K_R个疑似伪造残差区域

分别进行三次膨胀，以获得其邻域范围，设为

其邻域面积分别为

9.10)分别统计左差图中相应的邻域

范围内为1的像素点数，分别记作

9.11)分别按照下面公式计算左残差率

即：

${\mathrm{\&rho;}}_{L_k}=\frac{N_{L_k}}{N_{{\mathrm{\&Omega;}}_{R_k}}},k=\mathrm{1,2},...,K_R---\left(15\right)$

9.12)如果

大于阈值

为20％-60％，优选40％，则保留该右差连通域，否则，将其删除。

9.13)统计所有保留下来的右差连通域的面积总和，记为计算右差的总残差率ρ_R：

9.14)计算总残差率ρ：ρ＝(ρ_L+ρ_R)/2，如果ρ大于阈值ρ_Th，ρ_Th为1％-5％，优选4％，则判断为假印鉴，否则判断为真印鉴。

本发明的方法，在实际票据印鉴真伪鉴别时，能够在保持原有印鉴信息的同时，消除底单文字、表格线等干扰，之后根据待测印鉴与标准印鉴的差异分析，准确识别印鉴的真伪。

Claims (1)

1.一种可消除底单干扰的印鉴真伪识别方法，其特征在于，该方法按照以下步骤具体实施：

步骤1，印鉴图像的预处理：

假设盖印的印泥颜色为红色，设输入的大小为m×n的印鉴票据图像的红、绿、蓝三颜色通道值分别为[R(x，y)]_m×n，[G(x，y)]_m×n，[B(x，y)]_m×n，则其灰度值为[F(x，y)]_m×n：

F(x，y)＝0.299·R(x，y)+0.587·G(x，y)+0.114·B(x，y)，x＝1，2，...，m，y＝1，2，...，n  (1)

对灰度化后的印章图像[F(x，y)]_m×n采用最大类间类内方差比法进行二值化处理，消除纸张背景影响，得到二值图像[F_b(x，y)]_m×n，即：

$F_b(x,y)=\left\{\begin{array}{cc}1& F(x,y)\&GreaterEqual;\mathrm{Th}\\ 0& F(x,y)<\mathrm{Th}\end{array}\right.,$ x＝1，2，...，m，y＝1，2，...，n            (2)

其中，Th为阈值，采用类间类内方差比法确定，之后计算每个像素点的红色占比：

$P_R(x,y)=\frac{R(x,y)}{R(x,y)+G(x,y)+B(x,y)},$ x＝1，2，...，m，y＝1，2，...，n    (3)

则预处理后的印鉴图像[I(x，y)]_m×n为：

x＝1，2，...，m，y＝1，2，...，n            (4)

其中，P_th为阈值，在20％-50％的范围内选择；

步骤2，对上步预处理后的印鉴图像[I(x，y)]_m×n进行修复，具体按照以下步骤进行修复：

首先，提取签名信息，对[I(x，y)]_m×n和[F_b(x，y)]_m×n进行异或运算得[S(x，y)]_m×n，即：

x＝1，2，...，m，y＝1，2，...，n    (5)

根据手写体签名一般是采用黑色或者是蓝色笔书写而成，所以，根据原图的灰度分布消除[S(x，y)]_m×n中的噪声，得到签名信息[S_b(x，y)]_m×n即：

x＝1，2，...，m，y＝1，2，...，n    (6)

其中，Th₀为灰度图像中较小的阈值，以判断黑色或蓝色签名的灰度值，之后，用[S_b(x，y)]_m×n来修复因叠加导致的印鉴预处理图像[I(x，y)]_m×n的缺损，采用以下的方法来进行修复：

找到所有[I(x，y)]_m×n为0，但[S_b(x，y)]_m×n为1的点，设为{(x₁，y₁)，...，(x_K，y_K)}，分别在以点(x_i，y_i)，i＝1，2，...，K为中心，覆盖一个N×N的模板，N为奇数，统计该模板中为1像素个数，记作N_b，如果N_b≥(N×N)/2，则该点置I(x_i，y_i)，i＝1，2，...，K为1，否则，不做处理；

步骤3，对上步修复后的印鉴图像[I(x，y)]_m×n与预存标准印鉴图像[I_s(x，y)]_m×n进行配准：

对预存标准印鉴图像[I_s(x，y)]_m×n进行平移与旋转，找到与[I(x，y)]_m×n相比残差最小的位置，即完成两者的配准，配准后的标准印鉴图像仍为[I_s(x，y)]_m×n；

步骤4，将[I_s(x，y)]_m×n进行膨胀处理：设膨胀后的标准印鉴图像为[I_sd(x，y)]_m×n，用其消除印鉴图像[I(x，y)]_m×n的底单干扰，特别是当底单的表格与文字均为红色时的干扰，消除底单干扰的图像[I_R(x，y)]_m×n计算公式为：

x＝1，2，...，m，y＝1，2，...，n     (7)

步骤5，对消除底单干扰的图像[I_R(x，y)]_m×n进行滤波，消除残留的局部干扰，消除残留的局部干扰的具体操作如下：

5.1)设计长度为N_m的十字形模板，N_m为奇数，设模板的中心为(x₀，y₀)，则模板为：

Tem＝{(x₀-N_m/2，y₀)，...，(x₀，y₀)，...(x₀+N_m/2，y₀)，

(x₀，y₀-N_m/2)，...，(x₀，y₀-1)，(x₀，y₀+1)，...，(x₀，y₀+N_m/2)}

5.2)将模板Tem依次作用于[I_R(x，y)]_m×n上所有值为1的点，模板的中心点(x₀，y₀)依次为待处理像素的位置，计算[I_R(x，y)]_m×n上模板范围内的所有为1的像素点的个数，如果该个数超过(N_m+1)/2，则该点修正为背景点，由此，消除局部的残留干扰，经过处理后的印鉴图像记为[I_Rs(x，y)]_m×n；

步骤6，将由步骤3得到的配准后的标准印鉴图像[I_s(x，y)]_m×n进行腐蚀处理，结构元素采用步骤5中的十字形模板，得到的结果记作[I_se(x，y)]_m×n；

步骤7，将[I_se(x，y)]_m×n与[I_Rs(x，y)]_m×n进行“或”操作，以在保持输入印鉴图像的基本特征的同时，进一步消除残留干扰，结果为[I_Rf(x，y)]_m×n，即：

式(8)中x＝1，2，...，m，y＝1，2，...，n；

步骤8，对印鉴图像的真伪进行粗判别：

8.1)将步骤7得到的印鉴图像[I_Rf(x，y)]_m×n与配准后的标准印鉴[I_s(x，y)]_m×n做差异检测，得到残差图为[e(x，y)]_m×n，即：

x＝1，2，...，m，y＝1，2，...，n    (9)

8.2)对[e(x，y)]_m×n进行贴标签处理，统计所有连通域的大小，保留的面积大于阈值S_Th的连通域，统计保留下来的所有连通域中的像素个数，记作N_k；统计标准印鉴图像[I_s(x，y)]_m×n的目标像素点数，记作N_s，残差率ρ_e计算公式为： ${\mathrm{\&rho;}}_e=\frac{N_k}{N_s}---\left(10\right)$

8.3)当残差率ρ_e大于阈值为5％-10％，则表明该印鉴为伪造精度不高的假印鉴，如果ρ_e不大于阈值ρ_Th，则进入精细判别环节；

步骤9，对印鉴图像的真伪进行精细判别：

9.1)将步骤7得到的印鉴图像[I_Rf(x，y)]_m×n与配准后的标准印鉴[I_s(x，y)]_m×n，分别进行左差检测和右差检测，左差图[e_L(x，y)]_m×n和右差图[e_R(x，y)]_m×n的计算公式如下：

x＝1，2，...，m，y＝1，2，...，n    (11)

x＝1，2，...，m，y＝1，2，...，n    (12)

记左差不为0的像素点个数为N_L，右差不为0的像素点个数为N_R；

9.2)对左差图[e_L(x，y)]_m×n进行贴标签处理，统计所有连通域的大小，保留的面积大于阈值

的连通域，这些连通域为疑似伪造残差，设这些连通域有K_L个，记作

其连通域的面积分别为

9.3)对K_L个疑似伪造残差区域

分别进行三次膨胀，以获得其邻域范围，设为其邻域面积分别为

9.4)分别统计右差图中相应的邻域

范围内为1的像素点数，分别记作

9.5)分别按照下面公式计算右残差率

即：

${\mathrm{\&rho;}}_{R_k}=\frac{N_{R_k}}{N_{{\mathrm{\&Omega;}}_{L_k}}},$ k＝1，2，...，K_L                     (13)

9.6)如果

大于阈值

为20％-50％，则保留该左差连通域，否则，将其删除；

9.7)统计所有保留下来的左差连通域的面积总和，记为计算左差的总残差率ρ_L为： ${\mathrm{\&rho;}}_L=\frac{N_{{\mathrm{\&Omega;}}_L}}{N_L}---\left(14\right)$

9.8)对右差图[e_R(x，y)]_m×n进行贴标签处理，统计所有连通域的大小，保留的面积大于阈值

的连通域，这些连通域为疑似伪造残差，设这些连通域有K_R个，记作

其连通域的面积分别为

9.9)对K_R个疑似伪造残差区域

分别进行三次膨胀，以获得其邻域范围，设为其邻域面积分别为

9.10)分别统计左差图中相应的邻域

范围内为1的像素点数，分别记作

9.11)分别按照下面公式计算左残差率

即：

${\mathrm{\&rho;}}_{L_k}=\frac{N_{L_k}}{N_{{\mathrm{\&Omega;}}_{R_k}}},$ k＝1，2，...，K_R                        (15)

9.12)如果

大于阈值

为20％-60％，则保留该右差连通域，否则，将其删除；

9.13)统计所有保留下来的右差连通域的面积总和，记为计算右差的总残差率ρ_R： ${\mathrm{\&rho;}}_R=\frac{N_{{\mathrm{\&Omega;}}_R}}{N_R}---\left(16\right)$

9.14)计算总残差率ρ：ρ＝(ρ_L+ρ_R)/2，如果ρ大于阈值ρ_Th，ρ_Th为1％-5％，则判断为假印鉴，否则判断为真印鉴。