CN102113026A - 用于识别文档的印版的方法和设备 - Google Patents

Abstract

用于识别文档的印版的方法包括：使用所述印版印刷至少一个文档的步骤，以高分辨率捕获所述文档的至少一部分的至少一个图像的步骤，提取至少一个被捕获的图像的几何特征的步骤，存储被提取的几何特征的步骤，并确定是否使用所述印版印刷了一候选文档，以高分辨率捕获所述候选文档部分的图像的步骤，该候选文档对应于已经存储几何特征的文档部分，提取对应于存储的几何特征的所述候选文档的图像的几何特征的步骤以及确定所述候选文档的几何特征以及存储的几何特征的相关测量是否高于一个预定的限值的步骤。

Description

用于识别文档的印版的方法和设备

技术领域

本发明涉及一种用于识别文档的印版的方法和设备。具体而言，本发明设计以独特的方式识别文档、验证文档，即能够检测文档副本和/或传送文档上的关于文档的信息，例如标识与文档关联的知识产权所有者的信息和/或文档制造地。术语文档包括所有数据载体，例如硬拷贝文档、设计图、包装、工艺美术品、塑模件和卡片，例如身份证或者银行卡。

背景技术

不同类型的文档印刷被分成两组：称为“静态印刷”一组，其中每个文档通过例如“胶版印刷”模拟印刷方法接收基本上相同的打印标记，以及被称为“序列化”数字式印刷的第二组，其中每个文档通过例如由个性化程序控制的喷墨打印方法以及用于印刷序列号的方法接收使其个性化的信息项。

对于胶版印刷来说，其是最常用的外壳和包装的印刷方法的之一，该方法针对文档中印刷的每个颜色产生一个印版，并且该印版的内容被印刷了数十万次，甚至上百万次。在这种情况下，对于每次印刷，在每个文档上都打印与插入到印版的内容相同的内容。苯胺印刷、活字印刷和凹板印刷是被称为静态印刷方法的其他示例。理论上，在静态印刷中，文档不能被逐一识别，这是由于每次都印刷相同的标记。另外，当印刷是静态的并且利用模拟印刷方法时，更难以控制印刷文档的精确数量。因此，通过印刷比权利所有者批准的数量更多的文档，存在仿造的重大风险。需要重视，如何确保能够遵守由生产订单具体指定的印刷数量，而该数量常小于印版的使用次数上限。需要重视，如何确保所有未使用的印刷物(序列的开始和结束、错误、取消的订单，等等)以及所有的印版、胶片以及其他能够恢复该文档的物体永不会落到造假者的手中？

使每个文档被精确和明确地识别的序列化印刷，通常优于静态印刷。实际上，由于在序列化印刷中，每个标识符仅被印刷一次，读出一副本(double)就意味着触发了一个警报：副本(double)是与在前读出的标识符相同的标识符。

通常来说，应当有多项安全措施以便保护标识符和/或防复制标记：源文件，可能为包括源文件的CAP文件，以及，在胶版印刷的情况下的该印版以及任何的胶片。

通过在第二步中印刷一未编码或优选为加密的独特码或序列号，能够在已静态打印印刷的项目上执行与防复制标记的序列化印刷的等同的过程。该序列化印刷例如能够采用二维条码的形式。表面上，该方法使得能够单独追踪每个文档同时保持可检测副本的可靠方式。没有接受序列化印刷的被盗文档不会承载有效的标识符。

然而，该方法不能解决所有问题。实际上，即使罪犯不能像印刷者一样识别伪造的文档，也不能防止由通常能提供有限的印刷质量的序列化印刷设备印刷的该独特码被复制。

因此，拥有待识别为可信文档的造假者能够复制一个或多个有效的独特码，并将它们重新复制到将被识别为可信的文档中。

现有技术包括多种利用适当物理特征的方法，以便以一种独特的方式表示和识别每个文档。通常，所选择的适当物理特征具有随机性质，并且根据现有技术是无法复制的，至少成本上是不划算的。这些方法使得所有被认为“合法”的文档可被控制：只有那些针对包括独特集合的物理特征的已被存储的文档被认为是合法的。

例如，US文档4423415描述了一种方法，该方法可根据一张纸的局部透明度特性来识别这种纸。多种其他的过程都基于输入材料的独特以及不可复制的物理特性，以便生成所述文档的一种独特和不可转变的签名。例如，文档WO2006016114以及US2006/104103都基于测量衍射图样，该衍射图样由应用至某物体的精确区域的激光束产生。

虽然它们提出了对上述问题的一种有趣的解决方案，但是，出于种种原因，基于从材料中提取签名的方法难以使用。首先，在生产该文档时记录签名需要昂贵的光学读取器，并且该记录签名的方法难以整合在生产线中。此外，这些生产线可能具有非常高的工作速度。通常来说，这些技术仅可用于少量的生产中。此外，在本领域中，对于多种应用来说用于检测的读取器也是非常昂贵的。并且它的体积庞大且不易于使用，而在本领域中，这些检测常需要快速和悄悄地完成。最后，不可能从所有的材料都能提取出独特的签名：排除玻璃以及那些反射性太强的材料，尤其是，至少对于激光的衍射测量来说。

本发明旨在改善这些不便之处，尤其是适用于改善已知的基于文档重要性的独特物理属性的识别方法的困难和限制。

数字验证码(下文中还被称为“DAC”)是一种数字图像，该数字图像通过印刷或介质的局部修改已经被标记在介质上，并被设计成：如果复制被标记的图像通常，则可修改从捕获的图像自动测量的一些特性。。该数字验证码通常基于在复制步骤期间对复制敏感的一个或多个信号的衰减，该信号由具有对复制敏感的可测特性的图像元素承载。某些种类的数字验证码还可包括某个信息项，该信息项使得包含它的文档可被识别或追踪。

存在多种数字验证码。副本检测图案(下文中还被称为“CDP”)是密集的图像，该图像通常具有伪随机特性。它们的读取原理基于图像比较以便例如通过图像传感器测量出原始副本检测图案和捕获的副本检测图案之间的相似度(或相异点)索引：若该捕获的图像是捕获副本，其具有的相似度索引比原始副本低相似度。

与二维条码相似，安全信息矩阵(下文中还被称为“SIM”)是被设计为鲁棒(robust)的可承载大量信息的图像。然而，与二维条码不同的是，安全信息矩阵对复制敏感。通过读取，针对从该矩阵提取的编码消息统计出错率，副本的出错率要高于原件的出错率，这使得能够将原始印刷本与这些副本区分开来。

除非以特殊方式标记(例如使用隐形墨水)，否则该副本检测图案与安全信息矩阵都是可见的。此外，通过不可见的方式标记副本检测图案以及安全信息并不总是能够实现，这取决于成本或制造限制。防复制标记的可见性可能是一种美学上的缺陷，以及在某些情况下是涉及安全性的缺点，这是因为它们的存在给造假者以提示。

还存在数字验证码，该数字验证码本来就是不可见的或者至少是难以发现的。

例如，一些集成在印刷图像中的数字标记(称为“水印”)被设计为当例如通过复印的方式重新生成该印刷的图像时这些数字标记将会受到损坏。由于原始印刷版本的数字水印的衰减程度低于其副本的衰减程度，检测出该数字水印的衰减程度，，就可以检测出这些副本。

结合这些水印以及对复制的不同敏感度，通过比较各自的能量等级，就能够检测出副本。然而，在文档的生成过程中集成数字水印更为复杂，这限制了数字水平的使用：实际上，与副本检测图案和安全信息矩阵不同，数字水印不能被简单地“添加”至图像；事实上，数字水印是要添加的消息和原始图像的复杂函数，根据原始图像的掩盖特性，局部调整数字水印的能量。将数字水印集成在文档或产品中，使得必须将源图像发送至集成该数字水印的标记/印刷中央处理单元并返回已被标记的图像。由于该文件通常体积较大或引起相关的图像安全问题，此方法并不非常实用。反之，对于标记/印刷副本检测图案或安全信息矩阵来说，不必将源图像发送至标记/印刷中央处理单元：相反地，发送给附在文件或产品上的图像文件的持有者的副本检测图案或安全信息矩阵的图像通常具有较小的尺寸，例如几千字节。此外，该方法难以稳定读取数字水印，这使得区分文档的原件与副本的随机性更大。实际上，使用数字水印产生错误的风险通常比使用副本检测图案和安全信息矩阵产生错误的风险更高。

还存在不对称调制空间标记方法(下文中还被称为“AMSM”)例如在文档WO2006087351和CH694233中描述的那些方法。就像数字水印一样，AMSM使得能够不可见地标记文档，或者说至少是不容易看到的。AMSM通常为点图案，该点图案可以作为附加层添加至要标记的文档。例如，在胶版印刷过程中，仅承载AMSM的附加印版被套印在该文档上。这样，AMSM比数字水印更易于在文档的生成过程中集成，因为标记/印刷中央处理器并不需要源图像。然而，与副本检测图案和安全信息矩阵不同，AMSM通常需要额外的印版和墨水，这使得它们的使用更为复杂，成本更高。此外，就像数字水印一样，AMSM检测方法也可能是不精确的。实际上，所公知的是，标记/印刷使得涉及已标记图像的精确位置的模拟存在偏差。该偏差属于已打印基本点的尺寸级别，甚至低于该级别，并且当被标记的表面具有较大面积时，该偏差对副本的检测的影响是很大的。然而，基于自动相互关联和交叉相互关联的AMSM检测方法并不考虑该位置偏差。这增加了读取该标记的不精确性，结果是降低了区分原件和副本的能力。

当通过平板扫描仪完成捕获时，通过获取足够大的捕获表面以及足够的捕获分辨率，AMSM能够检测出简单的副本，该副本例如是复印件，即使是那种使用高精密度或高分辨率实现捕获的，并随后进行重印的高质量复印件也可以检测出。然而，对于坚定的造假者来说，AMSM降低了防止复制的保护力度。实际上，在完成高分辨率的捕获后，造假者可使用人工图像处理工具，例如“Photoshop”(已注册商标)，也可能同时使用自动图像处理工具(例如“Matlab”，已注册商标)，以便将所有的已检测点恢复至其原始形态。在高质量复制的情况下，被复制标记中的点不再比原始标记中的点弱，而且该副本有着非常大的几率不被检测为一种副本。因此，坚定的造假者通常可生成AMSM中包含的信息的相同副本，这意味着长远来看该方法被认为是不安全的。

对于最常用的印刷方法(尤其是胶印)来说，可以静态地打印AMSM(以及其他的数字验证码)。由于最常用于AMSM和数字验证码的印刷类型都是静态的，因此不能改变每次印刷时的标记和所包含的消息。

然而，需要能够独特地描述并识别对单一源图像每次印刷的特征。同样地，需要识别至少一个用于印刷文档的印版，以确保这些文档可被追踪。

发明内容

本发明旨在改善上述全部或部分困难。

为此，根据第一方面，本发明设计了一种用于识别文档的印版的方法，特征在于其包括：

-使用所述印版印刷至少一个文档的步骤，

-以高分辨率捕获所述文档的至少一部分的至少一个图像的步骤，

-提取至少一个被捕获的图像的几何特征的步骤，

-存储被提取的几何特征的步骤，

-确定是否使用所述印版印刷了一候选文档，以高分辨率捕获所述候选文档部分的图像的步骤，该候选文档对应于已经存储几何特征的文档部分，

-提取对应于存储的几何特征的所述候选文档的图像的几何特征的步骤以及

-确定所述候选文档的几何特征以及存储的几何特征的相关测量值是否高于一个预定的限值的步骤。

正是由于提供的上述步骤，可以获知，对于一个给定的文档来说，是否使用了一个合法的印版来印刷该文档，并且因此获知该文档本身是否是合法的，或者说是否是可信的。特别地，即使用于铭刻该印版的数字文件被盗或被复制，根据这些数字文件生成的印版也不能印刷合法的文档。

根据特定的特征，作为本发明主题的方法还包括，确定由所述印版生成的每个印刷品的全部几何特征的步骤，存储所述几何特征的步骤以及，确定对应于存储的全部几何特征的该候选文档全部几何特征的步骤以及确定存储的几何特征与候选文档的几何特征间的最高相关系数的步骤。

以此方式，除了识别用于印刷该文档的印版之外，还可识别一文档，。

根据特定的特征，作为本发明主题的方法包括生成使用所述印版要印刷的图像，所述图像包括多个互不接触的点。

正是由于提供的上述步骤，可以更准确地确定印版和/或文档的签名或几何特征。

根据特定的特征，在提取几何特征的每个步骤中，通过图像处理提取图像的轮廓。

根据特定的特征，在每个提取步骤中，根据角度确定该轮廓至该轮廓所包围区域的重心的间距的表示值。

正是由于提供的上述步骤，对几何特征的提取简单并可靠。

根据特定的特征，在每个提取步骤中，确定印刷的点的灰度级别。

因此使用灰度级别，降低了对于印版的墨迹或文档的老化的敏感度要求。

根据第二方面，本发明设计了一种用于识别文档的印版的设备，特征在于其包括：

-使用所述印版印刷至少一个文档的装置，

-以高分辨率捕获所述文档的至少一部分的至少一个图像的装置，

-提取至少一个被捕获的图像的几何特征的装置，

-存储被提取的几何特征的装置，

-设计的控制装置，用于确定是否使用所述印版印刷了一候选文档，并以高分辨率捕获对应于已经存储了几何特征的文档部分的所述候选文档部分的图像的装置，提取对应于存储的几何特征的所述候选文档的图像的几何特征并确定所述候选文档的几何特征以及存储的几何特征的相关测量值是否高于一个预定的限值。

根据第三方面，本发明设计了可载入一计算机系统的程序，所述程序包括能够利用上述作为本发明的主题的方法的指令。

根据第四方面，本发明设计了一种可由计算机或微处理器读取的数据载体，该数据载体可被移除或不可被移除，其记录计算机程序指令，特征在于其能够利用上述作为本发明的主题的方法。

由于该设备、该计算机程序和该数据数据载体的特定特征、优点以及目的相似于上述作为本发明主题的那些方法的特定特征、优点以及目的，因此，这里不再赘述。

附图说明

通过下文的说明，辅以非限制性的示例，并参考包含在附录中的附图，本发明的其他优点、目的和特征将变得更为明显，其中：

图1展示了因子大约为20的放大的数字标记，

图2展示了图1中示出在印刷后放大的标记，

图3展示了图2中示出的放大的印刷标记的副本，

图4展示了图2中示出放大的的印刷标记的高质量副本，

图5展示了放大的VCDP，在该示例中，可变特征为一个点的高度，

图6展示了已经印刷的图5中VCDP的一部分以大约为200的因子放大的示例；

图7展示了在印刷前具有不变的点大小的单一VCDP两个放大的印刷件，

图8展示了放大的安全信息矩阵，在其中心包括一VCDP；，

图9展示了放大的安全信息矩阵，其被一VCDP包围，

图10展示了放大的VCDP，其四个角由一个点以及围着该点的四个封闭点组成，

图11展示了放大的VCDP，其四个边上具有由点组成的线，

图12展示了放大的VCDP的一部分，其形式为一网格，

图13展示了图12中示出的VCDP的二维傅里叶变换的绝对值，

图14示出了放大的VCDP的细节，其展示了信息的编码项，

图15图解地示出了作为本发明主题的设备的特定实施例，

图16A至20以逻辑图的形式示出了在作为本发明主题的方法的多个方面的特定实施例中利用的步骤，

图21展示了高密度VCDP的被放大的一部分，

图22展示了点维梯度VCDP的被放大的一部分，

图23以逻辑图的形式展示了在作为本发明主题的方法的的特定实施例中利用的步骤，

图24以放大的视图展示了在作为本发明主题的方法的特定实施例中利用的数字标识符图案，

图25以放大的视图展示了在丛书的第一次印刷中一旦印刷在某物体上的图24的数字标识符图案，

图26以放大的视图展示了在丛书的第二次印刷中一旦印刷在某物体上的图24的数字标识符图案，

图27展示了从图25和26中示出的从印刷的标识符图案中捕获的图像的离散余弦变换，

图28A至28C以逻辑图的形式展示了在作为本发明主题的方法的特定实施例中利用的步骤，

图29展示了在作为本发明主题的方法的特定实施例中利用的两组标识符图案的分值分布，

图30展示了要印刷的点分布，

图31展示了图30中示出的点分布的印刷件的左上部分的放大印刷图像，

图32展示了图30中示出的点分布的点形状的相关测量值的分布图，

图33示出了在确定印刷时要获取的最优误差率期间获得的图表以及，

图34以逻辑图的方式示出了在确定用于印刷文档的印版的方法中利用的步骤。

具体实施方式

在给出本发明的多个特定实施例的细节之前，下面给出在说明书中将使用的定义。

“信息矩阵”：这是消息的机器可读的物理图像，通常附加在固体表面上(与水印或数字水印不同，这些水印改变了要印刷的设计的像素值)。信息矩阵定义包括，例如，二维条码、一维条码以及其他用于表示信息的具有较少干涉性的方式，例如“Dataglyphs”(数据标记)；

“文档”：这是载有信息矩阵的任意(物理)对象；

“印记”或“印刷”：从数字图像(包括信息矩阵、文档等等)变为真实世界中的图像的任意过程，该图像通常被印刷至一表面：这方法包括但不限于：喷墨、激光、胶印以及热敏打印，并且还有凹凸印、激光雕刻以及全息图像生成。还包括更为复杂的方法，例如制模，在该方法中首先将数字图像雕刻在一模具中，然后将其铸造在每个对象中。需要注意的是，即使其数字图像仅包括两个维度，一个“铸造”的图像可被认为在物理世界中具有三个维度。还应注意的是，提出的多个方法包括多个变换，例如标准胶版印刷(与“计算机直接制版”胶印不同)，包括创建胶片，所述胶片用于生成一印版，所述印版在印刷中使用。其他的方法通过使用可见频谱外的频率，或通过将信息刻入到表面中等等，也使得能够在不可见域中印刷信息项

“标识符图案”或“IP”：根据(数字)源图像印刷的图像，源图像被设计和印刷以便以更高的可能性对每个所述源图像的印刷品进行识别。

“独特的特征”：标识符图案的独特物理属性，使得标识符图案能够与根据同一源图像获得的任意其他的印刷品区分开来。

“印痕”：测量出的所有的特征值，使得能够表示一标识符图案并将其与标识符图案的图像作比较。

“捕获”：获取真实世界的数字图像的方法，包括包含信息矩阵的物理文档的数字图像，

“单元”：是可变特征点图案(“VCDP”)的一个规则区域，通常为矩形甚至为正方形，在该区域中存在至多预定数量的点，除特定的变量外指，该预定数量通常等于一；

“生成像素”：被认为用于生成VCDP的最小区域，

“点”：非常小尺寸的印刷基本区域，可能是可变的，与背景形成对比，该点通常为一个或多个生成像素的图像，

“捕获像素”或“图像像素”：图像传感器的一个区域，该区域的图像对应于感光性的基本点或像素，

“数量级”：若A的值介于B的值的十分之一和十倍之间时，物理量A与物理量B具有相同的数量级。

参考图24至29，在本发明下文所述的实施例中，利用了以下步骤：

步骤701至703，设计数字化的标识符图案，

步骤711至715，计算标识符图案的印痕(根据在别处描述的一种方法)，

步骤720至726，优化对标识符图案的印刷，

步骤731至734，存储和展示该印痕或文档的独特的特征，

步骤741至749，利用一数据库识别该印痕，

步骤751至756，不使用数据库检查该印痕，

步骤761至763，结合使用标识符图案以及数字验证码，以及

步骤771至780，确保文档安全。

参考设计一数字化标识符图案以及确定标识符图案的印刷参数，根据本发明的某些特定的特征初始描述，已经发现，如果具有安全信息矩阵的单一源图像被印刷多次，在每次印刷时，源图像都会受到不同错误的影响。同时，对于副本检测图案产生的相同影响也需要注意。更一般来说，需要注意的是，对于具有足够密度的任意图像来说，1)印刷该图像将导致其衰减，以及2)每次印刷时，都会受到不同衰减的影响。

更精确地说，这种现象并不限于数字验证码。实际上，假定在印刷中利用随机方法，无论数字图像的密度如何，其每次印刷都会不同于其他次印刷。仅仅针对低密度图像来说，差别将更少更轻微。因此，需要更高的捕获分辨率以便捕获该差别，尽管有时这些差别非常小。相反，对于使用足够的分辨率打印的数字验证码来说，并不需要使用特别高的捕获分辨率(每英寸1200点的扫描设备看起来就足够了)。此外，当该差别非常大时，并不需要非常精确地提取独特的特征，这在读取算法的开销和稳定性方面是一种优势。

标识符图案是被设计和印刷的图像，以便最大化单一源标识符图案的每次印刷件之间的差别。优选地，以伪随机的方式设计这些图像(例如使用一个或多个密码密钥)，但是它们可以是完全随机的(在第二种情况下，差别就在于没有密码密钥或者说并不保留该密钥)。然而，需要注意的是，理论上可在兼顾安全性的情况下获知原始数字标识符图案：实际上，仅仅在数据库中记录(它们的印痕)的标识符图案是合法的，并且理论上，不可能控制印刷中无法预知的未知事件的发生。因此，拥有源图像并不能给造假者任何真正的利益，这也是标识符图案在安全方面所带来的另一优势。

由于衰减从本质上来说是随机的，并且针对单一源图像的每次印刷都产生了不同的结果，标识符图案的每次印刷具有独特的不可重现或转变的特征。因此，单个标识符图案的每次印刷都不同于所有其他次印刷，从而本质上具有用于明确识别它的方法。因此，可计算出标识符图案的印痕并以多种方式使用，以便增加包含它的文档的安全性，尤其是在识别模式和检查模式中。

标识符图案可为简单的矩形，可能被能使它们易被检测的边框围绕，但是还可具有一种特殊的形状，例如为一商标(logo)，等等。然而，在读取方面以及与数字验证码或其他码例如一维或二维条码的正常形状的兼容性方面，矩形具有优势。

下面描述用于设计一标识符图案的算法：

在步骤701中，接收一密钥，例如32字节(256位)的序列，

在步骤702中，通过使用递归加密或哈希函数，使用该密钥初始化该算法，并生成所需随机比特的数量。例如，对于10000像素黑白标识符图案(每像素1比特)来说，需要10000比特；对于灰度等级标识符图像(每个等级概率相等)来说，需要多于8倍的比特。假设使用SHA-1哈希函数(256比特输入和输出)，必须调用该函数40次(每像素一比特)或稍低于320次(每像素八比特)以便获得所必需的比特(由于40×256＞＝10000或者320×256＞＝80000)。读取器可基于FIPS(“美国联邦信息处理标准”的缩写词)和AES(“高级加密标准”的缩写)标准读取以及

在步骤703中，该比特被集合在一个图像中，例如100×100个点，并且该比特可能由一边来实现。

图24示出了印刷前的这样一种标识符图案。图25和26示出了图24中示出的标识符图案的两个不同的印刷品。

由于数字验证码的设计和印刷的特征接近于标识符图案所需的特征，数字验证码的功能可与标识符图案的功能相结合。例如，需要一密钥的副本检测图案的设计算法前述的算法类似，即使是得到不同的结果。对于安全信息矩阵的设计算法来说，它们需要一个或多个密钥以及一个或多个消息。然而，其结果也是相似的，即得到具有伪随机值的图像。

将在下文中看到，结果是标识符图案的理想印刷条件接近于数字验证码的理想印刷条件。因此，参考设计以及印刷结果，能够将数字验证码和标识符图案的功能结合起来。

关于提取方法以及当检查一文档时，比较标识符图案的印痕的方法，首先在下文中描述了一般的提取和比较方法，其包括提取所捕获的标识符图案的一组点的值：

在步骤711中，确定已印刷文档的图像中的标识符图案的位置。例如，针对矩形的标识符图案，可提取出该标识符图案的四个边的位置(高，宽)。

在步骤712中，针对要提取的给定数量的点，确定在图像中的位置并提取出这些点每个的值。例如水平为256个点，垂直为256个点，总共为256²个点，例如，当后面使用FFT(快速傅里叶变化)或DCT(离散余弦变换)时，该点的数量为2的幂次是有利的。从现有技术中得知，可通过使用标准的几何方法来确定点的位置：确定参考点的位置(例如，当矩形时参考点为标识符图案的四个边)，然后通过假定所捕获的图像经历了例如仿射或透视变换来确定点的位置。例如，典型地该值的范围介于0至255之间，所捕获的图像也一样。由于该位置可能是分散的，所采用的点的值可为“最相邻的”，这种方法开销不是很大但也不是很精确。也可使用开销随着所需的精度而提高的插值算法：双三次、双线性等等插值算法。结果是整数(最相邻)或浮点(插值)值的256×256矩阵。

在步骤713中，计算矩阵两个维度中的离散余弦变换。使用离散余弦变换是有利的，这是因为它使得能够强烈压缩信号能量覆盖少量的组份。

在步骤714中，选择给定数量的系数，例如，10×10最低频率系数，并可能排除常量系数，该常量系数称之为位于位置(0，0)的“DC”系数

在步骤715中，该系数被重新排序为一向量，其组成了安全信息矩阵的印痕。

需要注意的是，上述方法并不利用任何秘诀，从而使得任何人都能够计算该印痕。在某些情况下，即在认为不会造成安全风险的情况下，上述方法是令人满意的。相反地，在其他情况下，仅获得授权的人员才能计算该印痕。为此，使用一保持机密的密钥，这使得能够确定建立印痕的系数。该密钥仅透露给被授权重建印痕的人员或单位。对于本领域技术人员而言，可以使用本领域现有技术从该密钥选择系数，通常使用哈希算法或加密算法。

然后，能以多种方式比较对应于分开捕获的两个印痕，以便获得相似度的测量结果或者，相反的，距离的测量结果。通过测量，例如印痕之间的关联系数，获得相似度的测量结果，后面将其称为“得分”。

为了确认提取独特的特征的这一方法，生成100×100像素的标识符图案并在600点每英寸的激光打印机中印刷100次。使用1200点每英寸的“平台”扫描仪来实现对每个印刷标识符图案的三次捕获。然后为300次捕获中的每次捕获都计算出一印痕。然后为44850对印痕中的每对印痕测量出得分(该数字的计算方式如下：300*(300-1)/2)。这44850个印痕对被分为两组：

A组为600对对应于同一印刷标识符图案的不同捕获的印痕以及

B组为44250对对应于不同印刷标识符图案的捕获的印痕。

对于A组来说，得分介于0.975和0.998之间，对于B组来说，得分介于0.693和0.945之间。图29示出了A组和B组的得分分布。基于这些得分，可能在两组的印痕对之间不会产生混淆。因此，通过使用上述印痕计算方法，可明确地确定100个印刷品中哪个是捕获图像的源图像。

测量“印痕分散度”，其包括计算A组和B组的得分平均值(这里分别为0.992和0.863)之间的差值，并通过A组得分的标准偏差将其标准化，这里得到的值为0.005。获取一数值25.8。将在后面看到，此索引对于确定给出最好结果的印刷和设计参数来说是有用的。

下文中将描述提取涉及安全信息矩阵的印痕的第二种方法。该方法尤其适用于当标识符图案也具有安全信息矩阵的功能时。该方法解释了如何提取捕获的安全信息矩阵的扰乱消息。该扰乱消息具有非零的错误率并且该错误的结构被用作印痕。

该方法的优点在于它使得能够使用为读取安全信息矩阵而设计的软件。该方法使得所需的计算开销最小化。

然而，如果必要的话，精确读取安全信息矩阵需要一密钥，该密钥用于生成校准块。在所有情况下，都不得泄露该密钥。此外，尽可能地消除为每个印刷品所特有的内部校准变更。由于这些变更参与了区分安全信息矩阵的不同印刷品，这不是必须期望的。

对于确定用以生成和印刷标识符图案的最优参数的方法，存在衰减的最优级别，这使得能够尽可能简单地分离单一源标识符图案的各个印刷品。因此，如果印刷的衰减级别非常低，例如1％或2％(从完美的捕获误读出1％或2％的标识符图案单元或像素)，单个标识符图案的多个印刷品彼此之间非常接近，从而难以可靠地将其识别，除非存在非常精确的捕获和/或非常精确的分析算法。同样地，当衰减级别非常高时，例如45％或50％(从完美的捕获误读出45％或50％的标识符图案单元或像素，50％表示在读取的矩阵和源矩阵之间不存在统计关联)，印刷标识符图案彼此间的区分几乎不清楚。实际上，衰减的最优级别接近于25％，若应用条件允许，优选为接近该级别。实际上，对于25％的衰减来说，假定印刷变更并因此基于自然几率衰减，对于印刷标识符图案的每个点来说，不同于其他印刷标识符图案的几率得以最大化。

下文将给出第二个分析，分析当根据使用的印刷方法生成要印刷的图像时要查找的错误率。

为了确定如何生成VCDPs，其中，该VCDPs使得能够最优化对副本的检测，下文展示了基于决策理论的模型。使用信号来表示在图像(或点)上测量的特征。为了简化该分析，可以作这样的假设：在印刷前，数字信号对应于能够具有二进制值的特征(例如，点的两个尺寸，两个位置，等等)具有二进制值。通过大多数印刷方法都处理二进制图像这一事实来证实这一假设。明显地，分析的结论可扩展至更加复杂的情形，特别是对于具有多个可能的值点特征来说。通过添加高斯噪声对VCDP的印刷进行建模。本发明还假设使用相同的印刷方法生产副本，从而还通过添加相同能量的高斯噪声为副本的印刷建模。此外，造假者在印刷它的副本之前捕获该信号，被强制通过对最小化其错误几率的初始值进行标记来重建二进制信号。

该模型直接对应于可具有1×1像素或1×2像素点尺寸的VCDP(例如，以2400dpi印刷)，对于这种情况，根据测量的灰度等级或估算的点表面区域，造假者必须从扫描重建的图像中选择点尺寸的一个。该模型还对应于位置改变量例如为1像素的VCDP。

根据这一模型，得到最优检测器、检测器的值的统计分布以及最大化复制检测的参数值。

下面的表格总结了不同的变量。

s	源信号
		n，nc	噪声，复制噪声
x	接收的信号

在不丢失一般性的同时，源信号是等概率的，即s[i]：{+a，-a}，其中i＝0，1，...，N-1，并且a＞0。印刷噪声遵从高斯分布N(0，σ²)。

对模型的假定被总结如下：

(H0)x[i]：{+a，-a}    (1)

(H1)n[i]：N(0，σ²)   (2)

(H2)n_c[i]：N(0，σ²)  (3)

通过将信号恢复为+a和-a之间的最接近值，可轻易地检查出造假者是否最小化他们的误差概率。

结果，检测问题包括区分下述两个假设：

H₀：x[i]＝s[i]+n[i]               (4)

H₁：x[i]＝a.sign(s[i]+n[i])+n_c[i] (5)

其中H₀和H₁是假设接收信号分别是原始的和复制的。

造假者已正确估算的概率值为：

p(sign(s[i]+n[i])＝s[i])＝p(s[i]+n[i]＞0)  (6)

＝p(N(a，σ²)＞0)(7)

＝p(N(0，1)＞-a/σ)                        (8)

＝Q(-a/σ)                                 (9)

其中 $Q\left(x\right)={\left(2\mathrm{\π}\right)}^{-1/2}{\∫}_{-a/\mathrm{\σ}}^{+\∞}{\exp }^{-x^2/2}\mathrm{dx}.$

接收的信号的概率分布如下所示，其中在假设H₁中存在两个高斯分布的混合。

$p(x;H_0)=\frac{1}{{\left(2\mathrm{\π}{\mathrm{\σ}}^2\right)}^{N/2}}\exp [-\frac{1}{2{\mathrm{\σ}}^2}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\left(x\right[n]-s[n\left]\right)}^2]---\left(10\right)$

$p(x;H_1)=(1-Q(-a/\mathrm{\σ}))\frac{1}{{\left(2\mathrm{\π}{\mathrm{\σ}}^2\right)}^{N/2}}\exp [-\frac{1}{2{\mathrm{\σ}}^2}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\left(x\right[n]+s[n\left]\right)}^2]+---\left(11\right)$

$Q(-a/\mathrm{\σ})\frac{1}{{\left(2\mathrm{\π}{\mathrm{\σ}}^2\right)}^{N/2}}\exp [-\frac{1}{2{\mathrm{\σ}}^2}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\left(x\right[n]-s[n\left]\right)}^2]---\left(12\right)$

将检查简单的相关器是否给出了最佳分类函数。一种Neyman-Pearson检测器测试确定H₁的似然比高于一阈值t：

$L\left(x\right)=\frac{p(x;H_1)}{p(x;H_0)}>t---\left(13\right)$

似然比由下式给出：

$L\left(x\right)=Q(-a/\mathrm{\σ})+(1-Q(-a/\mathrm{\σ}))\exp [-\frac{1}{2{\mathrm{\σ}}^2}{\left(\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}x\right[n]+s[n\left]\right)}^2+\frac{1}{2{\mathrm{\σ}}^2}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{\left(x\right[n]-s[n\left]\right)}^2]---\left(14\right)$

采用对数以及新的阈值t′，可得出：

$T^{\&prime;}(x,s)=\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}x\left[n\right]s\left[n\right]<t^{\&prime;}---\left(15\right)$

因而，分类函数是一个简单的相关器T’，其值必须小于阈值t’，以将信号分类为一副本。

确定两个假设的T’的统计。可假定T’跟随着高斯分布(对于N高来说为真)，为两个假设得出其中数和方差：

E[T′；H₀]＝Na²                                           (16)

E[T′；H₁]＝Q(-a/σ)Na²-(1-Q(-a/σ))Na²＝(2Q(-a/σ)-1)Na² (17)

Var[T′；H₀]＝Na²σ²                                      (18)

Var[T′；H₁]＝N(a²σ²+a⁴Q(-a/σ)(1-Q(-a/σ)))              (19)

当副本来自于同一原件，可消除假设H₁的方差的第二个条件(a⁴Q(-a/σ)(1-Q(-a/σ)))。实际上，由于造假者仅通过适用一个原件来制造大量的副本以最小化其工作量，所以消除该条件是合理的。

当方差相等时，可通过偏转系数d²来标记检测性能的特征，其对应于两个假设的函数T’的中数的差，由T’的方差标准化：

$d^2=\frac{{\left(E\right[T^{\&prime;};H_0]-E[T^{\&prime;};H_1\left]\right)}^2}{\mathrm{Var}[T^{\&prime;};H_0]}---\left(22\right)$

$=\frac{2N^2{a}^4{(1-Q(-a/\mathrm{\&sigma;}))}^2}{{\mathrm{Na}}^2{\mathrm{\&sigma;}}^2}---\left(23\right)$

$=\frac{2N{a}^2{(1-Q(-a/\mathrm{\&sigma;}))}^2}{{\mathrm{\&sigma;}}^2}---\left(24\right)$

$=2N{(\mathrm{\&gamma;}(1-Q\left(\mathrm{\&gamma;}\right))}^2---\left(25\right)$

其中γ＝a/σ是信噪比的平方根。

由于检测性能与偏转系数同时增加，因此其目的是确定最大化表达式(γ(1-Q(γ)))的γ的值。

图33展示了根据γ的表达式的值。在下面给于解释。接近于零的γ值对应于与信号相关的非常高的噪声：当噪声非常高时，第一次印刷时的信号衰减，造假者引入多个非常低的估算误差。相反地，当γ值很高时，信号衰减不严重，那么在大部分情况下造假者并没有引入任何估算误差。在这两个极端之间，该表达式产生一个最佳值，对其来说该值在数字上被估算为γ≈0.752。

非常有趣的是，对于该值来说，造假者没有正确确定该值的概率接近于22.6％。

实际上，其包括获取信噪比γ²尽可能地接近于0.7522²，即0.565。

让我们举个例子以便更好地理解如何获取此比值。假设使用两个可能的点尺寸(以像素的数量来表达)来生成VCDP，该点尺寸为9个像素(例如，3×3像素)。需要注意到是，可利用很多种算法来测量点尺寸，例如通过灰度级别的局部自适应阈值并计算低于该阈值的像素数来测量点尺寸。将9个像素的点印刷足够的次数。在捕获的图像中，测量出每个点数量的像素的中数和标准偏差。假定获取了12的中数(观测到平均增益为33％)，以及4的标准偏差。此标准偏差对应于值σ，其描述了我们的模型的公式中的噪声。因此将为我们的信号a获得接近于3的值以便获得比值γ＝0.75，其非常接近于最佳值。例如，从而获得该信号值为15的两个点尺寸并可定义6个像素。

下文描述了用于优化印刷参数的可行的算法：

在步骤720中，接收用于标识符图案的可用的表面面积，例如测量1/6英寸的正方形，

在步骤721中，对应于多种可能的印刷分辨率，例如每英寸400点的66×66像素的标识符图案，每英寸600点的100×100像素的标识符图案，每英寸800点的133×133像素的标识符图案，每英寸1200点的200×200像素的标识符图案，生成多个具有不同数字尺寸的标识符图案的数字图像，

在步骤722中，以合适的分辨率，将每一个具有不同数字尺寸的标识符图案印刷多次，例如100次，以便印刷的尺寸对应于可用的表面面积。

在步骤723中，对于每个类型来说，每个印刷标识符图案被捕获多次，例如为3次，

在步骤724中，计算每个标识符图案的印痕，

在步骤725中，为所有的具有相同印刷分辨率的捕获的标识符图案对计算相似度得分以及

在步骤726中，对于每个印刷分辨率来说，接着执行在上述一般印痕提取方法的测试中描述的方法以测量“印痕分散程度”，并且选择为该印痕分散程度提供最大值的印刷分辨率。

在一可变实施例中，使用不同的印刷分辨率印刷多个安全信息矩阵，并且确定产生25％错误率的印刷分辨率，其中，使用别处描述的其中一个算法计算该错误率。

在一可变实施例中，为那些在得分的最低值和得分的最高值之间存在最大差别的情况选择印刷分辨率，其中，得分的最低值基于比较对应于相同印刷品的印痕来计算，得分的最高值基于比较对应于不同印刷品的印痕来计算。

关于表示和存储特征的算法，该算法有利于尽可能地减少印痕数据量。在识别的情况下，该算法包括将印痕与存储在数据库中的数量庞大的印痕作比较，其开销很大。通过减少要比较的印痕的大小来减少这一开销，尤其是通过避免使用浮点数的方法。

考虑一般的印痕提取方法的情形。从捕获标识符图案中提取的初始数据向量是提取值的256×256矩阵，并且在选择系数后，其由一离散余弦变换来表示，并具有10×10的值。该方法有利于使用每个值一字节的形式表示这一矩阵的值，也就是为100字节。

在步骤727中，使用标识符图案来印刷至少一个对象以生成一安全文档。

另一方面，离散余弦变换的系数可为正值或负值，并在理论上不作限制。为了使用定量的信息表示这些值，必须量化这些值以便使用二进制值来表示。一种可能的方法如下所示：

在步骤731中，事先为每个系数确定最小值和最大值。一般来说，最小值和最大值有着相同的绝对值。

在步骤732中，确定表示每个值的比特或字节的数量以及

在标准化步骤733中，为离散余弦变换的每个系数，减去最小值并将剩下的值除以最大值，

在步骤734中，若每个值可用一个字节，则将获得的结果与量化数据(也就是256)的可能取值的数量相乘。将该结果的整数值与原始量化值作比较。

在一可变实施例中，优化量化步骤以便最小化量化误差。

对于使用数据库进行识别的方法，在识别的情况下，该方法必须将一标识符图案与数据库的每个标识符图案进行比较，以便确定该标识符图案是否对应着数据库的一个标识符图案，其中该标识符图案被认为是合法的，并且利用它可检索到相关的可追踪信息。如果不是这样的话，标识符图案被认为是不合法的。

在实施例中，利用了以下步骤：

在步骤741中，确定在捕获图像中包含的标识符图案的印痕，

在步骤742中，计算获取的印痕的得分或相似度，其中，每个印痕都存储在数据库中，

在步骤743中，确定获取的最大相似度，

在步骤744中，若最大相似度高于一阈值，标识符图案视为是合法的并且，在步骤745中，检索相关的可追踪信息，

如果不是这样，在步骤746中，标识符图案视为是不合法的。

在可变实施例中

在步骤747中，若标识符图案还具有数字验证码的功能，提取可追踪信息。

在步骤748中，能够减少搜索空间的可追踪信息还可来自于另一源，例如相关的条形码，来自于控制者的信息，等等，以及

在步骤749中，使用这种信息来减少数据库中的搜索空间。例如，利用生产订单信息能够从对应于该生产订单的印痕子集中预先选择要比较的印痕。

对于不使用数据库进行检查的方法，该方法需要标识符图案的预先计算的印痕，该标识符图案存储在文档上。例如，在计算每个合法文档的印痕这一步骤中，这些计算的印痕预定存储在数据库中同时以安全的方式存储在文档上。

优选地，在运行时通过可变印刷来实现将印痕存储于文档上，也就是对于每个文档，印刷方式都是不同的。根据该印刷方法以一维或二维条码或数字验证码的形式存储该印痕，印痕的质量也受限制。

优选地，通常以安全的方式存储该印痕，例如使用一具有秘密密钥的加密算法存储该印痕。以此方式，可避免造假者使用不合法文档而不需要连接至参考数据库所带来的安全风险。为此，利用了下述步骤：

在步骤751中，确定包含在捕获的图像中的标识符图案的印痕，

在步骤752中，接收预先计算的印痕，

在步骤753中，通过比较获取的印痕与预先计算的印痕来计算得分或相似度，

在步骤754中，若最大相似度高于一阈值，则该标识符图案视为合法的，

如果不是，在步骤756中，该标识符图案视为不合法的。

对于结合使用标识符图案与数字验证码的功能，现有技术提供的独特的特征化文档使用了不利用数据库则不能解释的特征。另一方面，标识符图案可为简单的没有意义的图像，就像已经看到的那样，它们也可以是包括其他功能的图像。特别地，它们可为数字验证码，其中它们可包括安全信息(需要一个或多个密钥来对它们进行读取)，和/或具有验证属性(以区分原件和副本)。

将标识符图案的印痕可设计为足够精细以识别文档，但是不能过于精细以致不能重新生成。实际上，考虑确定印痕的一般方法，该印痕基于100个低频的DCT系数，并可能通过每个为一字节来表示。理论上，任何人员可提取这些系数，并通过倒置这些系数将相同尺寸的图像生成为标识符图案。正如所理解的，该图像与印刷的标识符图案显著不同。然而，通过比较从倒置的图像捕获计算的印痕与原始印痕而获取的得分为0.952。当该得分低于通过比较相同印刷标识符图案的印痕而获得的所有得分时，该得分，基本上高于通过比较不同印刷标识符图案的印痕所获得的得分。因此，存在一种风险，即造假者寻求重新生成合法的标识符图案的印痕。

更好的图像捕获和/或精细的图像捕获将使得能够减少甚至消除这种伪造工作的风险。然而，这并不总是可能。在那种情况下，如果标识符图案还是一个数据验证码，则有利于通过利用以下步骤同时使用其验证特征：

在步骤761中，识别或检查标识符图案，

在步骤762中，接收验证数字验证码所需的密钥以及

在步骤763中，确定数字验证码是为原件还是副本。

数字验证码通常基于一个或多个物理防复制特征的衰减，其对在复制过程中的复制敏感。

因此，数字水印在副本中具有较低的能量等级，或甚至为介于对复制不很敏感的水印和对复制特别敏感的水印之间的不同的能量等级比率。相似地，若使用空间标记技术，对于副本来说，需要较低等级的能量或者关联性。对于副本检测图案来说，基于对图像作比较，计算原始副本检测图案和获取的副本检测图案之间的相似度(或相异度)的索引；若获取的副本检测图案为一副本，该相似度索引将降低。最后，对于安全信息矩阵来说，针对从矩阵提取的已编码消息测量错误率；对于副本来说，该错误率将较高(需要注意的是，正是由于已编码消息的冗余，所发送的消息通常是可解码的并且不产生错误)。

需要注意的是，对于这些方法中的每一个，测量出一个或多个值，这些值通常是连续的，并且每一种方法并不明确地指定文档的性质(原件或副本)。通常必须应用一种预定义的用于区分原件和副本的标准，例如通过比较获取的值与一个或多个“阈值”，以便确定测量的值对应于“副本”还是“原件”。

关于用于基于标识符图案使文档安全的方法的实施例，可利用下述步骤：

在步骤771中，权利的拥有者授予操作者许可以便生成一定数量的文档，

在步骤772中，权利的拥有者将一个或多个标识符图案发送给操作者，该标识符图案通常具有数字验证码的功能，其形式为要印刷在文档上的数字图像。该标识符图案可为数字文档设计的一部分，或与数字文档分开发送。在可变实施例中，操作者从权利持有者认证的第三方接收该标识符图案，

在步骤773中，操作者印刷指定数量的文档，在每个文档上都具有特定的标识符图案，

在步骤774中，将指定数量的印刷文档发送至权利持有者。在可变实施例中，将该文档送至权利的拥有者所认证的装配者。在可变实施例中，该指定数量的印刷文档由操作者在步骤774中直接处理，如在可变实施例中所描述的那样。

在步骤775中，权利的拥有者/装配者装配成品(该成品可包含多个文档)，

在步骤776中，捕获标识符图案的一个或多个图像。理论上，该过程是自动执行的，例如，在工业相机的镜头下的传送带上移动的产品。自动触发该工业相机或通过来自于传感器的外部激活触发该工业相机。

在步骤777中，将每个捕获的标识符图案的图像存储在数据库中，并存储了相关信息(生产订单、时间等等)，

在步骤778中，为每个合法捕获的标识符图案图像实时地或延时地，计算一个或多个印痕，

在步骤779中，在检查模式(没有连接数据库)中使用标识符图案(，其中一个印痕(通常是具有最小数据容量的那个)被量化和/或压缩，以便获取对它的一个简洁表示。优选地，借助于密钥实现安全化，生成包括该印痕的表示的信息矩阵(数据矩阵、条码、安全信息矩阵SIM等等)。该信息矩阵印刷在包括该标识符图案的文档上，以及

在步骤780中，如果必要的话，将一组已计算的印痕，通过安全链接发送至中心服务器，其中检查员连接在该中心服务器上以便检查印痕的有效性。

在可变实施例中：

将捕获标识符图案的图像的站点设置在打印机或处理器处，这样做的优点是可集成在生产过程中，而缺点是存在暴露的区域。用于计算和/或存储印痕的机器可保证安全和/或

可在由权利的拥有者认证的第三方处设置该站点，该权利的拥有者通常与已使用标识符图案的提供者相同。

图23示出了：

步骤605，确定一个点矩阵，该点矩阵表示表示与要认证的对象相关的信息项，

步骤610，以这种方式将一标记附加至所述对象，以致归因于在标记步骤中利用的设备的物理特征，该被附加的标记表示不可预测的错误，，

步骤615，捕获所述标记的图像，

步骤620，通过处理所述图像确定所述不可预测的错误的物理特征，

步骤625，存储表示不可预测错误的物理特征的信息项以及

鲁棒性的标记步骤630，在其执行期间，将承载了与不可预测的错误的物理特征相关的信息的鲁棒性的标记附加至所述对象。

在步骤605中，确定该信息矩阵，例如其形式为一区域矩阵，每个信息矩阵都承载着成百的点并且每个信息矩阵都表示二进制信息项。与该产品相关的信息项例如是其生产商的名字、该产品的生产订单和/或生产的日期。

在步骤610中，以这种分辨率附加由一个点矩阵构成的标记，以致与原始点矩阵相比，至少该标记的点的2％是不正确的。例如，使用打印机的最大分辨率。特别地，该分辨率的效果是这样的：与原始标记相比，通过例如光学或复印过程复制该对象(这过程能复制该标记)可使在复制的标记中的错误级别增加至少50％。

在步骤620中，确定在所述标记中的所述错误的分布特征，并将其作为不可预测的错误的物理特征。例如，确定从标记的中心至由该标记承载的错误的重心的向量，并且随后根据向量的位置为该错误分配权重，并且确定从该标记的中心至该错误的重心的新的向量，以此类推。

在步骤630中，该鲁棒的标记例如是一维或二维的条形码或一数据矩阵，被称为Datamatrix(已注册商标)。由于该第二个标记是鲁棒的，其可抗拒效仿性的复制并使得可识别该对象。优选地，在步骤630中，利用不可预测的错误的物理特征的代码密钥，该代码密钥优选为公开的代码密钥。

由于使用了本发明，即使在很多对象上不加修改地利用相同的标记方法(例如通过蚀刻或印刷)，能够给标记错误的物理特征分配独特的标识符，也意味着给标记以及相关的对象分配独特的识别符。当对标记的对象执行新的图像捕获并应用新的图像处理方法时，可将该图像处理的结果与存储的信息作比较以检索到该对象的识别符。

错误数量非常重要，并且该错误数量使得该标记和该对象能被独特地识别。

对与承载该标记的该对象的相关数据的读取提供了一种访问错误物理特征的数据库的来源和/或方法。

无论捕获所述标记的新的图像的条件如何，都能够检索到错误分布属性。

为利用本发明的某些实施例，发明人发现利用某些印刷特征能够有效地区分开原件和副本。特别地，尺寸或“大小”的变化量(variation)、已标记点的精确位置或形状的变化量，可被测量出并集成在一度量中，该度量能够将原件和副本区分开来。需要注意的是，由于遮蔽效应，要印刷的图像中的颜色等级(或灰度等级)的变化量相当于形状或尺寸上的变化量。将前述的数字验证码设计为并不精确地测量这些特征。相反地，归因于印刷中的不可预知性，已知类型的所有数字验证码在位置上具有被变化量所降低的性能，对于使用的测量方法来说，变化量具有破坏性。最好的情况是，使用该方法以寻求消除这些变换。此外，将数字水印和AMSM设计为能够测量信号(例如能量)的所有特征，这对于原件和副本之间的差别来说并不是非常精确的。

图1示出了一种数字标记105，其由黑色边框115围绕的位置随机的一组点110组成。需要注意的是，点110在其初始标记中的大小相同，即，对于以600像素每英寸印刷的图像来说，其大小为1像素。图2示出了该数字标记的印刷品120。图3是出了此标记的复印件125。需要在注意的是，在复印品125中，这些点110都消失了。使用一种简单的测量方法，例如点的数量仍然显示在该标记中，利用电子图像传感器捕获该标记的图像，或者使用与参考标记的相关度，便可简单地将原件120与复印件125或者低质量的副本区分开来。

图4示出了一种高质量的副本130。假设这些点是黑色的并且大小为一英寸的1/600th，通过将自动检测到点110(例如，利用Matlab软件系统，已注册商标)恢复至它们的原始状态，并使用扫描仪对图像的高质量捕获来获取此副本，这种捕获方法通常称为“扫描”。，需要注意，在图2的原件中显示的所有或大多数的点110都显示在图4中。不幸地，由于所有的点初始都具有相同的大小，无需获知点的尺寸或灰度等级的大小并且可简单地以它们的原始大小来重建这些点(由于大小固定，在大的集合范围内确定点的尺寸很容易)，这使得任何造假者的工作变得更为简单。

优选地，通过利用本发明的某些方面，简单地计算所显示点的数量并不足以区分原件和副本。正如AMSM所使用的基于关联或能量等级的方法，在检测高质量的副本时同样是无效的。

为此，在优选实施例中，为了扩大使用点图案的机会，确定文档的可信赖性必须特别关注点的集合特征，这将在局部能量水平处研究，而这与本领域现有技术不同。特别地，利用点的确切位置、形状和/或大小检测副本、存储信息和/或用于独特地标记文档的特征。因此，作为本发明特定实施例主题的VCDP展示了该特性，即点的确切位置、形状和/或大小是可变的。优选地，为了在该VCDP中生成点分布，针对生成的点，其至少一个几何特征是可变的，生成的变化量的几何幅度相当于至少一部分点的平均尺寸的数量级。

下文的说明关注于：

VCDP数字设计方法，

测量VCDP几何特征的方法，

将测量的VCDP几何特征组合在度量中，以便能够区分原始VCDP和复制的VCDP的的方法，

优化VCDP印刷的方法，

基于它们的几何特征识别VCDP的方法，

检查VCDP的方法，

将信息存储在VCDP中的方法以及

使文档安全化的方法。

首先，下文描述了生成可变特征点图案的方法。为了生成VCDP，在步骤300中，预先确定用于在文档上印刷VCDP的印刷系统的印刷质量。针对印刷引起的每一个点，该印刷质量表示被印刷的点的至少一个几何特征的不可预测的变化量，并将其作为印刷中未预测的未知事件的结果。

然后，在步骤302中，确定可用于印刷该VCDP的表面面积、印刷系统的分辨率以及所需的点的最大密度。例如，可用面积为大约1/6×1/6英寸，并且该密度为1/100(大约100像素中有一个被印刷的点)。最大的密度取决于VCDP可见性的可接受程度，该VCDP为应用条件的函数(例如墨水的颜色、媒介、印刷的类型、文档的外表)。点的密度可变得更大，例如该密度可能为1/16或1/9，甚至为1/4。优选地，该VCDP这样生成以致所印刷的点不会“接触”。

在某些情况下，可用面积变得更大，例如多个平方英寸。然而，大多数的捕获装置，例如包括阵列图像传感器的相机，提供捕获的表面面积，其中，表面面积不容许被覆盖(当文档或产品必须“在本区域”中读出时，通常平板扫描仪不可用)。在这种情况下，VCDP可被“平铺”，即，为了安全起见，相同的VCDP或者不同的VCDP可被并置。在说明书的其他部分，，两种分别为相同的或不同的类型的VCDP并置被称为“平铺”。

假设可任意地在印刷区域范围内使用捕获工具，为了确保至少一个VCDP会全部包含在捕获的表面面积中，VCDP的最大尺寸等于捕获表面面积的最小边的一半。例如前述示例中，以1220点/英寸操作的640×480的CCD(其表面面积为1.33cm×1cm)，VCDP的一个边不能超过0.5厘米。

因此，以下述方式生成VCDP：

所述分布的至少半数的点并不横向地并置于所述点分布的四个其他的点，以及

所述点分布的至少一部分点的至少一个尺寸与所述不可预测的变化量的绝对值的平均值的大小大约相等。

实际上，发明人已经发现，原件的印刷必须表现出这种数量级的比率，以便获取文档的更为有效的安全功能(认证和识别)。

此外，发明人已经发现，在某些实施例中，由于在复制中会发生未预测事件，为了使文档安全，以防止复制导致被印刷的每一点的所述几何特征的所谓的不可预测的变化量，优选地，当在文档上的印刷点分布时，由于印刷中未预测事件的发生，所述印刷会产生被印刷的每一点所述几何特征的不可预测的被称为“印刷”变化量，不可预测的印刷变化量的平均幅度与所述副本的不可预测的变化量的平均最小幅度有相同的数量级。优选地，随后执行一个确定表示不可预测的印刷变化量的物理幅度的步骤，在本文的其他部分参考认证和识别文档的功能对其进行了描述。

例如，以1200点每英寸印刷的200×200像素的VCDP，对于1/6英寸的印刷表面面积来说，当不可预测的变化量的绝对值的平均数介于0.2像素和20像素之间时，其“点”可使用测量2×2生成像素。需要注意的是，以600点每英寸印刷的100×100像素的VCDP(其点为1×1像素)可给出一种可比较的结果。然而，更高的图像分辨率(对于相同大小的印刷面积来说)能够在改变点的大小和/或位置时更为灵活，如上文所述。

优选地，避免出现重叠的、粘在一起或太接近的点。为此，将VCDP划分为相邻区域，例如对于200×200像素的VCDP来说，将其划分为10×10个区域，每个区域为20×20像素。对于点来说，通过在每个区域的每个边上留出1像素的白边，可使用18×18像素的区域。因此，对于在为其预留的区域中的每个点来说，存在17×17＝289的可能位置(该点使用2×2像素，它们的最高和最左点，例如，仅可采用17个横向位置和17个纵向位置)。

为了安全，对于VCDP来说，期望其具有一种伪随机特性，例如通过一加密算法生成VCDP，在该算法中，提供一种保持机密的密钥。利用该密钥生成伪随机数字的算法的初始值，其可由任何知道该密钥的人员检索到，但对于那些不知道该密钥的人员来说是难以获知的。

如图16A所示，为了生成一VCDP，执行下述步骤：

步骤302，接收或确定可用的表面面积、以及印刷系统的分辨率以及印刷密度，

步骤304，接收一密钥，例如为32字节(256比特)的序列，

步骤306，例如通过使用递归加密或哈希函数生成二进制值，使用该密钥来初始化该算法。例如，对于上述示例来说，对于点来说，存在289个可能的位置，并且因此需要9个比特来确定为某点预留的区域中该点的位置。因此，需要900个比特来确定100个点在各自区域中的位置。假设使用SHA-1哈希函数，其具有256比特的输入和输出，必须调用该函数四次以便获取必须的二进制数据，以及

步骤308，在每个区域中加入一点并将这些区域组装成一图像，在本示例中，该图像大小为200×200像素。例如，在步骤308中，使用连续的9个比特的序列，以便确定点在每个区域中的位置。当由该序列表示的值大于289时，则采用下一序列。如果小于或等于289时，通过例如计数每个可能位置线中的连续位置，该点位于由该序列识别的位置。然后例如在每个区域线中连续地平铺该区域。

在步骤308后，在步骤310中，将VCDP加入到印刷胶片中并印刷该文档。

在可变实施例中，每个点的大小可变。例如，该点可具有大于或小于2×2像素的表面面积。因此，该点可具有多种大小，其提供了测量其他几何特征的可能性，该几何特征对于造假者来说，难以复制。例如，点可具有两个可能的大小，如上文所给出的2×2像素，或3×3像素，不相等的水平和垂直尺寸也是可能的，例如2×3或3×2。需要注意的是，在采用两个正方形点的情况下，需要一个额外的二进制数据项来标识点的大小，需要将将1个数据项加入二进制数据的9个数据项中，其中，该二进制数据项用来标识该点在为其预留的区域中的位置。因此，每个区域需要10个二进制数据项，对于100个区域来说，需要1000个二进制数据项。

图5示出了一种VCDP135，其具有大小伪随机变化的点(点为2×2以及3×3像素)以及包围该VCDP135的边140。图6示出了图5的VCDP135的印刷结果145的细节。

注意到，在可变实施例中，加入边界(此处为140)或任意的形状以定位VCDP。例如，在边界上或在VCDP中，在包含点的区域处，添加同步块。

关于VCDP位置特征的测量，发明人已经发现，当造假者可大体确定地确定和重建包括VCDP的点时，对于点来说，难以降低有关点的精确位置的不确定性。实际上，当印刷VCDP时，不必要将点印刷在其精确位置处：该不确定性归因于印刷中的未预测事件的发生，而且还可能由数字至模拟的转变而引起。实际上，通过在印刷中将数字值转变为模拟值，然后当捕获该图像时将模拟值又转变为数字值，在点的位置中存在半个像素左右的平均不确定性(分别为印刷和图像捕获像素)，并且由于未预测事件发生，该第二个不确定性独立于位置的不确定性。需要注意的是，根据印刷装置的稳定性，可引入其它位置的不确定性。当制作出一个高质量的副本时，其它的重新印刷位置不确定性被引入已经存在的位置不确定性。因此，如果捕获的图像为副本，在捕获的图像中点的位置与在原始图像中点的位置之间的变化量的平均值，要高于当捕获的图像为原件时的平均值。

下文描述了一种用于测量VCDP的几何位置特征的算法。在步骤320中，将从根包含VCDP和密钥的文档区域和一捕获的图像用于输入。获取该VCDP的点的位置特征的向量，并将其作为执行此算法的步骤的输出。

在步骤322中，通过应用VCDP设计算法，确定每个点的原始位置；

在步骤324中，确定在捕获的图像中的一组位置参考形状的位置，可以理解的是，从获知该VCDP时，即可将VCDP本身或其一部分用作参考形状。例如，这些参考单元可为拐角的指示符、正方形的边。还可使用其他已知技术确定位置，例如自动关联平铺的图像。

在步骤326中，根据参考形状，重建一图像，该图像具有与原始大小相同或整数倍的大小。

在步骤328中，为每个单元，确定捕获的图像中的搜索区域，在捕获的图像中定位点的图像(例如，若以600ppi印刷VCDP(“点每英寸”的缩写)并以1200dpi(“每英寸点数”的缩写，表示每英寸的捕获像素)捕获VCDP，+/-5像素的区域对应着原始图像中的+/-2.5像素的区域)。需要一个相当大的搜索区域，这是因为参考区域的初始位置可能是不精确的；

在步骤330中，若该点为暗色并在浅色背景上，在重建的图像或在捕获的图像中的清晰区域中，确定具有最小亮度值的像素的位置，在步骤330中，若该点为浅色并在暗色背景上，在重建的图像或在捕获的图像中的清晰区域中，确定具有最大亮度值的像素的位置。此像素的位置可视为是在捕获的图像中的点的中心位置；

在步骤332中，沿着每个方向测量两个位置之间的距离，以及

在步骤334中，将所有的距离测量结果汇集在一个几何特征向量中。

以此方式，对于具有100区域的VCDP来说，获取大小为100×2的向量。由于参考单元位置的不精确性，可存在系统偏差。优选地，在步骤332中，通过计算水平和垂直距离的平均值并从相应距离中减去该平均值来补偿该偏差(实际上，对于位置的不精确性来说，期望该平均值为零)。

在可变实施例中：

使用每个点的其他特征值来确定其位置。例如，该点的中心像素的亮度值，对应于像素的点的滤波器的反馈值，等等和/或

在不重建图像的情况下确定点的位置，并且考虑到捕获的图像中的比例因子，以及图像的旋转和平移，为每个点的精确位置确定检索区域。

关于利用位置特征向量来区别或找出原始VCDP和复制的VCDP间的差别，可使用下述步骤：

在步骤340中，对每个点，计算根据捕获的图像计算得到的点的位置与原始位置之间的欧几里得距离，

在步骤342中，为所有的点计算此距离的平均值或中位数，以便获取该平均距离的大小，

在步骤344中，将该平均距离与预定阈值作比较并且，

在步骤346中，以下述方式，确定该VCDP是原件还是副本：

若平均距离低于阈值，则将VCDP视为是原件

否则，将其视为是副本。

下面的示例诠释了所提出的方法。印刷同一原始VCDP并随后捕获3次。对于原件来说，根据位置特征向量计算的平均距离为0.454、0.514以及0.503图像像素。生成三个高质量的副本，其中每个都根据三个印刷的VCDP中的一个生成。对于这些副本来说，根据位置特征向量计算的平均距离为0.965、1.088以及0.929图像像素。需要注意的是，基于平均距离，仅仅通过阈值原始VCDP可被轻易地与复制的VCDP分离开。可能存在多个阈值，这取决于可能产生错误的相对开销(“误判为原件”：将副本检测为原件，或“误判为副本”：将原件检测为副本)。若每种错误的相对开销相等，则阈值0.75(图像)像素是可以接受的折衷值。

可以使用其他已知的数学技术，例如基于统计学和/或形状识别方法，以便区分原始的VCDP与复制的VCDP。

关于使用点的几何特征值来区分或找到原始VCDP和复制的VCDP之间的差别，如上所述，如果点的大小相同，对于造假者来说很容易重新生成具有一致尺寸的这些点，即使在原始标记中这些点的大小可变。在一个实施例中，在VCDP的生成期间，可改变一个或两个点的大小。

在分析文档的可信性期间，在步骤350中已经捕获了VCDP的图像后，在步骤352中，根据点的中心图像像素的亮度、它们对至少一个对应于图像像素的矩阵滤波器的响应等来确定点的尺寸。

随后，根据原始数字VCDP的点的尺寸与捕获的要认证的VCDP的图像中的相应点的尺寸之间的相似度，将原始VCDP与副本区分开来。例如，该处理过程如下所述：

在步骤354中，通过应用VCDP设计算法，确定期望的尺寸特征的向量。例如，期望特征向量可为点表面面积值，或它们的两个尺寸：水平尺寸和垂直尺寸；

在步骤356中，计算期望特征向量和在处理VCDP的捕获图像后获得的特征向量之间的相似度索引，例如该相似度索引是关联系数以及

在步骤358中，通过将相似度索引与一预定阈值相比较，确定该VCDP是否可信：

若该索引值大于该阈值，则将VCDP视为是原件以及

否则，将其视为是一副本。

下面的示例诠释了提出的方法。如图5所示的同一原始VCDP已被印刷并随后被捕获3次，在该VCDP中，点的尺寸在2×2像素和3×3像素间改变。对于2×2像素和3×3像素大小的点来说，特征向量包括4像素和9像素的表面面积值。特征向量包括围绕该点的一个区域的平均亮度值，该点的亮度值较低。因此，若该点被印刷较重的话，其值也较高，这通常发生在3×3像素的点的情况下。

对于三个原始印件来说，所计算的相似度索引是0.645、0.673和0.701。然后生成三个高质量的副本，每个根据这三个印刷的VCDP中的一个生成。为生成该副本，确定点的位置，然后测量它们的亮度。计算出VCDP的点的中间亮度，并且其亮度低于中间亮度的点已被认为其原本大小为3×3像素，而大小为2×2像素的点的亮度要高于中间亮度。印刷和捕获副本。对于三个副本来说，计算的相似度索引是0.451、0.423和0.446。需要注意的是，基于该点的特征，可容易地通过阈值比较将原始VCDP与复制的VCDP区分开来。根据可能误差的相对开销可能采用多个阈值。若每种误差的相对开销相等，对于相似度索引来说，阈值0.55是一种可接受的折衷值。

可使用其他已知的数学技术，例如基于统计学和/或形状识别方法，以便区分原始VCDP与复制的VCDP。

上面给出的说明基本上关注如何安全地创建文档以防复制。以下说明包括使文档安全的其他两种形式，首先独特地识别未经“可变”印刷方法印刷的文档，其次承载一种涉及该文档的信息项，例如参考号码、其生产日期、生产地址和生产订单、与该文档相关的知识产权所有者的姓名或其目的地。

下文描述了基于VCDP的几何特征来识别VCDP的方法。在本示例中，使用测量出的VCDP特征以独特地识别从单一源数字VCDP图像获得的每个印刷品。实际上，在印刷过程，VCDP的每次印刷都产生了独特的未预知事件，这可在同一印刷件品的不同捕获中找到。因此，通过将VCDP的连续印刷品的特征存储在一数据库中，或通过优选地以一种安全的方式将它们存储在包含VCDP的文档上(例如，以一种二维条码的形式)，VCDP的印刷件以及因此承载着它的印刷文档，从而可被识别，即，通过搜索其图像被捕获的VCDP的几何特征与存储的几何特征之间的相应性，独特地识别VCDP的印刷件以及因此承载着它的印刷文档。

优选地，将识别方法和验证方法结合在一起，用于捕获和处理图像的同一设备提供对文档的验证和对文档的识别的指示。

可使用点的多个几何特征，例如精确位置，或亮度大小，点的尺寸及其形状。基于点的平均、中心或最小灰度级的亮度的差别很大，这是因为在同一源图像的不同印刷品中，其有着明显和不可预测的变化量。需要注意的是，由于点的特征随着印刷品的不同而改变，无需在源VCDP中使用具有可变大小和形状的点。为了对此进行说明，图7示出了具有固定点大小的单一VCDP的两个印刷品：点151在下面的图中比在上面的图中印刷的更重，而点152在上面的图中比在下面的图中印刷的更重。

通过将三个印刷的VCDP中的每个捕获三次，获得总共9幅捕获的图像。针对这9幅图像中的每个图像，计算包含点的最小亮度值的特征向量。然后计算出9*8/2＝36个中每个可能的捕获图像对的特征向量之间的相似度索引，即相关系数。这36对中，9对对应于同一印刷品的不同捕获，而25对对应于不同印刷品的捕获。对于第一组来说，相似度索引的平均值为0.9566，其标准偏差为0.0073并且最小值为0.9474，对于第二组来说，相似度索引的平均值为0.6203，其标准偏差为0.0272并且最大值为0.6679。两组之间的相似度索引的差别非常明显，这表明，可基于点的特征向量清楚地识别印刷的VCDP。

图18详细描述了对应于此方法的识别过程中的步骤。在步骤402中，捕获印刷的VCDP的图像。然后，在步骤404中，计算包含点的最小亮度平均值的特征向量。对于每个点来说，该特征向量或者说印刷的VCDP的“签名”包含，亮度的平均大小以及，可能的亮度大小之间的标准偏差。需要注意的是，可基于与其他平均亮度大小的差别以及其他亮度大小的标准偏差来排除掉某些亮度大小。然后，在步骤406中，将特征向量以及设计文档的生产和/或发行的指示存储在一数据库中。

在步骤410中，在尝试识别时，捕获印刷的VCDP的图像。然后，在步骤412中，计算对应于存储的特征向量的特征向量。在步骤414中，确定与在步骤412中计算的特征向量最接近的存储的特征向量，并且检索相关的信息。

在一可变实施例中，在步骤404中确定的特征向量以一种鲁棒的方式还存储于文档上，以防止复制，例如以一种二维条码或Datamatrix(已注册商标)的方式，为了安全优选将其加密。在本示例中，在步骤416中，可通过比较两个特征向量和预先定义的或存储在该条码中的阈值之间的相似度索引来验证该文档。

为了在VCDP中存储信息，例如，在为其分配的单元内部，可为每个点定义两个可能的尺寸、两个位置或两种大小，以便每个区域存储一个比特。例如，为每个位置、大小或形状分配一个比特值(0或1)。

参考图5，其示出了具有两种大小的点的VCDP，小尺寸的点(2×2像素)例如可以由比特值“0”来表示，而大尺寸的点(3×3像素)可由比特值“1”来表示。

因此，对于具有100个单元的VCDP来说，在没有冗余的情况下可存储100个比特。为了检测和/或纠正错误，可使用一种错误-检测和/或错误-纠正码的方法。

为了使用位置表示一个二进制值，优选地，将对应于这两个值中的每个的位置彼此分离。用于确保这两个位置分离的可能方法包括将一个单元划分为两个大小相等的对应于这两个比特值的部分，以及伪随机地将一位置分配在对应于要编码的比特的区域中。需要注意的是，由于存在多个可能的位置，一个单元中的点的位置可表示多于一个的二进制值。例如，如上文所示，该位置可表示8个比特并覆盖289个不同位置，或者若在每个方向上两个中的一个位置被排除，则代表6个比特，以便限制在读取期间解释该位置时产生错误的风险。

基于对VCDP的读取，对于每个子单元来说，围绕一个点的两个可能位置可确定一搜索区域。为了确定包含该点是两个子单元中的哪一个，为这两个子单元中的每个确定最小亮度值：具有最低亮度值的区域被认为是已经插入了点的区域。在一可变实施例中，根据两个子单元每个之间的亮度差或比值，可为每个比特值分配一权重。

在可变实施例中：

点在或不在该单元中可用于表示一信息比特(随后被用在“网格”中)；

通过每单元中一个点的多于两个的可能位置来表示多于一个的二进制值；

通过每单元中一个点的多于两个的可能尺寸来表示多于一个的二进制值；

通过每单元中一个点多于两个的可能形状来表示多于一个的二进制值和/或

在编码之前，将该消息加密。

在与其他数字验证码进行集成方面，VCDP可与数字验证码进行集成，以便提供额外的保护层和/或追踪文档的非侵入性方法。图8示出了一种安全信息矩阵155，其包括位于其中心的插入VCDP156的区域。图9示出了一种安全信息矩阵160，其被VCDP161围绕。需要注意的是，在后面的情况中，允许定位数字验证码160的元素(例如其角)用于定位和确定VCDP161的点的近似位置。

在实施例中，利用了通过非侵入式标记来识别VCDP的方法。实际上，在某些示例中，可以使用比边框更为非侵入式的识别标记，这样VCDP的位置即使出现都难以检测：例如，可插入受限或断裂边框标记或角标，或者可使用数字验证码或其他相关符号以对其进行识别。

若相同的点图案例如通过平铺重复多次，可使用自动相关和交叉相关技术来识别和定位点，例如在M.Kutter的文章中所描述的，“Watermarkingresisting to translation，rotation and scaling”，SPIE会刊：多媒体系统和应用，第3538卷，第423至431页，波士顿，美国，1998年9月。

将非侵入式参考标记引入VCDP中的另一方法包括：插入由一组具有可容易识别的形状特征的点构成的单元。例如，若希望将一点用作参考点，则插入与该参考点相邻的大量点以便获取易于识别的一群点。图10示出了一种VCDP165，其四个角166包括由一个中心点和四个非常相邻的点构成的单元，该四个相邻的点形成了以该中心点为中心的正方形的四个角。通过检测覆盖足够的表面面积范围内所有点来开始检测过程，这些点被用作“候选点”。然后，为每个点，确定与其间距小于或等于预定距离的相邻点的数量。若将候选点排布在一网格上，这可被快速地完成，从而迅速计算出在一个窗口中的相邻点的数量。具有最大数量的相邻点的一定数量的候选点(例如6个候选点)得以保留。然后，可使用已知的几何技术，以便确定哪个点对应于参考点的候选点，在本示例中，为VCDP的角。例如，对于VCDP165来说，已知三个合法的候选点必须形成等腰直角三角形。

另一种引入非入侵式参考标记的方法包括：沿着一条线插入点。图11示出了一种VCDP170，在其边上，具有承载着比VCDP170内部的平行点数量更多的点的线171。可通过不同的线检测算法，例如通过应用霍夫变换和/或通过应用一可滤除噪声的Sobel滤波器，来检测这些边线。

在一个可变实施例中，将包括由点组成的线或可识别标记(例如图10中所示的点组成的群)的相同VCDP或不同VCDP进行平铺处理。

在一优选实施例中，以一种规则网格的形式安排一VCDP。实际上，在某些示例中，通过平铺，这样做有利于复制VCDP到大的表面面积范围上，甚至在要保护的整个文档上。这很难甚至不可能破坏VCDP并增加了有关图像捕获位置的灵活度。特别地，通过平铺可将同一VCDP插入多次。同样地，可插入与所有其他VCDP至少部分不同的VCDP。使用上述识别方法以便为读取VCDP确定正确的位置。然而，实际上很难正确检测该参考点，同步或识别元素。

将在下文看到，可通过将点布置为网格的形式来简化检测。将点以规则的间隔插入，例如在每个方向上间距为4至12像素。基于这一原理，存在多种表示信息的方式：

点的存在与否能够表示一个信息比特，如在图12中所示的VCDP175中，其中存在一点对应于比特值“1”，而不存在一点对应于比特值“0”；

VCDP的点的大小、形状或比其至少一个尺寸小的偏移幅度能够表示信息。例如，选择点的四个形状或四个尺寸能够在VCDP180的每个点处表示两个信息比特，如图14所示，其表示了放大的的VCDP180的细节。需要注意的是，该VCDP的点使用以像素(第一个图指示了高度而第二个图指示了宽度)表示的尺寸分别为1×1，2×2，1×2和2×1的像素分别对应于比特值“00”，“01”，“10”和“11”。当然，能够采用很多其他的组合和点的形状。

在一个可变实施例中，基于完美规则网格的原理，点的轻微移动能够表示信息。例如，移动一个具有至少两个像素表面积的点，并且水平和/或垂直地移动一个像素，能够表示两个信息比特。当然，可能采用很多其他的实现方式。需要注意的是，这种对点的移动并不会明显地改变几何特性，并且因此，尤其是不会显著改变使用网格在识别方面的优点，。

网格特别适合于确定旋转的角度并改变捕获的图像的因子的大小。实际上，尤其可使用图像的霍夫变换，或在傅里叶空间内确定能量峰值。图13表示了图12的网格的二维傅里叶变换的绝对值，其中浅色取值点对应于能量峰值。对这些能量峰值的检测使本领域技术人员能够计算图像的大小改变的因子以及旋转的角度，并且着眼于小改变的因子以及旋转的角度，使得旋转的角度能够获取标准化的尺寸。

当获知或可能校正了图像的旋转和调节尺寸是，则确定转变值，即将该移动应用至图像移动以便正确地对齐网格的点。存在执行上述过程的多种可选方法。所有这些方法的共同点是固定一组网格点的值，随后查找这些点以便对齐网格。例如，将根据一密钥来伪随机地选择的一组点的值进行固定。捕获网格的和校正的图像与根据已知点的值而生成的图像之间的交叉关联，在对应于网格的移动的位置处生成了关联的峰值。

关于写入算法，对于本领域技术人员来说可使用很多种方法。作为一种示例，假设存在基于下述假设的一20×20单元网格，无论其是否平铺：假设以600点每英寸完成印刷，可标记1％的表面积(以最小化标记的视觉冲击)，这使得平均在每个方向上每10像素有一个点。从而该平铺初始为200×200像素；图像捕获装置以720像素每英寸的捕获分辨率生成640×480像素的图像。需要注意的是，保证至少一个平铺完全包含在捕获的图像中。

作为输入，在步骤502中接收一个消息(例如为8个字节的消息)一个密钥以及一个扰乱密钥(这两个密钥可以相同)。在步骤504中，将该消息加密。可选地，在步骤506中，为其添加错误检测比特，例如两个字节能够减少通过2的16次幂这一因子来解码消息的错误的风险。在步骤508中，根据加入了错误检测码的加密的消息(在本示例中错误检测码为10个字节)例如通过应用一卷积码计算对错误鲁棒的该消息。对于比例为2并具有寄存器为7的卷积码，输入字节为8个字节，可以获取具有142比特的码字。在步骤510中，若20×20点＝400个位置是可用的，该消息可被复制两次，从而获取一个具有284比特复制的消息。因此，未使用的400-284＝116个位置是可用的，其将用于在对齐该平铺的检测时存储使用的同步比特，将在下文描述。在步骤512中，扰乱该复制的消息，即，由一异或函数依次交换和变换。该交换以及在异或函数中使用的比特值根据该扰乱密钥计算出。以此方式，获取284个被扰乱的比特。

在步骤514中，根据一密钥伪随机地生成116个同步比特，并且伪随机地确定它们的位置，从而将它们均匀地分布在平铺中。

通过为比特‘1’添加一点至预定的位置来简单地调制VCDP的图像(对于比特‘0’来说没有改变)。明显地，根据前面所所述的方法，点可具有可变的位置、形状和/或一个或两个尺寸。

在步骤516中，若期望覆盖一个大的表面面积，一个接一个添加该平铺。然后，根据可变实施例，总是可以使用相同的平铺，或者对于每个平铺来说可改变消息。在该第二个可变实施例的一个示例中，消息的一部分可保持固定，而另一部分(例如一个字节)针对每个平铺随机确定。一种随机旋转(90度的倍数)可应用至每个平铺，以便使造假者试图分析该编码时更为困难。此外，可随机插入同步比特或它们的逆比特，即，针对同步比特，点插入位置是逆转的。后面的方法的优点是可能配置的数量增加而并不会增加读取的复杂性，这将在下文看到。在考虑定位的改变时，因而，同步比特可存在8种可能的配置，这使得在受到造假者攻击的情况下，对它们的分析更为复杂。

关于200×200网格的示例可被复制，如上所述。

随后，在步骤518中，将VCDP插入印刷胶片并且印刷文档。

关于读取算法，执行下述步骤：

步骤548，捕获文档的一幅图片，

预先处理步骤550：预先处理该图像可能是有益的，特别是对于下面确定候选点的步骤来说。通过预先处理，希望移除伪造噪声和亮度偏差。例如，使用一种全方位高通滤波器(其结果使用原始图像衡量)能够减少亮度偏差，并且应用半波滤波器能够减少孤立的像素的噪声。

在步骤552中，确定候选点：该候选点对应于亮度低于一设定阈值的图像像素。例如，该阈值是柱状图的百分比，例如1％，从而最多有1％的像素是候选点。排除非常接近的候选点(例如，间距为少于5个像素)，以便仅保留那些在该区域中具有最小值的点；

在步骤554中，确定相邻候选点的向量，并估算旋转角度和比例因子：为相邻点的间距指定限制值，并且列出间距少于该阈值的所有点对。若该阈值足够低，一个点的仅有四个直接相邻点会关联在一个向量中，否则，间接相邻的点(对角地)会关联。优选地，避免将不相邻的点关联。为此，避免使用太高的阈值。随后，可通过将每个向量的角度置于0和90度之间来估算旋转的角度；

在步骤556中，如果包括间接的相邻点，根据它们的大小将向量分为两个组(间接相邻点的乘以2的平方根的因子较高)，并且从为间接相邻点计算的角度中减去45度。若原始图像中的间距已知，也可通过测量每个组的点之间的平均距离，除以原始图像中的间距而估算出比例因子；

在步骤558中，在一个选择中，以该图像的原始尺寸或该图像原始尺寸的整数倍，恢复该图像以形成没有旋转的图像；

在步骤560中，提取表示由点表示的值的矩阵：获知点之间的平均距离，(例如10像素)以及重建的图像的尺寸(例如500×500像素)。假设重建图像的尺寸间的关系以及点之间的估算距离对应于一大于图像中的点数量的最大阈值，因此生成具有50行×50列的表格，该表格用于存储消息的估算值。实际上，若捕获的图像中的点的网格具有明显的角度旋转，重建的图像中的点数可能会明显变少。

为了使用估算的消息的值填充该表格，在步骤562中，找到用于扫描该图像的开始点。该点例如可为在图像的左上部检测出的第一候选点，或具有最大的可能成为一点的候选点(例如，具有最低灰度级的点)。需要注意的是，重要的是在选择点的时候不犯错误；一个错误可能对剩下的计算产生不幸的后果。如果下述读取该消息的步骤失败的话，可通过迭代来处理所选的开始点。在围绕中心位置的某个区域中，为所选的点在该表格中存储一数值(例如点的灰度级，或点的最低灰度级别值)以便当该点的估算位置相对于其真实的位置稍微偏移时，避免错误的测量，其中，该偏移归因于要检测存在副本的伪随机偏移或归因于在定位中的任意其他不精确性。该值存储在表格的相应位置中，在本示例中，该位置为从(0，0)值(49，49)：例如，如果开始点是左上部的第一个点，该值在位置(0，0)中，或如果具有最大可能性的开始点位于位置(322，204)处，该值在位置(32，20)中。然后从开始点开始扫描图像的所有位置，将为每个点找到的值存储在表格中的相应位置中；

在步骤564中，对齐该网格：通常，针对平铺的起始，该取值表格是偏移的。为了消除该偏移，使用已知的比特值(即同步比特)能够确定该偏移。因此，针对每个可能的偏移，以及针对四个可能的一般方向(0，90，180，或270度)，已知的同步比特可与取值表格相关联，。该最大的相关值确定该偏移以及一般方向。可选地，若一个平铺被负打印，其可为与另一平铺相关的最低或绝对关联值。若明显地随机插入同步比特或它们的逆比特，利用最大绝对关联值确定该偏移。该关联可在傅里叶域中执行以便减少计算量。注意到，可利用连续的线或特定的点集合限定平铺，这种方法可用于对齐的导引；

在步骤566中，重建被扰乱的消息：随后可重建被扰乱的消息。例如，如果其被包含在20×20的网格中，则生成一个20×20的矩阵，并且将找到的值插入其中。可使用本领域现有方法实现对信息解码的其他部分。当计算被扰乱的消息时，应用在上述读取算法中描述的逆操作。

在步骤568中，可选的，与其他测量相同，若该网格具有特定的特征能够检测副本，该特征例如点的精确位置或尺寸，可在确定的网格范围内测量这些特征以便判断有关文档的性质(原始或副本)或文档的独特特征/识别符。

图21示出了放大的部分高密度VCDP，点矩阵的每条线组成了该VCDP，其明显地承载了与白色背景一样多的黑色点，这些点表示或未表示编码的信息。在较高线185中，每个点的横向位置是可变的，其中，在较低线186中，点的尺寸是可变的。可以理解的，这种VCDP描述将给定数量的点插入一个文档时紧密性的的优势，而受益于尺寸、位置和/或形状中的变化的优点，其平均大小的数量级相当于点的一部分的至少一个尺寸的大小，并且，优选地小于此尺寸。可以简单地理解，至少半数的VCDP点并不被并置至四个其他的点。相反地，少于半数的点不会接触到另一点。

图22示出了放大的部分点尺寸倾斜度VCDP190。通过连续的环，该部分对应于VCDP的一个角，其中，，此处的一条线的厚度，然而实际上是多条线的厚度，以及点的尺寸得以减小。例如，对于位于图22示出的部分的右下部的边界环来说点的尺寸为6×6像素，对于下一环来说为5×5像素，然后为4×4像素，以此类推。

由于该特定处理，对于至少一个环来说，每一个点的至少一个物理特性的不可预测的变化量的平均大小的数量级，大约为该环的点的一个尺寸的大小。

理解到，这种VCDP示出了在将给定数量的点插入一文档中紧密性的优点，同时从在尺寸、位置和/形状中的改变的优点获益，其平均大小约为部分点的至少一个尺寸的大小，优选地，要小于该尺寸。

对于使用一印版来印刷相同图像多次的印刷过程来说，已知根据该印版的这些印刷件的每个都能够被独特地与该印版的其他印刷件区分开来：此处示出了多种方法用于提取和比较这些印痕并因此用于生成最大化这些印痕独特性的图像。

发明人已经发现，每个印版还拥有一个独特的印痕，在每个印版生成的印刷品中都可以找到该印痕。已经发现，通过比较该印刷品的捕获图像与该印版的捕获图像，可确定一个印刷品是否来自于一个特定的印版。更想不到的是，已经发现，通过比较两个印刷品的捕获图像，可确定这两个印刷品是否来自于同一印版。

源数字图像在图30中示出，其由相同的4×4像素的点组成。将该图像标记在多个不同的用于胶版印刷的印版上，为这些印版中的每一个实现多个不同的印刷品。需要注意的是，当每个印版为每个点提供一个独特的形状时，同一印版的多个印刷品不会展示单一的相似性。图31示出了对图像的三个印刷品的左上角的高分辨率的捕获(以20000dpi)。两个上部的图像来自于同一印版的印刷品，而下面的一个图像来自于不同的印版。需要注意的是，特别地，虽然来自于同一印版的两个印刷品的点801和802不同，但在形状上展示了明显相似性，而来自于另一印版点803，与前面的点在形状上并不具有相似性。

使用印版的印痕对于打击造假具有很大的优势。实际上，虽然在理论上使用每个印刷品的印痕使合法的印刷品能够被记录并因此能够得到有效的保护，但由于成本或逻辑上的原因，并不总能记录这些印痕。另一方面，或者通过该印版本身，或者通过该印版的一个印刷品，可更轻易地捕捉到印版的不同元素的一个或多个图像，。随后，可以确定嫌疑印刷品是否来自于该印版。例如，若包括文档的数字数据的文件被盗并用于创建在理论上可能是完美的副本，可确定该印刷品来自于另一印版，并且因此该印刷品是不合法的。

通常，将签名的有差别的元素定位在过渡区域中，例如一个文本中的字母的边框，条形码的边框，在高分辨率信息丰富的区域(例如SIM)中，或印刷的点的边框(例如AMSM和VCDP)处中。因此，可集中于差别信息非常丰富的一个小区域上，并优选地，执行高分辨率的捕获以提取最大量的细节。生成和插入图像以最大化细节变化的丰满度。例如，图30中的图像中，虽然该图非常简单并且多次都包括一个相同的点(在数字图像中)，并且该图给出了与印版相关的签名，以及与具有丰富信息的印刷品相关的签名。需要注意的是，可增加点的密度，优选避免使它们接触，以便增加签名的独特性。需要指出的是，从图像中提取的相同特性可用于一签名，该签名用来识别用于印刷的印版，以及识别使用该印版生成的特定印刷品。

将图像30中给出的图像印刷在10个不同的印版上，然后将这10个印版中的每个印刷很多次。在总共以2400dpi捕获的120个图像中，并且对于每个图像来说，特征向量被用作由每个图像的169个点的灰度级组成的签名。可简单地获取该灰度级大小，并且事实上该灰度级大小代表印刷密度以及点的表面面积，其本身取决于在可变的印版上标记的点的表面面积，其是。当然，由于轮廓的信息较为丰富，轮廓的精确大小可以选取理论上的优选值，但是以2400dpi对点的捕获并不会精确确定轮廓的大小。因此，该灰度级是非常衰减的信息项，但是正如我们这里将看到的，该灰度级对于确定印版的身份来说是足够的，或者对于检查两个印刷品来自于同一印版来说是足够的。

测量出统计相关系数并在图32中811处的一印刷品的捕获和同一印刷品的其他捕获的特征向量、812处的来自于同一印版的其他印刷品捕获以及813处的来自于其他印版的印刷品的捕获之间示出。

相关系数。在811中，可观察到与同一印刷品的捕获之间的相关系数，其介于0.6和0.65之间。需要注意的是，如果该捕获具有较高的分辨率或者具有较高的质量，应当存在接近于1的值。在812中，存在来自于同一印版的印刷品的图像的10个捕获，其相关系数介于0.2和0.3之间。部分归因于捕获质量，即使这些相关系数相当低，但它们明显与0不同，这实际上由印版的“纹身”效应来解释。在813中，存在来自于不同印版的印刷品的100个捕获，其平均相关系数为0，如所期望的那样。组813的所有相关系数与组812的相关系数不同。因此，使用精选的阈值，例如0.15，便可识别出来自于同一印版的图像。

例如如图31中所示的图像，如果非常高分辨率的图像是可用的，例如使用点的精确轮廓，可实现更为精确的测量，。这些测量意味着可获取差别更大和质量更高的签名。例如，为了测量两个对象之间的相似性，使用在它们的轮廓中的相似性，其由一个一维向量表示，该向量表示到根据一个角度方向的重心的距离。这种方法，并可使用其他用于比较两个对象的相同目的的方法，将在下文中描述：“Machine Vision：Theory，Algorithms，Practicalities”，作者为E.R.Davies。

在第一实施例中，为了识别文档的印版，执行下述步骤：

使用所述印版印刷至少一个文档的步骤，

以高分辨率捕获所述文档的至少一部分的至少一个图像的步骤，

提取至少一个被捕获的图像的几何特征的步骤，

存储被提取的几何特征的步骤，

确定是否使用所述印版印刷了一候选文档，所述候选文档部分的图像的步骤，该候选文档以高分辨率捕获对应于已经存储几何特征的文档部分，

提取对应于存储的几何特征的所述候选文档的图像的几何特征的步骤以及

确定所述候选文档的几何特征以及存储的几何特征的相关测量值是否高于一个预定的限值。

在实施例中，此外，该方法还包括确定由所述印版生成的每个印刷品的全部几何特征的步骤，存储所述几何特征的步骤以及，对于候选文档来说，确定对应于存储的全部几何特征的全部几何特征的步骤以及确定存储的几何特征与候选文档的几何特征之间的最高相关系数的步骤。

优选地，利用一步骤生成使用所述印版要印刷的图像，所述图像包括多个互不接触的点，如上文所述。

图34示出了用于确定印刷文档的印版的方法的另一实施例的步骤。

首先，步骤851示出了，生成要印刷的图像，例如如上文所述的矩阵。

然后，在步骤852中，使用要印刷的图像标记印版。

在步骤854中，使用所述印版印刷至少一个文档。

在步骤855中，以高分辨率实现对承载步骤854中生成的印刷品的文档的至少一部分的至少一个图像的捕获。

在步骤856中，提取在步骤855中捕获的至少一个图像的几何特征。例如，识别印刷的图像的角，并且基于该角度识别被印刷的图像的特定点。例如，根据该角度，提取点的轮廓并且生成表示该轮廓至该点的重心的间距的向量。优选地，将在步骤855中以高分辨率捕获的多个图像用于在不同图像中形成同一点的特征均值。

在步骤857中，存储在步骤856中提取的几何特征，例如存储在一数据库中。

在查找一个文档是否合法以及将哪个印版用于印刷该文档执行时，在步骤860中，以高分辨率实现对相应于步骤855至857中使用的文档部分的一部分文档的一个图像的捕获。

在步骤861中，提取在步骤855中捕获的图像的几何特征。例如，识别印刷的图像的角，基于该角度，识别被印刷的图像的特定点。优选地，使用与步骤856中相同的算法。优选地，将在步骤861中以高分辨率捕获的多个图像用于在不同图像中形成同一点的特征均值。

在步骤862中，存储在步骤861中提取的几何特征，例如在步骤857中使用的数据库中。

在步骤863中，实现对步骤861中确定的几何特征和从步骤857存储的相应点的物理特征的相关测量。

在步骤864中，确定最高的相关系数。

在步骤865中，确定该相关系数是否高于一限值，或者说“阈值”，例如为0.15。如果高于，在步骤866中，该文档被认为是合法的并被认为已使用该印版印刷，该印版印刷表示最高相关系数的点。否则，在步骤867中，该文档被认为是非法的。可能地，通过与第二阈值进行比较，确定了其是否是通过使用该印版印刷的文档生成的副本，该印版印刷表示最高相关系数的点。

需要注意，为了从使用相同印版完成的多件作品中识别一件作品(使用未移除的印版的印刷系列)，优选地，使用大量的点和比简单识别该印版更高的图像分辨率。

实际上，即使该印版初始是合法的，也可能被盗并用于印刷非法的文档。可在一个作品签名中找到其机械历史，侵蚀以及任何污染，其中，区分(或识别)作品签名比区分(或识别)该印版的简单签名更困难。

图15示出了作为本发明主题的设备的特定实施例。该设备201，例如一微型计算机及其各种周边装置，包括通信接口218，其连接至可发送和接收数字数据的通信网络202。该设备201还包括存储装置214，例如，硬盘。其还包括软盘读取器215。该软盘224可包含要处理的数据或正在处理的数据以及实现本发明的程序代码，一旦代码被设备101读取，该代码将被存储在硬盘114中。根据一个可变实施例，使该设备能利用本发明的程序存储在只读存储器110中(称为ROM，“只读存储器”的简称)。在第二可变实施例中，可通过通信网络202来接收该程序以便以上述相同的方式将该程序加以存储。

设备201具有屏幕212，使得能够观察处理结果并与该设备进行交互，例如通过图形化界面。通过键盘213，用户可提供数据、表面面积、密度、分辨率、参数或键值的值，或实现完成选择。中央处理单元211(称为“CPU”，“中央处理单元”的缩写，在绘图上)执行与利用本发明相关的指令，该指令存储在只读存储器210或其他存储元件中。在加电期间，存储在非易失性存储器，例如ROM210中的与利用作为本发明主题的该设备相关的程序被传输至随机存取存储器RAM217中，随机存取存储器还包含作为本发明主题的程序的可执行代码以及用于存储利用本发明所需的变量的寄存器。明显地，软盘224可被任何数据载体器代替，例如光盘或存储卡。更一般地，可由计算机或微处理器读取的用于存储信息的装置存储利用作为本发明的方法的程序，该装置可集成或不集成于该设备中，也可能为可移除的装置。通信总线221能使微型计算机201中或连接到它的多种元件间进行通信。并不限制对总线221表现形式，并且特别地，中央处理单元211能够将指令直接或通过微型计算机201的另一元件传输至微型计算机201的任意元件。

Claims (9)

1.用于识别文档的印版的方法，特征在于其包括：

使用所述印版印刷至少一个文档的步骤，

以高分辨率捕获所述文档的至少一部分的至少一个图像的步骤，

提取至少一个被捕获的图像的几何特征的步骤，

存储被提取的几何特征的步骤，其中，确定是否使用所述印版印刷候选文档，以高分辨率捕获所述候选文档部分的图像的步骤，该候选文档对应于已经存储几何特征的文档部分，

提取对应于存储的几何特征的所述候选文档的图像的几何特征的步骤以及

确定所述候选文档的几何特征以及存储的几何特征的相关测量是否高于一个预定的限值的步骤。

2.根据权利要求1的方法，其特征在于还包括，确定由所述印版生成的每个印刷件的全部几何特征的步骤，存储所述几何特征的步骤以及，对于候选文档来说，确定对应于存储的全部几何特征的全部几何特征的步骤以及确定存储的几何特征与候选文档的几何特征间的最高相关系数的步骤。

3.根据权利要求1或2的方法，其特征在于包括生成使用所述印版要印刷的图像，所述图像包括多个互不接触的点。

4.根据权利要求1至3中任一权利要求的方法，其特征在于，在提取几何特征的每个步骤中，通过图像处理提取轮廓。

5.根据权利要求4的方法，其特征在于，在每个提取步骤中，根据角度，确定该轮廓至该轮廓所包围区域的重心的间距的表示。

6.根据权利要求1至3中任一权利要求的方法，其特征在于，在每个提取步骤中，确定印刷的点的灰度级别。

7.用于识别文档的印版的设备，其特征在于包括：

使用所述印版印刷至少一个文档的装置，

以高分辨率捕获所述文档的至少一部分的至少一个图像的装置，

提取至少一个被捕获的图像的几何特征的装置，

存储被提取的几何特征的装置，

设计的控制装置，用于确定是否使用所述印版印刷候选文档，并以高分辨率捕获对应于已经存储几何特征的文档部分的所述候选文档部分的图像的装置，提取对应于存储的几何特征的所述候选文档的图像的几何特征并确定所述候选文档的几何特征以及存储的几何特征的相关测量值是否高于一个预定的限值。

8.可载入计算机系统的程序，所述程序包括能够利用根据权利要求1至6的任一权利要求的方法的指令。

9.可由计算机或微处理器读取的数据载体，可被移除或不可被移除，其记录计算机程序指令，其特征在于能够利用根据权利要求1至6中任一权利要求的方法。

Images