CN102292700A - 用于增强安全印刷的系统和方法 - Google Patents

用于增强安全印刷的系统和方法 Download PDF

Info

Publication number
CN102292700A
CN102292700A CN2009801552181A CN200980155218A CN102292700A CN 102292700 A CN102292700 A CN 102292700A CN 2009801552181 A CN2009801552181 A CN 2009801552181A CN 200980155218 A CN200980155218 A CN 200980155218A CN 102292700 A CN102292700 A CN 102292700A
Authority
CN
China
Prior art keywords
area
zone
interest
storage
template
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2009801552181A
Other languages
English (en)
Inventor
S.J.西姆斯克
M.M.斯图吉尔
A.M.范斯
P.S.埃弗里斯特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hewlett Packard Development Co LP
Original Assignee
Hewlett Packard Development Co LP
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hewlett Packard Development Co LP filed Critical Hewlett Packard Development Co LP
Publication of CN102292700A publication Critical patent/CN102292700A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • G06T1/0021Image watermarking
    • G06T1/0028Adaptive watermarking, e.g. Human Visual System [HVS]-based watermarking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40Document-oriented image-based pattern recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Editing Of Facsimile Originals (AREA)

Abstract

一种用于增强安全印刷的系统包括:分割系统;安全数据库,其与所述分割系统可操作地通信;安全注册库,其与所述分割系统选择性地可操作地通信;以及分析系统,其与所述分割系统以及所述安全数据库可操作地通信,并且与所述安全注册库选择性地可操作地通信。所述分割系统对扫描的图像执行区带化分析,以标识图像中的区域的列表。所述安全数据库存储i)模板或ii)先前的区带化输出规范中的至少一个。所述安全注册库存储感兴趣区域信息和关于用于标识感兴趣区域的策略的信息。所述分析系统使用所述安全数据库或所述安全注册库中的至少一个标识所述感兴趣区域。

Description

用于增强安全印刷的系统和方法
技术领域
本公开通常涉及一种用于增强安全印刷的系统和方法。
背景技术
产品加标签和安全包装是品牌保护、产品跟踪和认证以及防伪行动的重要组成部分。此类标签/包装必须是授权的(即对它们的访问应是特许的)、可认证的(例如包含出于安全目的可以被解码/解密的编码/加密的信息)、并且是唯一的(即,可与任何其它印刷材料区分)。在创建此类标签/包装的努力中,可以添加形式例如为威慑物(deterrent)或标志的唯一ID。此外,通常采取措施来例如通过使得复制包装或标签困难和/或耗时和/或通过使用可变数据印刷(VDP)来增强无法伪造产品的概率。
附图说明
通过参照以下详细描述和附图,本公开的实施例的特征和优点将变得清楚,其中,相同标号与相同或相似但也许不等同的组件对应。为了简明,具有先前描述的功能的标号可以或可以不结合它们出现在其中的后续附图进行描述。
图1是用于增强安全印刷的系统的实施例的示意图;以及
图2是描绘用于增强安全印刷的方法的各个实施例的流程图。
具体实施方式
在此公开的系统和方法的实施例使得能够使用属于图像的簇或组的多个区域来标识印刷图像中的感兴趣区。作为用于针对它们在后续应用中的使用对感兴趣区域优先化(prioritize)的前端应用,这种标识可以是有用的。此外,感兴趣区域标识系统可以用于提供各种服务,例如比如以下服务:品牌保护调查者可以使用隐写(steganographic)标志的检测以同时处理很多图像并且在大数据集合中发现伪造图像;可变数据印刷区域的检测可以用于在印刷认证中进行校验和/或检查;以及低质量标志的检测可以用于校验、印刷缺陷检测以及审计。
现在参照图1,描绘了用于增强安全印刷的系统10的实施例的示意图。非常一般地,系统10包括分割系统12、安全数据库14、安全注册库(registry)16和分析系统18。系统10的这些组件是计算机或企业计算系统20的部分,计算机或企业计算系统20包括程序或软件,所述程序或软件被配置为:分割图像,存储并且检索以前保存的模板和/或区带化输出规范,存储并且检索以前存储的感兴趣区域信息和策略,并且标识图像的一个或多个感兴趣区域。
如在此使用的那样,术语“企业计算系统”表示互连的计算机的网络,包括虚拟化和/或冗余处理器、处理器和/或服务器组等。应理解,系统10的组件12、14、16、18可以在统一的位置中实现,或系统的(一个或多个)部分可以在不同位置实现。
此类系统组件12、14、16、18的硬件包括电子处理设备,例如比如控制器、微控制器、微处理器、主处理器、专用集成电路(ASIC)、和/或可重新编程的硬件逻辑设备(例如现场可编程门阵列(FPGA))。应理解,电子处理设备可以是结合执行通用处理器的功能的中央处理单元(CPU)工作的处理器。
(一个或多个)计算机程序和/或软件(例如计算机可读代码)可以加载到计算机或企业计算系统20上,并且存储在其存储器中。经由处理设备可执行这些程序和/或软件。系统组件12、14、16、18也可以包括可经由电子处理设备执行的一个或多个算法。这些算法合并到计算机或企业计算系统20和/或软件中。通常,使用算法中的一个或多个分割并且分析图像。
系统10还包括在其上印刷一个或多个标记24的对象22。应理解,在此使用的术语“对象”将被宽泛地解释,并且可以包括,但不限于,任何类型的对象、产品、文档或包装。类似地,术语“包装”在此将被宽泛地解释为包括用于包含产品、显示产品、或另外标识带品牌的货物的任何单元。此类包装的非限制性示例包括盒、包、容器、抓斗(clamshell)、条带、带、包裹、带子、瓶、小瓶、分配器、插入物、其它文档等或其组合。
对象22上印刷的标记24可以包括,但不限于,图形标记、字母数字标记或其组合。在一个非限制性示例中,标记24是包括品牌信息、产品信息、制造商或分销商信息和/或任何其它期望的文本和/或图形信息的文本T或图像I。在另一非限制性示例中,标记24是从彩色线、指纹、彩色文本、拷贝检测图案(CDP)、彩色块片、字母序列、数字序列、图形序列、目标图案、条码等及其组合中选择的安全威慑物SD(其中一些可以是隐写的,即能够在其中隐藏信息)。预期在本发明的范围内,隐写安全威慑物SD可以是可变的,即,一个对象22上的隐写安全威慑物SD与任何其他对象22上的一个或多个隐写安全威慑物SD不同。此外,应理解,对象22上可以合并各类型的标记24的任何组合。
作为非限制性示例,可以通过喷墨印刷机墨水、激光印刷机墨水、谱不透明墨水、谱透明墨水、紫外墨水、红外墨水、热变色墨水、电变色墨水、电致发光墨水、导电墨水、磁墨水、色移墨水、量子点墨水、磷光墨水、连接环(guilloche)、绘图板(planchette)、全息图、安全线、水印、其它安全威慑物、防篡改威慑物及其组合形成标记24。
应理解,任何隐写安全威慑物SD可以包含信息。在一些实施例中,安全威慑物SD内隐藏的信息是认证信息、安全信息或二者。安全威慑物SD内隐藏的信息可以用于跟踪、打印记等或其各种组合。在其它实施例中,安全威慑物SD内隐藏的信息是诱骗信息,旨在误导该信息的无意接收者。在另外的其它实施例中,安全威慑物SD内没有隐藏信息。还应理解,单个安全威慑物SD可以根据期望在其中隐藏以上任何组合;例如,安全威慑物SD可以在其中隐藏认证、安全和跟踪信息、以及一些诱骗信息。
此外,应理解,例如,信息可以是代码;比特、字节、字符、色彩、图形、数字等的序列;水印;符号;可解释的信息;(一个或多个)指纹;其它生物统计数据(例如明文、编码的、加密的、加扰的、链接到其它信息);“净荷”;调制传递函数(例如结合目标图案使用);或类似物;或其组合。净荷通常是安全威慑物中存储的短(8-32比特)消息。在以下专利申请中进一步描述威慑物、这些威慑物内包含的信息或其组合的示例,其中每一个专利申请通过引用被完整合并到此:2006年8月18日提交的美国专利申请序列号11/465,763(2008年2月21日公开的美国专利申请公开No. 2008/0043273);2006年4月28日提交的11/414,113(2007年11月1日公开的美国专利申请公开No. 2007/0256136);2005年3月8日提交的11/076534(2006年9月14日公开的美国专利申请公开No. 2006/0202470);以及2005年7月29日提交的11/192,878(2007年2月1日公开的美国专利申请公开No. 2007/0024915)。
如图1所示,使用电子设备28捕获标记24中的一个或多个的数字图像26。在该非限制性示例中,电子设备28是数码相机。应理解,例如,数码相机可以在蜂窝电话、个人数字助理等中实施。另一合适的电子设备28是扫描仪、检查相机、桌面成像器等。
对象22的全部或部分的数字图像26然后从电子设备28发送到计算机或企业计算系统20。非常一般地,分割系统12从数字图像26标识不同的区带或区域,并且分类所述区带或区域;以及分析系统18利用安全数据库14和安全注册库16中的一个或二者,以标识数字图像26的感兴趣区域。应理解,以下将进一步描述系统10及其各个组件。
现在参照图2,描绘了用于使用图1的系统10增强安全印刷的方法的各个实施例。该方法的每一实施例开始于生成感兴趣对象22的数字图像26(如标号200所示,并且如先前参照图1描述的那样)。应理解,数字图像26至少包括要分析的对象22上印刷的那些标记24。在一些情况中,数字图像26可以包括对象22上印刷的所有标记24,并且在其它情况中,数字图像26可以包括对象22上印刷的一些标记24(例如,见图1)。无论是经由作为计算机或企业计算系统20的内部组件还是外部组件的电子设备28生成数字图像26,图像26被发送到分割系统12。作为一个非限制性示例,图像26经由系统20外部的检查相机捕获,并且经由电子邮件、SMS消息收发或任何其它传输机制(例如MMS、EMS、WAP等)被发送到分割系统12。作为另一非限制性示例,图像26经由系统20内部的扫描仪被捕获,并且直接从扫描仪发送到分割系统12。
如在标号202所示,分割系统12然后对数字图像26执行区带化分析。区带化分析通常包括图像26中的各个区带/区域的阈值化(即,通过将一个或多个像素群分配给“黑色”并且将(一个或多个)剩余群分配给“白色”对图像进行二值化)、分割、以及分类。在一个实施例中,分割系统12通过预处理图像26促进此类区带的标识。特别地,分割系统12可以从图像26创建栅格,以及然后将阈值应用于栅格,以从其清除任何不期望的背景像素。分割系统12然后足够地游程涂抹(smear)图像26,以基本上防止形成大量小区域,并且合并由相对小的间隙分离的区域。在实施例中,以2/75(或8/300)英寸完成游程涂抹。图像26然后被薄化或腐蚀(即沿着其边界收缩)并且变胖或膨胀(即沿着其边界扩展),以移除单像素宽度噪声,而不影响未被如此移除的大区域。然后利用计算的涂抹值执行游程涂抹。沿着图像26的边缘移除任何附加噪声。
然后标识/分类图像26的不同区带或区域,并且对于图像26生成区域的列表。应理解,自动图像分析包括从初始图像分割的连通的分量区域的分类。区域类型分类可以独立于最终应用注册;这样,分割系统引擎可以搜索并且发现其中区域可以被归类的一般类。在一个实施例中,区域类型分类基于特定类的信息,例如比如文本、图像、表、图、或安全威慑物(例如2D条码、彩色块片、水印、拷贝检测图案、连接环等)。返回参照图1所示示例,图像26中的“产品 X”标记T、24将被分类为文本,图像26中的鲜花标记I、24将分类为图像,并且图像26中的彩色块片和条码SD、24将均被分类为安全威慑物。通过划分图像26,分割系统12基本上从数字图像26提取并且分类标记24,以用于进一步分析。
可以通过各种不同的已知方法完成分类。合适的分类技术的非限制性示例包括投票技术、度量信心技术、或仅基于图像的每一试探度量的统计量的技术(其示例描述于Simske的“Low-Resolution Photo/Drawing Classification: Metrics, Method and Archiving Optimization” Image Processing, 2005. ICIP 2005. 第2卷,2005年9月11-14 页码:II - 534-7,其内容通过引用合并到此)。另外的其它通常部署的分类器包括支持矢量机(SVM)、独立分量分析(ICA)、Adaboost、人工神经网络(ANN)等。
在完成区带化分析之后,计算机或企业计算系统20的用户访问安全数据库14,以确定以前存储的模板是否可用于与列表中的一个或多个区域进行比较,如标号204所示。模板包括一个或多个区域的位置的描述以及一个或多个区域的区域类型分类。从先前已经使用分割系统12经受区带化分析的其它图像26生成此类模板。再次返回参照图1所示的图像26,如果该图像26先前已经暴露于分割,则可能已经生成指示每一标记24的x、y坐标以及与每一标记24关联的类类型的模板。在安全数据库14中存储此类模板。可以使用当前图像26的列出的区域作为搜索参数在数据库14上运行现有模板的查询。
返回参照图2,如果一个或多个模板可用,则分析系统18将比较列表中包括的每一个区域与每一可用模板,以确定是否发现一个或多个匹配,如标号206所示。例如,可以经由线性空间过滤实现模板到区域的匹配,在线性空间过滤中,模板用作过滤器掩模。用于匹配的技术的另一非限制性示例是图像(自)相关。当发现列出的区域与现有模板之间的匹配时,回查现有模板,以寻找以前标识的和/或优化的感兴趣区域。由于模板基于一个或多个以前分析的图像,因此其可以标识特别适合于具体的最终应用的区域和/或其可以标识如何针对具体的最终应用优化一个或多个区域。这样,在所述方法的该实施例中,使用以前存储的模板中标识的一个或多个感兴趣区域实现定义/确定图像26中的(一个或多个)感兴趣区域(如标号208所示)。作为一个示例,匹配数字图像26的存储的模板可以指示彩色块片安全威慑物SD、24一致地被评级为最佳标记24,以使得基于图像的鉴证服务能够区分图像26和伪造物。作为另一示例,匹配数字图像26的存储的模板可以指示故意错误拼写标记“产品 X”T 、24将具有可变性的另一区域添加到部署的对象22,至少部分因为伪造者一般改正拼写。
标识的感兴趣区域然后输出到系统20的用户,如标号210所示。这种输出可以是电子和/或印刷格式。分析系统18然后基于特定的最终用途对标识的感兴趣区域进行过滤或优先化,如在标号212所示。预期的最终用途可以经由用户输入,或分析系统18可以被编程为针对多个最终应用进行过滤/优先化,所述最终应用例如比如质量保障、检查、认证、部分跟踪(例如在制造期间,或通过供应链)以及鉴证。
用户然后可以选择标识的和经过优先化的感兴趣区域中的一个或多个,以用于期望的最终应用,如标号214所示。在一些情况中,例如,当最终用途是质量保障、检查、或鉴证时,感兴趣区域可以被优化或改动并且然后被部署。在其它情况中,例如,当最终用途是认证时,可以使用认证算法自动地或经由用户手动地认证感兴趣区域,由此使得能够肯定地或否定地标识(一个或多个)如此标识的感兴趣区域。
返回参照标号204,如果模板可用但经由分割系统12生成的列表中的区域不匹配任何可用模板中的区域,则该方法通过分析系统18咨询安全注册库16(如标号216所示)以协助确定感兴趣区域而继续。安全注册库16在其中已经存储用于标识感兴趣区域的一个或多个策略。此类策略可以基于图像度量和/或历史意义。此类策略也可以与特定最终用途关联(以下进一步讨论其非限制性示例)。策略可以在一个图像已经被部署和分析、检查、认证等之后被开发和保存,并且可以随着时间改变和/或改进。应理解,在此可以采用任何类型的机器学习。
涉及图像度量的策略可以包括标识在为图像26生成的柱状图中具有最高可变性的图像26内的区/区域。可以按照图像柱状图熵、方差、强度、饱和度、色调或某种其它柱状图特性(例如色度、亮度等)定义这种可变性。涉及图像度量的用于标识感兴趣区域的策略也可以包括标识平均边缘锐度、边缘方向随机性等。具有一个或多个特定度量的图像26可以与在安全注册库16中已经标识为特别适合于一个或多个最终应用的以前部署的图像相关联。例如,涉及寻找预定度量的策略包括在以前已经证明对于一个或多个期望的应用有用的以前部署的图像中寻找度量。
应理解,为了标识包含可变数据的感兴趣区域,需要比较可变数据印刷作业的两个或更多个图像中的信息(例如两个不同标签上的条码)。以下是执行这种比较的两个示例性方法。在一个实施例中,直接比较两个或更多个图像的柱状图。只要捕获设备/设置在图像上是一致的,这通常是精确的。在另一实施例中,进行相对比较(例如,从一个图像减去另一图像,然后计算任何区域空间(即色彩、色调、强度、饱和度、边缘空间等)中的单个“差柱状图”)。
用于定义感兴趣区域的另一策略可以涉及查看对于特定最终应用具有历史意义的区。此类信息随着时间被编译在安全注册库16中,并且可以通过查询注册库16搜索此类信息。应理解,可以存储分析的图像的任何合理的属性。对于非限制性示例,可以存储(上文中提到的)差柱状图,其中,用于柱状图的安全注册库参考是区域的理想化的形式。作为非限制性示例,如果最终应用是鉴证评估,则策略可以涉及寻找一致地作为区带化集合的部分的最大单一图像。此类图像可以在注册库16中被指示为用于鉴证应用的选择的感兴趣区域的良好候选。作为另一非限制性示例,如果最终应用是文本质量/内容检查,则策略可以涉及寻找图像26中的最大文本区域。此类区域在注册库16中可以被指示为用于质量/内容检查应用的选择的感兴趣区域的良好候选。作为又一非限制性示例,如果最终应用是确定隐写内容区,则策略可以涉及寻找小区域,其可以在注册库16中注记为用于此类应用的选择的感兴趣区域的良好候选。
当选择图像26的感兴趣区域时,可以利用与特定最终用途对应的其它选择策略。此类策略可以存储在安全注册库16中并且由分析系统18访问。在以下三个段落中概述此类策略的一些非限制性示例。此外,虽然在此公开了合适的策略的示例,但应理解,可以开发其它策略,其至少部分地取决于关于对象22上的标记24的实际部署、提供给安全注册库16的信息。
静态区域(例如用于打印记、产品信息等的那些标记24)中发现的区域可变性是糟糕质量的征兆。当在此公开的系统10和方法用于质量保障时,感兴趣区域的标识可以用于将关注吸引到较低质量的区,从而可以改动预印刷处理,以改进此后的印刷质量。对于该特定最终应用,用于选择感兴趣区域的显著手段或策略的示例包括寻找图像26的文本或画线(line drawing)区域的柱状图中的双峰的预定度量和/或用于图像26的照片区域的糟糕整体色域(gamut)(即色彩空间周围的低色域饱和度映射)。可以被寻找的双峰的预定度量的示例包括:i)强度柱状图在白色和黑色峰中分别具有小于25%的像素,或ii)柱状图具有少于或多于两个的突出峰(这指示低质量条码)。低色域饱和度映射的示例包括没有饱和的色彩空间中的一个或多个色彩、而其它部分饱和,并且至少一个完全饱和。当通知分析系统18质量保障是图像26的期望最终应用中的一个时,其可以自动请求安全注册库16提供用于标识用于此类应用的感兴趣区域的手段/策略。例如,分析系统18可以对于显著感兴趣区域的特性查验(ping)后端服务/注册库16,并且在这样做时,将其计算限制到那些特定图像测量。
当期望的最终用途是检查时,部署或可以部署在图像26中的威慑物SD、24的列表可以引导用于感兴趣区域选择的策略。在此情况下,评估列表中的区域(或匹配先前的区带化输出规范(下文中进一步描述)的区域)的可变性,然后这些区域根据与评估的可变性关联的威慑物SD、24被分类。作为非限制性示例,基于色彩内容和双峰可以区分条码和彩色块片威慑物。前者(即条码)将是没有色调、低饱和度以及低色域的双峰,而后者(即彩色块片)将是具有高色调差、高饱和度和高色域的八峰(octamodal)(黑、白、RGBCMY)。其它因素(大小、形状、结构等)可以用于改进任何多个威慑物SD、24的定义。然后基于期望的可变性和/或要执行的检查的类型可以选择感兴趣区域。
作为最终用途的检查也允许使用图像评估作为用于标识感兴趣区域的策略。使用该策略,标识为高度可变的区域也可以作为隐写威慑物SD而被回查,即使此类区域通常不是威慑物SD。例如,如果文本标记T,24通常将被或已经被伪造者改正,则此类文字可以被故意错误拼写,或如果图形标记I,24的色彩通常将被或已经被伪造者改正,则此类色彩可以被故意改动。
当最终用途应用是鉴证时,在此公开的方法通常用在基于图像的鉴证服务(其用于区分真实样本和伪造的样本)的前端。在此类情况中,策略涉及初始地标识一致地作为区带化输出或模板的部分的潜在感兴趣区域。然后,该输出用于确定哪些感兴趣区域此后应具有最高优先级。通常,最佳使得基于图像的鉴证服务能够区分伪造物和真实样本的感兴趣区域是被选择用于后续部署在对象22上的区域。
应理解,用于感兴趣区域标识的任何以上策略可以用于在此公开的方法的整体实现。例如,如果期望最大化地区分一个图像集合与另一图像集合,则应分析从捕获的图像一致地分割的所有区域,以查看哪个区域(如果有的话)最佳地协助标识改动的图像(例如伪造的图像)。
分析系统18被编程为回查在安全注册库16处可用并且由安全注册库16检索的任何信息,并且确定用于至少部分地根据注册库16提供的策略和信息和/或关于期望的最终用途的经由用户输入的任何信息标识图像26中的感兴趣区域的最佳策略。分析系统18然后确定最佳感兴趣区域(标号208),并且将标识的感兴趣区域输出到系统20的用户(标号210)。分析系统18然后基于特定最终用途对标识的感兴趣区域进行过滤或优先化,如标号212所示,并且用户然后可以选择用于期望的最终应用的标识的和经过优先化的感兴趣区域中的一个或多个,如标号214所示。
再次返回参照标号204,如果模板不可用,则方法通过分析系统18确定一个或多个先前的区带化输出规范在安全数据库14中是否可用而继续,如标号218所示。先前的区带化输出规范是来自在安全数据库14中存储的已经经历区带化分析的其它图像的结果(即区域的列表、区域类型/分类、和/或区域特性)。
当此类先前的区带化输出规范在安全数据库14中可用时,分析系统18执行比较,以确定(来自图像26的)列表中的任何区域是否匹配(数据库14中存储的)先前的区带化输出规范中的区域,如标号206所示。当匹配被标识时,将来自列表的区域与来自先前的区带化输出规范的匹配区域对准。对准此类匹配区域可以给用户提供关于图像26中的哪些区域最经常用在先前图像中的指示。图像对准也可以使得能够同时使用多个区域,以对成像任务的完成具有更好的总信心。此外,例如在布局不同但拷贝孔(copy hole)(不同印刷区)相似或相同的情况下,图像对准可以允许确定总体图像模板之间的变化。
在一些情况中,列出的区域中的一个或多个与先前的区带化输出规范中的区域的匹配可能足以让分析系统18确定最佳感兴趣区域(标号208)。例如,在标识具有可变性的仅一个区域的情况下,这可能发生。在此类情况中,分析系统18将通过方法步骤210和212继续,并且用户可以利用步骤214中阐述的此类标识的和经过优先化的区域。
然而,在其它情况中,列出的区域中的一个或多个与先前的区带化输出规范的匹配可能不足以让分析系统18确定最佳感兴趣区域。在此类情况中,分析系统18被编程为可操作地连接到安全注册库16,并且对于用于确定感兴趣区域的一个或多个合适的策略查询注册库16。注册库16将通知分析系统18与请求对应的存档的任何策略,并且分析系统18将使用策略中的一个或多个标识图像26中的感兴趣区域。
在分析系统18确定感兴趣区域(标号208)之后,其将标识的感兴趣区域输出到系统20的用户(标号210)。分析系统18然后对标识的感兴趣区域进行过滤或优先化,如标号212所示。在这个和其它在此公开的实施例中,优先化可以涉及基于各种在前图像集合上的一个或多个区域的一致性利用足够的分数(例如,1-10,其中,1是0%一致性,以及10是100%一致性)对标识的感兴趣区域排列等级。该类型的等级排列是非参数(即离散)等级排列。然而,应理解,可以使用任何参数(即连续)等级排列,其基于在分数中使用相对信心。用于安全印刷和图像质量保障应用的优先化也可以基于信息的值而被排序/排列等级/缩放(例如,(例如对于认证/鉴证)更重要的区域/度量将对于安全应用而被缩放得较高,以及(例如对于质量)更重要的区域/度量将对于质量保障被优先化)。
应理解,随着用于特定最终任务的不同感兴趣区域的相对重要性的改变,评分/优先化可以随着时间改变。作为一个非限制性示例,如果以前未被一致地用于安全应用的特定感兴趣区域开始被一致地用于安全应用,则分析系统18可以被重新编程以考虑用于安全应用的特定感兴趣区域的重要性已经增加的事实。作为另一非限制性示例,当伪造者更经常地攻击一个或多个威慑物时,这些威慑物的重要性可以减少。此类动态等级排列/评分系统对于提供响应于伪造者的相对成功的固有移动目标、最可能的印刷错误等可能尤其有用。
用户然后可以选择标识的和经过优先化的感兴趣区域中的一个或多个,以用于期望的最终应用,如标号214所示。
如图2所示,如果先前的区带化输出规范不可用,则分析系统18将咨询安全注册库18,如标号216所示。分析系统18将对于用于定义图像26中的感兴趣区域的一个或多个策略查询注册库16,如上所述。一旦标识了感兴趣区域(标号208),就将它们输出到用户(标号210),并且进行过滤/优先化(标号212),如上所述。用户然后可以根据期望使用标识的感兴趣区域中的一个或多个(标号214)。
在此公开的方法和系统10的实施例可以有利地用于各种应用。如上所述,一个或多个感兴趣区域的标识可以协助生成用于后续部署的较高质量图像,增强防伪努力,标识适于用作安全威慑物SD的标记24以及用于各种其它目的。
条款1:一种用于增强安全印刷的系统,包括:
分割系统,用于对扫描的图像执行区带化分析,由此标识图像中的区域的列表;
安全数据库,其与所述分割系统可操作地通信,所述安全数据库存储i)模板或ii)先前的区带化输出规范中的至少一个;
安全注册库,其与所述分割系统选择性地可操作地通信,所述安全注册库存储感兴趣区域信息和关于用于标识感兴趣区域的策略的信息;以及
分析系统,其与所述分割系统以及所述安全数据库可操作地通信,并且与所述安全注册库选择性地可操作地通信,所述分析系统被配置为:利用所述安全数据库或所述安全注册库中的至少一个标识感兴趣区域。
条款2:如条款1所述的系统,其中,所述分析系统还被配置为:
确定来自区域的列表的至少一个区域是否与存储的模板中的区域匹配;以及
当发现一个或多个匹配时,则:
         使用在存储的模板中标识的一个或多个感兴趣区域从所述一个或多个匹配定义至少一个感兴趣区域;或
当未发现一个或多个匹配时,则:
         与所述安全注册库可操作地连接,以使用存储的感兴趣区域信息和关于策略的信息从区域的列表中标识至少一个感兴趣区域。
条款3:如前述条款中的任一项所述的系统,其中,所述分析系统还被配置为:
确定来自区域的列表的至少一个区域是否与先前的区带化输出规范中的区域匹配;
当发现一个或多个匹配时,则对准所述一个或多个匹配;以及
与所述安全注册库可操作地连接,以使用存储的感兴趣区域信息和关于策略的信息从所述一个或多个匹配标识至少一个感兴趣区域。
条款4:如前述条款中的任一项所述的系统,其中,所述分析系统还被配置为:
确定来自区域的列表的至少一个区域是否与存储的先前的区带化输出规范中的区域匹配;以及
当未发现一个或多个匹配时,则与所述安全注册库可操作地连接,以使用存储的感兴趣区域信息和关于策略的信息从所述一个或多个匹配标识至少一个感兴趣区域。
条款5:如前述条款中的任一项所述的系统,其中,所述分析系统还被配置为:对标识的至少一个感兴趣区域进行优先化以用于后续应用。
条款6:一种用于增强安全印刷的方法,包括:
对扫描的图像执行区带化分析,由此标识图像中的区域的列表;
确定以下至少一个:i)以前存储的模板是否可用或ii)先前的区带化输出规范是否可用;
尝试将来自区域的列表的至少一个区域与i)以前存储的模板中的区域、或ii)先前的区带化输出规范中的区域匹配;
当发现一个或多个匹配区域时,则:
使用i)以前存储的模板中标识的一个或多个感兴趣区域或ii)安全注册库和预定策略从所述一个或多个匹配区域定义至少一个感兴趣区域;以及
对定义的至少一个感兴趣区域进行优先化,以用于后续应用;或
当未发现一个或多个匹配区域时,则:
使用安全注册库和预定策略从区域的列表定义至少一个感兴趣区域;以及
对定义的至少一个感兴趣区域进行优先化,以用于后续应用。
条款7:如条款6所述的方法,其中,所述以前存储的模板可用,其中,使用在以前存储的模板中标识的一个或多个感兴趣区域定义所述至少一个感兴趣区域,其中,在以前存储的模板中标识的所述一个或多个感兴趣区域与预定后续应用关联,并且其中,对于其优先化所定义的至少一个感兴趣区域的后续应用是所述预定后续应用。
条款8:如条款6或7中的任一项所述的方法,其中,所述以前存储的模板可用,其中,使用所述安全注册库和所述预定策略定义所述至少一个感兴趣区域,并且其中,从基于预定度量标识、基于对于最终应用的历史意义标识或其组合选择所述预定策略。
条款9:如条款6至8中的任一项所述的方法,其中,所述以前存储的模板不可用,并且所述先前的区带化输出规范可用,其中,使用所述安全注册库和所述预定策略定义所述至少一个感兴趣区域,并且其中,从基于预定度量标识、基于对于最终应用的历史意义标识或其组合选择所述预定策略。
条款10:如条款6至9中的任一项所述的方法,其中,从质量保障、检查、认证、部分跟踪和鉴证中选择所述后续应用。
条款11:如条款6至10中的任一项所述的方法,其中,所述后续应用是质量保障,并且其中,从所述一个或多个匹配区域或从区域的列表定义所述至少一个感兴趣区域还包括以下中的至少一个:
标识在对应柱状图中具有双峰的预定度量的至少一个文本或画线区域;或
标识在色彩空间周围具有低色域饱和度映射的照片区域。
条款12:如条款6至10中的任一项所述的方法,其中,所述后续应用是检查,并且其中,从所述一个或多个匹配区域或从区域的列表定义所述至少一个感兴趣区域还包括:
评估所述一个或多个匹配区域或所述列表中的区域的可变性;以及
根据与评估的可变性关联的威慑物分类所述一个或多个匹配区域或所述列表中的区域。
条款13:如条款6至12中的任一项所述的方法,还包括:将定义的至少一个感兴趣区域用于对于其优先化该区域的后续应用。
条款14:如条款6至13中的任一项所述的方法,其中,所述以前存储的模板或所述先前的区带化输出规范基于从其它以前扫描的图像获得的感兴趣区域信息。
条款15:如条款6至14中的任一项所述的方法,还包括:基于指示对于一个或多个最终应用的以前部署的感兴趣区域的相对重要性的趋势或历史数据改动用于优先化的一个或多个参数。
虽然已经详细描述了若干实施例,但本领域技术人员应理解,可以修改公开的实施例。因此,前面的描述将被看作是示例性而不是限制性的。

Claims (15)

1.一种用于增强安全印刷的系统,包括:
分割系统,用于对扫描的图像执行区带化分析,由此标识图像中的区域的列表;
安全数据库,其与所述分割系统可操作地通信,所述安全数据库存储i)模板或ii)先前的区带化输出规范中的至少一个;
安全注册库,其与所述分割系统选择性地可操作地通信,所述安全注册库存储感兴趣区域信息和关于用于标识感兴趣区域的策略的信息;以及
分析系统,其与所述分割系统以及所述安全数据库可操作地通信,并且与所述安全注册库选择性地可操作地通信,所述分析系统被配置为:利用所述安全数据库或所述安全注册库中的至少一个标识感兴趣区域。
2.如权利要求1所述的系统,其中,所述分析系统还被配置为:
确定来自区域的列表的至少一个区域是否与存储的模板中的区域匹配;以及
当发现一个或多个匹配时,则:
         使用在存储的模板中标识的一个或多个感兴趣区域从所述一个或多个匹配定义至少一个感兴趣区域;或
当未发现一个或多个匹配时,则:
         与所述安全注册库可操作地连接,以使用存储的感兴趣区域信息和关于策略的信息从区域的列表中标识至少一个感兴趣区域。
3.如权利要求1所述的系统,其中,所述分析系统还被配置为:
确定来自区域的列表的至少一个区域是否与先前的区带化输出规范中的区域匹配;
当发现一个或多个匹配时,则对准所述一个或多个匹配;以及
与所述安全注册库可操作地连接,以使用存储的感兴趣区域信息和关于策略的信息从所述一个或多个匹配标识至少一个感兴趣区域。
4.如权利要求1所述的系统,其中,所述分析系统还被配置为:
确定来自区域的列表的至少一个区域是否与存储的先前的区带化输出规范中的区域匹配;以及
当未发现一个或多个匹配时,则与所述安全注册库可操作地连接,以使用存储的感兴趣区域信息和关于策略的信息从所述一个或多个匹配标识至少一个感兴趣区域。
5.如权利要求1所述的系统,其中,所述分析系统还被配置为:对标识的至少一个感兴趣区域进行优先化以用于后续应用。
6.一种用于增强安全印刷的方法,包括:
对扫描的图像执行区带化分析,由此标识图像中的区域的列表;
确定以下至少一个:i)以前存储的模板是否可用或ii)先前的区带化输出规范是否可用;
尝试将来自区域的列表的至少一个区域与i)以前存储的模板中的区域、或ii)先前的区带化输出规范中的区域匹配;
当发现一个或多个匹配区域时,则:
使用i)以前存储的模板中标识的一个或多个感兴趣区域、或ii)安全注册库和预定策略从所述一个或多个匹配区域定义至少一个感兴趣区域;以及
对定义的至少一个感兴趣区域进行优先化,以用于后续应用;或
当未发现一个或多个匹配区域时,则:
使用安全注册库和预定策略从区域的列表定义至少一个感兴趣区域;以及
对定义的至少一个感兴趣区域进行优先化,以用于后续应用。
7.如权利要求6所述的方法,其中,所述以前存储的模板可用,其中,使用在以前存储的模板中标识的一个或多个感兴趣区域定义所述至少一个感兴趣区域,其中,在以前存储的模板中标识的所述一个或多个感兴趣区域与预定后续应用关联,并且其中,对于其优先化所定义的至少一个感兴趣区域的后续应用是所述预定后续应用。
8.如权利要求6所述的方法,其中,所述以前存储的模板可用,其中,使用所述安全注册库和所述预定策略定义所述至少一个感兴趣区域,并且其中,从基于预定度量标识、基于对于最终应用的历史意义标识或其组合选择所述预定策略。
9.如权利要求6所述的方法,其中,所述以前存储的模板不可用,并且所述先前的区带化输出规范可用,其中,使用所述安全注册库和所述预定策略定义所述至少一个感兴趣区域,并且其中,从基于预定度量标识、基于对于最终应用的历史意义标识或其组合选择所述预定策略。
10.如权利要求6所述的方法,其中,从质量保障、检查、认证、部分跟踪和鉴证中选择所述后续应用。
11.如权利要求6所述的方法,其中,所述后续应用是质量保障,并且其中,从所述一个或多个匹配区域或从区域的列表定义所述至少一个感兴趣区域还包括以下中的至少一个:
标识在对应柱状图中具有双峰的预定度量的至少一个文本或画线区域;或
标识在色彩空间周围具有低色域饱和度映射的照片区域。
12.如权利要求6所述的方法,其中,所述后续应用是检查,并且其中,从所述一个或多个匹配区域或从区域的列表定义所述至少一个感兴趣区域还包括:
评估所述一个或多个匹配区域或所述列表中的区域的可变性;以及
根据与评估的可变性关联的威慑物分类所述一个或多个匹配区域或所述列表中的区域。
13.如权利要求6所述的方法,还包括:将定义的至少一个感兴趣区域用于对于其优先化该区域的后续应用。
14.如权利要求6所述的方法,其中,所述以前存储的模板或所述先前的区带化输出规范基于从其它以前扫描的图像获得的感兴趣区域信息。
15.如权利要求6所述的方法,还包括:基于指示对于一个或多个最终应用的以前部署的感兴趣区域的相对重要性的趋势或历史数据改动用于优先化的一个或多个参数。
CN2009801552181A 2009-01-24 2009-01-24 用于增强安全印刷的系统和方法 Pending CN102292700A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2009/031934 WO2010085257A1 (en) 2009-01-24 2009-01-24 System and method for enhancing security printing

Publications (1)

Publication Number Publication Date
CN102292700A true CN102292700A (zh) 2011-12-21

Family

ID=42356138

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009801552181A Pending CN102292700A (zh) 2009-01-24 2009-01-24 用于增强安全印刷的系统和方法

Country Status (4)

Country Link
US (1) US8818018B2 (zh)
EP (1) EP2382532B1 (zh)
CN (1) CN102292700A (zh)
WO (1) WO2010085257A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105160339B (zh) * 2015-08-06 2018-05-04 四川大学 一种二维码打印质量在线评估方法
CN110110318A (zh) * 2019-01-22 2019-08-09 清华大学 基于循环神经网络的文本隐写检测方法及系统

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9476839B2 (en) * 2009-03-31 2016-10-25 The United States Of America, As Represented By The Secretary, Department Of Health & Human Services Device and method for detection of counterfeit pharmaceuticals and/or drug packaging
WO2013137908A1 (en) * 2012-03-16 2013-09-19 Hewlett-Packard Development Company, L. P. Classifying images
EP2929318B1 (en) 2012-12-07 2019-03-20 The U.S.A. as represented by the Secretary, Department of Health and Human Services Device and method for detection of counterfeit pharmaceuticals and/or drug packaging
EP3175385A4 (en) * 2014-07-29 2018-01-03 Hewlett-Packard Development Company, L.P. Transmit an authentication mark
US20220301094A1 (en) * 2015-05-29 2022-09-22 Digimarc Corporation Serialized digital watermarking for variable data printing
US9928561B2 (en) * 2015-05-29 2018-03-27 Digimarc Corporation Serialized digital watermarking for variable data printing
WO2017182065A1 (en) * 2016-04-20 2017-10-26 Hp Indigo B.V. Electrostatic printing methods and systems
CN105957082A (zh) * 2016-05-04 2016-09-21 广东锐视智能检测有限公司 一种基于面阵相机的印刷质量在线监测方法
US10979721B2 (en) 2016-11-17 2021-04-13 Dolby Laboratories Licensing Corporation Predicting and verifying regions of interest selections
US11074592B2 (en) 2018-06-21 2021-07-27 The Procter & Gamble Company Method of determining authenticity of a consumer good
JP2020094879A (ja) * 2018-12-11 2020-06-18 コニカミノルタ株式会社 加飾印刷検査装置、加飾印刷検査システム、加飾印刷検査方法、及び、プログラム
US20210192340A1 (en) * 2019-12-20 2021-06-24 The Procter & Gamble Company Machine learning based imaging method of determining authenticity of a consumer good
US11963072B2 (en) * 2022-01-28 2024-04-16 VuSpex Inc. Computer-implemented system and method for uploading media to an inspection record via the multimedia messaging service (MMS)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1143413A (zh) * 1994-03-01 1997-02-19 美国国有健康与人类服务部 显微显像下细胞物质的分离
CN1388945A (zh) * 2000-10-07 2003-01-01 辛成福 虹膜识别系统和方法及用于实现虹膜识别方法的计算机可读存储介质存储的计算机可执行指令
US20030133595A1 (en) * 2001-05-30 2003-07-17 Eaton Corporation Motion based segmentor for occupant tracking using a hausdorf distance heuristic
CN1577392A (zh) * 2003-07-01 2005-02-09 汤姆森许可贸易公司 测量视觉相似性的设备和方法
US20060215233A1 (en) * 2005-03-23 2006-09-28 Tatsuhiko Hirai Image processing apparatus and its method
EP1854047A1 (en) * 2005-02-28 2007-11-14 ZI Decuma AB Segmentation-based recognition
US20080031542A1 (en) * 2006-07-24 2008-02-07 3M Innovative Properties Company Document authentication using template matching with fast masked normalized cross-correlation
CN101196979A (zh) * 2006-12-22 2008-06-11 四川川大智胜软件股份有限公司 利用数字图像处理技术识别车辆类型的方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3750285T2 (de) * 1986-10-03 1995-03-30 Omron Tateisi Electronics Co Gerät zur Untersuchung einer elektronischen Vorrichtung in fester Baugruppe.
US5995638A (en) * 1995-08-28 1999-11-30 Ecole Polytechnique Federale De Lausanne Methods and apparatus for authentication of documents by using the intensity profile of moire patterns
US6782144B2 (en) * 2001-03-12 2004-08-24 Multiscan Corp. Document scanner, system and method
US7366321B2 (en) * 2004-06-18 2008-04-29 Agilent Technologies, Inc. System and method for performing automated optical inspection of objects
US7676038B2 (en) 2005-03-08 2010-03-09 Hewlett-Packard Development Company, L.P. Secure printing method to thwart counterfeiting
US7878549B2 (en) 2005-07-29 2011-02-01 Hewlett-Packard Development Company, L.P. Printed substrate having embedded covert information
US8150155B2 (en) * 2006-02-07 2012-04-03 Qualcomm Incorporated Multi-mode region-of-interest video object segmentation
US8332949B2 (en) 2006-04-28 2012-12-11 Hewlett-Packard Development Company, L.P. Methods for making an authenticating system for an object
US20080043273A1 (en) 2006-08-18 2008-02-21 Simske Steven J Target patterns providing quality assurance verification and security authentication
US7422147B2 (en) * 2006-12-22 2008-09-09 Walter Steven Rosenbaum System and method for detecting fraudulent transactions of items having item-identifying indicia
KR100908406B1 (ko) 2007-05-31 2009-07-20 주식회사 신한은행 스캐닝 이미지 데이터 검증장치
US8532330B2 (en) * 2008-05-22 2013-09-10 Hewlett-Packard Development Company, L.P. Security printing analysis system and method for enhancing security printing

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1143413A (zh) * 1994-03-01 1997-02-19 美国国有健康与人类服务部 显微显像下细胞物质的分离
CN1388945A (zh) * 2000-10-07 2003-01-01 辛成福 虹膜识别系统和方法及用于实现虹膜识别方法的计算机可读存储介质存储的计算机可执行指令
US20030133595A1 (en) * 2001-05-30 2003-07-17 Eaton Corporation Motion based segmentor for occupant tracking using a hausdorf distance heuristic
CN1577392A (zh) * 2003-07-01 2005-02-09 汤姆森许可贸易公司 测量视觉相似性的设备和方法
EP1854047A1 (en) * 2005-02-28 2007-11-14 ZI Decuma AB Segmentation-based recognition
US20060215233A1 (en) * 2005-03-23 2006-09-28 Tatsuhiko Hirai Image processing apparatus and its method
US20080031542A1 (en) * 2006-07-24 2008-02-07 3M Innovative Properties Company Document authentication using template matching with fast masked normalized cross-correlation
CN101196979A (zh) * 2006-12-22 2008-06-11 四川川大智胜软件股份有限公司 利用数字图像处理技术识别车辆类型的方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105160339B (zh) * 2015-08-06 2018-05-04 四川大学 一种二维码打印质量在线评估方法
CN110110318A (zh) * 2019-01-22 2019-08-09 清华大学 基于循环神经网络的文本隐写检测方法及系统
CN110110318B (zh) * 2019-01-22 2021-02-05 清华大学 基于循环神经网络的文本隐写检测方法及系统

Also Published As

Publication number Publication date
EP2382532A4 (en) 2016-12-14
WO2010085257A1 (en) 2010-07-29
EP2382532A1 (en) 2011-11-02
US8818018B2 (en) 2014-08-26
EP2382532B1 (en) 2020-10-21
US20110280480A1 (en) 2011-11-17

Similar Documents

Publication Publication Date Title
CN102292700A (zh) 用于增强安全印刷的系统和方法
US10872265B2 (en) Database for detecting counterfeit items using digital fingerprint records
US8582819B2 (en) Methods and systems for improving yield in wanted vehicle searches
KR101515256B1 (ko) 동적 문서 식별 프레임워크를 사용한 문서 검증
Gebhardt et al. Document authentication using printing technique features and unsupervised anomaly detection
Cruz et al. Local binary patterns for document forgery detection
US8818047B2 (en) Generation of an individual glyph, and system and method for inspecting individual glyphs
Lampert et al. Printing technique classification for document counterfeit detection
US7840028B2 (en) Authentication system and method
Jain et al. Passive classification of source printer using text-line-level geometric distortion signatures from scanned images of printed documents
WO2009070032A1 (en) A method for processing optical character recognition (ocr) data, wherein the output comprises visually impaired character images
CN110533704B (zh) 油墨标签的识别验伪方法、装置、设备及介质
CN115186303B (zh) 一种基于大数据云平台的金融签章安全管理方法及系统
Micenková et al. Stamp verification for automated document authentication
US8269849B2 (en) Method and system for testing image pipelines
US20240112484A1 (en) Copy prevention of digital sample images
CN102105857A (zh) 用于增强安全印刷的安全印刷分析系统和方法
Van Beusekom et al. Automatic counterfeit protection system code classification
Sarkar et al. Detecting counterfeit currency and identifying its source
Thaiparnit et al. Tracking vehicles system based on license plate recognition
BJ et al. Identification of Seal, Signature and Fingerprint from Malayalam Agreement Documents using Connected Component Analysis
CN117121067A (zh) 一种用于唯一识别和验证产品的系统及其方法
Guo et al. DMF-Net: Dual-Branch Multi-Scale Feature Fusion Network for copy forgery identification of anti-counterfeiting QR code
van Beusekom et al. Lessons learned from automatic forgery detection in over 100,000 invoices
US20230222775A1 (en) Methods and systems for enabling robust and cost-effective mass detection of counterfeited products

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20111221