CN102789658A - 紫外防伪支票真伪验证方法 - Google Patents

Abstract

本发明为紫外防伪支票真伪验证方法，解决传统的验证方法主观性的缺陷，以及耗时耗力的问题。包括如下步骤：a、通过紫外扫描仪采集紫外灰度图像；b、从紫外灰度图像中提取第一幅二值图像；c、计算第一幅二值图像的倾斜角度；d、计算紫外灰度图像和第一幅二值图像各像素点的倾斜校正位置；e、确定第一幅二值图像矩形框左上角定位位置；f、对倾斜校正后的紫外灰度图像提取第二幅二值图像；g、对待验证支票的第二幅二值图像进行位置校正，h、计算待验证支票与真实支票第二幅二值图像的匹配度，验证真伪。

Description

紫外防伪支票真伪验证方法

技术领域：

本发明涉及支票防伪验证技术领域，尤其与图像处理技术相关。

背景技术：

传统的支票辨识过程是支票接受银行将支票送交中国银行的清分中心，清分中心将支票送返各开户银行，由开户银行通过人工核对支票上的印章或签名对支票的真伪进行检验，如果通过，则支票有效，由清分中心将开户银行的金额转入接受银行，此种方法极其费时又费力，可靠性也差。之后又出现了基于变码印鉴的支票容错识别系统，对于同一银行或者不同银行，只要联网，就可以通过网络核实支票的真伪，这种方法需要同一银行的不同网点，或者不同银行之间有联网的要求。

以前的方法都是针对旧版支票的真伪验证方法，新版支票相对旧版支票来说，具有了紫外防伪的功能。真伪的验证可以在扫描得到的支票紫外图像上进行，但是不同支票的紫外图像由于摆放角度和光线等的影响，都有一定的倾斜角度，并且不同支票图像的大小不同，即使同一张支票在两次扫描时也会有倾斜角度和图像大小的不同，传统的验证方法人为检测的主观性大，即耗时又耗力。

发明内容：

本发明的目的是提供一种能不通过网络及时快速实现支票紫外图像的真伪验证准确度高的紫外防伪支票真伪验证方法。

本发明是这样实现的：

真实支票录入单元(11)预先将各银行的真实支票扫描得到的支票紫外灰度图像存储，待验证支票录入单元(12)将待验证支票进行扫描，得到紫外灰度图像，支票真伪验证单元(13)通过将真实支票紫外灰度图像和待验证支票紫外灰度图像进行倾斜和位置校正，完成真伪验证，并将验证结果反馈给验证方，支票真伪验证单元(13)中真实支票紫外灰度图像和待验证支票紫外灰度图像信息提取的步骤分别如下：

1.通过紫外扫描仪采集紫外灰度图像；

2.从紫外灰度图像中提取第一幅二值图像；

3.计算第一幅二值图像的倾斜角度；

4.计算紫外灰度图像和第一幅二值图像各像素点的倾斜校正位置；

5.确定第一幅二值图像矩形框左上角定位位置；

6.对倾斜校正后的紫外灰度图像提取第二幅二值图像；

真实支票紫外灰度图像和待验证支票紫外灰度图像信息提取出来后，根据两者第一幅二值图像矩形框左上角的定位位置对待验证支票紫外灰度图像的第二幅二值图像进行位置校正，并计算其与真实支票紫外灰度图像第二幅二值图像的匹配度，验证真伪。

在步骤2中，提取紫外灰度图像第一幅二值图像的过程如下：

第一幅二值图像各像素点的值的计算公式为：

$D_1[i,j]=\left\{\begin{array}{c}255,I[i,j]<{\mathrm{th}}_1\\ 0,I[i,j]\&GreaterEqual;{\mathrm{th}}_2\end{array}\right.,$

D₁[i，j]表示第一幅二值图像水平第i个垂直第j个像素点的值，i是变量，表示窗口图像中像素点的水平位置，取值为i＝1，2，...，W₀，j是变量，表示窗口图像中像素点的垂直位置，取值为j＝1，2，...，H₀，W₀为紫外灰度图像的宽度，H₀为紫外灰度图像的高度，I[i，j]表示扫描仪采集的紫外灰度图像水平第i个垂直第j个像素点的灰度值，th₁为分割阈值，th₁的选取要使支票中的黑色字体和表格信息凸现出来，并去除紫外灰度图像中紫外信息的干扰。

在步骤3中，计算第一幅二值图像的倾斜角度的过程如下：

(1)计算第一幅二值图像的宽高比L：

$L=\frac{W_0}{H_0},$

当L＞2.5，则第一幅二值图像的矩形框左右上下角位置依次为：左上角[x₀-a，y₀-b]，右上角[x₁+a，y₀-b]，左下角[x₀-a，y₁+b]，右下角[x₁+a，y₁+b]，

当L≤2.5，则表示撕掉宽度为c的存根，第一幅二值图像矩形框左右上下角位置依次为：左上角[x₀-a-c，y₀-b]，右上角[x₁+a-c，y₀-b]，左下角[x₀-a-c，y₁+b]，右下角[x₁+a-c，y₁+b]，a为水平误差值，b为垂直误差值，x₀，x₁表示像素点水平坐标，y₀，y₁表示像素点的垂直坐标；

(2)提取矩形框二值图像R[i，j]：

$R[i,j]=\left\{\begin{array}{c}{D}_1[x_0-a+i,y_0-b+j],L>2.5\\ D_1[x_0-a-c+i,y_0-b+j],L\&le;2.5\end{array}\right.,$

其中，i＝1，2，..，W₁，j＝1，2，..，H₁，W₁＝x₁-x₀+2×a+1，H₁＝y₁-y₀+2×b+1，W₁为矩形框二值图像的宽度，H₁为矩形框二值图像的高度，R[i，j]表示矩形框二值图像水平第i个，垂直第j个像素点处的值；

将矩形框二值图像R[i，j]做-8°到8°，间隔为1°的顺时针旋转，用W_2k表示第k次旋转后矩形框二值图像所占图像的宽度，用H_2k表示第k次旋转后矩形框二值图像所占图像的高度，计算方法为：

其中，α＝|k-9|°表示旋转角度，为向下取整运算符，

表示不大于W₁×cosα+H₁×sinα的最大整数；

用R_k[i，j]表示第k次旋转后，矩形框二值图像水平第i个像素点，垂直第j个像素点的值，先做初始化，R_k[i，j]＝0，i＝1，2，...，W_2k，j＝1，2，...，H_2k，取k＝1时，矩形框二值图像R[i，j]顺时针旋转-8°，也即逆时针旋转8°，此时α＝8°，得到旋转后的矩形框二值图像R₁[i，j]，原矩形框二值图像R[i，j]各像素点的位置[i，j]对应的像素值在逆时针旋转α后矩形框二值图像R₁[i，j]中的位置[i₁，j₁]的计算公式为：

$\left[\begin{array}{c}{i}_1\\ j_1\\ 1\end{array}\right]=\left[\begin{array}{ccc}\cos \mathrm{\&alpha;}& \sin \mathrm{\&alpha;}& 0\\ -\sin \mathrm{\&alpha;}& \cos \mathrm{\&alpha;}& W_1\&times;\sin \mathrm{\&alpha;}\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}i-1\\ j-1\\ 1\end{array}\right]+\left[\begin{array}{c}1\\ 1\\ 0\end{array}\right],$

其中，[i₁，j₁]为经过运算后向下取整操作得到的。

k依次加1，取k＝2，3，...，8时，依次将矩形框二值图像R[i，j]逆时针旋转-7°到-1°，此时，α＝|k-9|°，可分别得到R₂[i，j]，R₃[i，j]，...，R₈[i，j]，k＝9时，旋转角度为0，此时，R₉[i，j]＝R[i，j]，k＝10，11，...，17时，依次将矩形框二值图像R[i，j]顺时针旋转1°到7°，此时，α＝|k-9|°，原矩形框二值图像R[i，j]各像素点的位置[i，j]对应的像素值在顺时针旋转α后矩形框二值图像R_k[i，j]中的位置[i₁，j₁]的计算公式为：

$\left[\begin{array}{c}{i}_1\\ j_1\\ 1\end{array}\right]=\left[\begin{array}{ccc}\cos \mathrm{\&alpha;}& -\sin \mathrm{\&alpha;}& H_1\&times;\cos \mathrm{\&alpha;}\\ \sin \mathrm{\&alpha;}& \cos \mathrm{\&alpha;}& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}i-1\\ j-1\\ 1\end{array}\right]+\left[\begin{array}{c}1\\ 1\\ 0\end{array}\right],$

其中，[i₁，j₁]为经过运算后向下取整操作得到的。

可分别得到R₁₀[i，j]，R₁₁[i，j]，...，R₁₇[i，j]，共得到17个矩形框二值图像R_k[i，j]；

(3)对旋转后的每个矩形框二值图像按行进行垂直投影，计算每个旋转后的矩形框二值图像R_k[i，j]的极大投影值m[k]：

$m\left[k\right]=\underset{j=\mathrm{1,2},.,H_{2k}}{\max \left(h_k\right[j\left]\right)},k=1,...,17,$

其中，h_k[j]表示旋转后的每个矩形框二值图像的垂直投影值，

j＝1，2，..，H_2k；

(4)计算倾斜角度：

对得到的17个极大投影值m[k]进行判断，找出其中的最大值

作为最大投影值，此时对应的角度值为如果(K-9)＜0，表明支票紫外图像顺时针方向倾斜了|K-9|°，即倾斜角度为β＝|K-9|°，如果(K-9)＝0，表示支票紫外图像没有倾斜，β＝0，如果(K-9)＞0，表明支票紫外图像逆时针方向倾斜了|K-9|°，倾斜角度为β＝-|K-9|°。

在步骤4中，计算支票紫外灰度图像和第一幅二值图像各像素点[i，j]的倾斜校正位置[i₁，j₁]的方法如下：

用W₃表示倾斜校正后支票紫外灰度图像和第一幅二值图像的宽度，用H₃表示倾斜校正后支票紫外灰度图像和第一幅二值图像的高度，计算方法为：

当倾斜角度β＞0时，对支票紫外图像做逆时针β校正：

$\left[\begin{array}{c}{i}_1\\ j_1\\ 1\end{array}\right]=\left[\begin{array}{ccc}\cos \mathrm{\&beta;}& \sin \mathrm{\&beta;}& 0\\ -\sin \mathrm{\&beta;}& \cos \mathrm{\&beta;}& W_1\&times;\sin \mathrm{\&beta;}\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}i-1\\ j-1\\ 1\end{array}\right]+\left[\begin{array}{c}1\\ 1\\ 0\end{array}\right],$

其中，[i₁，j₁]为经过运算后向下取整操作得到的。

当倾斜角度β＜0时，对支票紫外图像做顺时针|β|校正：

$\left[\begin{array}{c}{i}_1\\ j_1\\ 1\end{array}\right]=\left[\begin{array}{ccc}\cos \left|\mathrm{\&beta;}\right|& -\sin \left|\mathrm{\&beta;}\right|& H_1\&times;\cos \left|\mathrm{\&beta;}\right|\\ \sin \left|\mathrm{\&beta;}\right|& \cos \left|\mathrm{\&beta;}\right|& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}i-1\\ j-1\\ 1\end{array}\right]+\left[\begin{array}{c}1\\ 1\\ 0\end{array}\right],$

其中，[i₁，j₁]为经过运算后向下取整操作得到的。

当倾斜角度β＝0时，对支票紫外图像和第一幅二值图像不做校正。

在步骤5中，对第一幅二值图像矩形框左上角定位的步骤如下：

(1)确定第一幅二值图像矩形框左上角搜索范围：

当L＞2.5，则第一幅二值图像矩形框左上角[x₀，y₀]的搜索范围为：左上角[x₀-a，y₀-b]，右上角[x₀+a，y₀-b]，左下角[x₀-a，y₀+b]，右下角[x₀+a，y₀+b]，a为水平偏移量，b为水平偏移量，均为常量；

当L≤2.5，则第一幅二值图像矩形框左上角[x₀-c，y₀]的搜索范围：左上角[x₀-a-c，y₀-b]，右上角[x₀+a-c，y₀-b]，左下角[x₀-a-c，y₀+b]，右下角[x₀+a-c，y₀+b]，a为水平偏移量，b为水平偏移量，c为存根的宽度；

(2)计算第一幅二值图像搜索范围内各像素点与定位模板的卷积值：

将定位模板与其覆盖下的第一幅二值图像进行卷积运算，定位模板为：

m表示定位模板的列值，n表示定位模板的行值，m＝1，2，...，51，n＝1，2，...，51；

当L＞2.5，则第一幅二值图像搜索范围内各像素点与定位模板的卷积值t[i，j]的计算方法如下，

$t[i,j]=\underset{n=1}{\overset{51}{\mathrm{\&Sigma;}}}T[26,n]\&CenterDot;D_1[i,n+j-26]+\underset{m=1}{\overset{51}{\mathrm{\&Sigma;}}}T[m,26]\&CenterDot;D_1[m+i-26,j]-D_1[i,j],$

其中，i＝x₀-a，x₀-a+1，..，x₀+a，j＝y₀-b，y₀-b+1，..，y₀+b；

当L≤2.5，则第一幅二值图像搜索范围内各像素点与定位模板的卷积值t[i，j]的计算方法如下，

$t[i,j]=\underset{n=1}{\overset{51}{\mathrm{\&Sigma;}}}T[26,n]\&CenterDot;D_1[i,n+j-26]+\underset{m=1}{\overset{51}{\mathrm{\&Sigma;}}}T[m,26]\&CenterDot;D_1[m+i-26,j]-D_1[i,j],$

其中，i＝x₀-a-c，x₀-a-c+1，..，x₀+a-c，j＝y₀-b，y₀-b+1，..，y₀+b；

在计算得到的第一幅二值图像搜索范围内各像素点的卷积值t[i，j]中，其最大值对应的位置便为第一幅二值图像矩形框左上角的位置。

在步骤6中，提取第二幅二值图像的过程如下：

第二幅二值图像各像素点的值D₂[i，j]的计算方法为：

$D_2[i,j]=\left\{\begin{array}{c}255,I[i,j]>{\mathrm{th}}_2\\ 0,I[i,j]\&le;{\mathrm{th}}_2\end{array}\right.,$

其中，th₂为分割阈值，th₂的选取要使得支票中的紫外信息凸现出来，i＝1，2，..，W₃，j＝1，2，..，H₃。

通过步骤1到6分别完成支票紫外灰度图像和待验证支票紫外灰度图像信息提取，W₃₀表示倾斜校正后待验证支票紫外灰度图像第二幅二值图像的宽度，H₃₀表示倾斜校正后待验证支票紫外灰度图像第二幅二值图像的高度，W₃₁表示倾斜校正后真实支票紫外灰度图像第二幅二值图像的宽度，H₃₁表示倾斜校正后真实支票紫外灰度图像第二幅二值图像的高度。

完成真实支票紫外灰度图像和待验证支票紫外灰度图像信息提取后，对待验证支票紫外灰度图像的第二幅二值图像进行位置校正，位置校正的步骤如下：

比较真实支票紫外灰度图像第一幅二值图像矩形框左上角的位置[x₀，y₀]和待验证支票紫外灰度图像第一幅二值图像矩形框左上角的位置[x₁，y₁]，计算水平位置偏差Δx和垂直位置偏差Δy：

Δx＝x0-x1，

Δy＝y0-y1，

W₄表示位置校正后待验证支票紫外图像第二副二值图像的宽度，H₄表示位置校正后待验证支票紫外图像第二副二值图像的高度：

W₄＝W₃₀+Δx，

H₄＝H₃₀+Δy，

当Δx＞＝0，Δy＞＝0，将待验证支票紫外灰度图像的第二幅二值图像右移|Δx|，并下移|Δy|，当Δx＞＝0，Δy＜0，将待验证支票紫外灰度图像的第二幅二值图像右移|Δx|，并上移|Δy|，当Δx＜0，Δy＞＝0，将待验证支票紫外灰度图像的第二幅二值图像左移|Δx|，并下移|Δy|，当Δx＜0，Δy＜0，将待验证支票紫外灰度图像的第二幅二值图像左移|Δx|，并上移|Δy|。

对位置校正后待验证支票紫外灰度图像进行真伪验证的步骤如下：

将待验证支票紫外灰度图像第二幅二值图像与真实支票紫外灰度图像第二副二值图像进行比对，计算匹配度M：

$M=\frac{1}{A}\underset{j=1}{\overset{H_5}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{W_5}{\mathrm{\&Sigma;}}}\frac{D_{20}[i,j]*D_{21}[i,j]}{255*255},$

其中，用D₂₀[i，j]表示待验证支票紫外图像第二副二值图像位置校正后水平第i个，垂直第j个像素点处的二值化值，用D₂₁[i，j]表示真实支票紫外灰度图像第二副二值图像水平第i个，垂直第j个像素点处的二值化值，A＝W₅·H₅，W₅＝min(W₄，W₃₁)，H₅＝min(H₄，H₃₁)；

当M＞th₃，表明待验证的支票为真支票，当M≤th₃，表明待验证支票匹配度低，可能为假支票，送出进行人工辨识，th₃为匹配度阈值，为0到1之间的小数，它的选取要使得任何假支票都不发生误报。

本发明的方法能不通过网络及时快速实现支票紫外图像的真伪辨识，可验证新版支票，可实现支票真伪验证的自动化，验证的准确度高。

附图说明：

图1所示是本发明的验证系统框图。

图2所示是本发明的支票真伪验证的整体流程图。

图3所示是本发明中完整支票的矩形框左上角搜索范围示意图。

图4所示是本发明中撕掉存根支票的矩形框左上角搜索范围示意图。

具体实施方式：

本发明提供的方法中提到的支票均指新版支票，以下简称为支票。

本发明提供了一种紫外防伪支票真伪验证的方法，该方法所用的系统如图1所示，系统包括真实支票录入单元，待验证支票录入单元和支票真伪验证单元。

真实支票录入单元11：通过通用的紫外扫描仪，提前将各银行的真实支票进行扫描并将扫描得到的各银行真实支票的紫外图像存储下来，以下该存储图像简称真实支票紫外图像。

待验证支票录入单元12：通过通用的紫外扫描仪，将待验证的支票进行扫描，得到待验证支票的紫外图像。

真伪验证单元13：通过将待验证支票的紫外图像和该待验证支票相同银行的支票模板进行比对，完成对待验证支票的真伪验证，并将验证结果反馈给银行工作人员。

真实支票录入单元11和待验证支票录入单元12所用的紫外扫描仪可以为同一个。

本发明提供的紫外防伪支票真伪验证方法的流程如图2所示，包括支票信息提取，支票位置校正和判断支票真伪三个过程。具体为：采集支票紫外图像S1，提取第一幅二值图像S2，在第一幅二值图像上计算支票图像的倾斜角度S3，并对支票紫外图像和第一副二值图像进行相应的倾斜校正S4，为了解决图像大小不同造成的匹配问题，在第一幅二值图像上进行矩形框左上角定位S5，提取支票紫外图像的第二副二值图像S6，根据待验证支票第一幅二值图像和真实支票第一幅二值图像矩形框左上角的位置关系对待验证支票的第二副二值图像进行位置校正S7，计算待验证支票和真实支票的匹配度进而对待验证支票的真伪进行判断S8。步骤S1到步骤S6为支票信息提取的过程，真实支票和待验证支票的信息提取过程相同，以下以真实支票的信息提取过程为例对整个支票真伪验证的过程进行详细介绍。

一、采集支票紫外图像S1

本发明中提到的方法均是在灰度图像基础上进行的，所以首先读取真实支票的紫外图像，并转换为灰度图像，以后提到的支票紫外图像，均指支票紫外图像的灰度图。

二、提取第一幅二值图像S2

对于读入的支票紫外灰度图像，I[i，j]表示水平第i个，垂直第j个像素点的支票紫外图像的灰度值，[i，j]遍历支票紫外灰度图像的所有像素点，i是变量，表示窗口图像中像素点的水平位置，取值为i＝1，2，...，W₀，j是变量，表示窗口图像中像素点的垂直位置，取值为j＝1，2，...，H₀，W₀为支票紫外灰度图像宽度，H₀为支票紫外灰度图像高度。

对于支票紫外灰度图像的各个像素点，采用阈值分割法，来提取支票中的黑色字体和表格信息，得到支票紫外灰度图像的第一副二值图像，D₁[i，j]表示第一幅二值图像水平第i个垂直第j个像素点的值，具体计算方法为：

$D_1[i,j]=\left\{\begin{array}{c}255,I[i,j]<{\mathrm{th}}_1\\ 0,I[i,j]\&GreaterEqual;{\mathrm{th}}_1\end{array}\right.i=\mathrm{1,2},..,W_0,j=\mathrm{1,2},..,H_0---\left(1\right)$

其中，th₁为分割阈值，th₁的选取要使得支票中的黑色字体和表格信息凸现出来，而去除紫外图像信息的干扰，在本发明实施例中，th₁＝60。

三、计算支票紫外图像的倾斜角度S3

经过紫外扫描仪扫描后的紫外图像，由于摆放角度的问题，可能造成紫外图像存在倾斜，因而影响后续一系列的判断，因此在做其他处理前，要先对紫外灰度图像进行倾斜校正，校正的基础就是计算倾斜角度。

计算紫外灰度图像的倾斜角度是在步骤二得到的第一幅二值图像的基础上进行的，对第一幅二值图像进行分析，确定图像中填写款项的矩形框的大致位置，将该位置的二值图像提取出来称为矩形框二值图像，分别对矩形框二值图像做-8°到8°的顺时针旋转，旋转间隔为1°，每旋转一次，对该矩形框二值图像进行水平投影，计算极大投影值，共计算得到17个极大投影值，求这17个极大投影值中的最大值，得到最大值对应的旋转角度，该角度便为支票紫外灰度图像逆时针方向的倾斜角度。具体包括以下步骤：

1.在第一幅二值图像上，根据图像的长宽比例，确定款项矩形框左、右、上、下的大致位置

用L表示第一幅二值图像的宽高比例，根据第一幅二值图像的宽高比例，确定支票是撕掉存根的还是没有撕掉存根的，宽高比例L计算方法为：

$L=\frac{W_0}{H_0}---\left(2\right)$

因为检测的都是新版支票，如果没有外界干扰，其长宽是固定的，在本发明实施例中，将2.5作为分界阈值，当L＞2.5时，表明支票是完整的支票，当L≤2.5时，表明支票是撕掉存根的支票。

假设完整支票紫外灰度图像第一幅二值图像中矩形框的位置分别为：左上角[x₀，y₀]，右上角[x₁，y₀]，左下角[x₀，y₁]，右下角[x₁，y₁]，对于左右上下边界给予一定的允许误差，假设水平误差a，垂直误差b，则完整支票紫外灰度图像第一幅二值图像矩形框的左右上下的大概位置依次为：[x₀-a，y₀-b]，[x₁+a，y₀-b]，[x₀-a，y₁+b]，[x₁+a，y₁+b]。假设c为撕掉的存根宽度，则相应的撕掉存根的支票紫外灰度图像第一幅二值图像矩形框的大概位置为：左上角[x₀-a-c，y₀-b]，右上角[x₁+a-c，y₀-b]，左下角[x₀-a-c，y₁+b]，右下角[x₁+a-c，y₁+b]，在本发明实施例中，a＝20，b＝10。

2.将第一幅二值图像中矩形框大概位置处的图像提取出来称为矩形框二值图像，并对矩形框二值图像做旋转调整

R[i，j]表示矩形框二值图像水平第i个，垂直第j个像素点处的值，W₁表示矩形框二值图像的宽度，H₁表示矩形框二值图像的高度。

当L＞2.5，支票矩形框二值图像的提取方法为：

R[i，j]＝D₁[x₀-a+i，y₀-b+j]，i＝1，2，..，W₁，j＝1，2，..，H₁    (3-1)

当L≤2.5，支票矩形框二值图像的提取方法为：

R[i，j]＝D₁[x₀-a-c+i，y₀-b+j]，i＝1，2，..，W₁，j＝1，2，..，H₁    (3-2)

其中，W₁＝x₁-x₀+2×a+1，H₁＝y₁-y₀+2×b+1。

将矩形框二值图像R[i，j]做-8°到8°，间隔为1°的顺时针旋转，用W_2k表示第k次旋转后矩形框二值图像所占图像的宽度，用H_2k表示第k次旋转后矩形框二值图像所占图像的高度，计算方法为：

其中，α＝|k-9|°表示旋转角度，

为向下取整运算符，

表示不大于W₁×cosα+H₁×sinα的最大整数。

用R_k[i，j]表示第k次旋转后，矩形框二值图像水平第i个像素点，垂直第j个像素点的值，先做初始化，R_k[i，j]＝0，i＝1，2，...，W_2k，j＝1，2，...，H_2k，取k＝1时，矩形框二值图像R[i，j]顺时针旋转-8°，也即逆时针旋转8°，此时α＝8°，得到旋转后的矩形框二值图像R₁[i，j]，原矩形框二值图像R[i，j]各像素点的位置[i，j]对应的像素值在逆时针旋转α后矩形框二值图像R₁[i，j]中的位置[i₁，j₁]的计算公式为：

$\left[\begin{array}{c}{i}_1\\ j_1\\ 1\end{array}\right]=\left[\begin{array}{ccc}\cos \mathrm{\&alpha;}& \sin \mathrm{\&alpha;}& 0\\ -\sin \mathrm{\&alpha;}& \cos \mathrm{\&alpha;}& W_1\&times;\sin \mathrm{\&alpha;}\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}i-1\\ j-1\\ 1\end{array}\right]+\left[\begin{array}{c}1\\ 1\\ 0\end{array}\right]---(5-1)$

其中，[i₁，j₁]为经过运算后向下取整操作得到的。

k依次加1，取k＝2，3，...，8时，依次将矩形框二值图像R[i，j]逆时针旋转-7°到-1°，此时，α＝|k-9|°，可分别得到R₂[i，j]，R₃[i，j]，...，R₈[i，j]，k＝9时，旋转角度为0，此时，R₉[i，j]＝R[i，j]，k＝10，11，...，17时，依次将矩形框二值图像R[i，j]顺时针旋转1°到7°，此时，α＝|k-9|°，原矩形框二值图像R[i，j]各像素点的位置[i，j]对应的像素值在顺时针旋转α后矩形框二值图像R_k[i，j]中的位置[i₁，j₁]的计算公式为：

$\left[\begin{array}{c}{i}_1\\ j_1\\ 1\end{array}\right]=\left[\begin{array}{ccc}\cos \mathrm{\&alpha;}& -\sin \mathrm{\&alpha;}& H_1\&times;\cos \mathrm{\&alpha;}\\ \sin \mathrm{\&alpha;}& \cos \mathrm{\&alpha;}& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}i-1\\ j-1\\ 1\end{array}\right]+\left[\begin{array}{c}1\\ 1\\ 0\end{array}\right]---(5-2)$

其中，[i₁，j₁]为经过运算后向下取整操作得到的。

可分别得到R₁₀[i，j]，R₁₁[i，j]，...，R₁₇[i，j]，共得到17个矩形框二值图像R_k[i，j]。

3.对旋转后的每个矩形框二值图像按行进行垂直投影，并计算旋转后的每个矩形框二值图像的极大投影值

用h_k[j]表示第k次旋转后的图像第j行的投影值。计算公式为：

$h_k\left[j\right]=\underset{i=1}{\overset{W_{2k}}{\mathrm{\&Sigma;}}}{R}_k[i,j],k=\mathrm{1,2},..,17,j=\mathrm{1,2},..,H_{2k}---\left(6\right)$

用m[k]表示第k个旋转图像的极大投影值，共得到17个极大投影值，依次为：m[1]，m[2]，...，m[17]，计算公式为：

$m\left[k\right]=\underset{j=\mathrm{1,2},.,H_{2k}}{\max \left(h_k\right[j\left]\right)},k=1,...,17---\left(7\right)$

4.对上一步骤得到的17个极大投影值进行判断，计算最大投影值对应的角度值，进而计算倾斜角度

对得到的17个极大投影值m[k]进行判断，找出其中的最大值作为最大投影值，此时对应的旋转角度值为

如果(K-9)＜0，表明支票紫外图像顺时针方向倾斜了|K-9|°，即倾斜角度为β＝|K-9|°，如果(K-9)＝0，表示支票紫外图像没有倾斜，β＝0，如果(K-9)＞0，表明支票紫外图像逆时针方向倾斜了|K-9|°，倾斜角度为β＝-|K-9|°。

需要说明的是，本发明中计算倾斜角度，只针对倾斜角度较小的，对于倾斜角度较大的，通过人眼判断，如果倾斜角度太大，则重新录入支票信息。

四、倾斜校正S4

根据步骤三得到的倾斜角度，对支票紫外灰度图像和第一幅二值图像分别进行倾斜补偿，完成倾斜校正，用W₃表示倾斜校正后支票紫外灰度图像和第一幅二值图像的宽度，用H₃表示倾斜校正后支票紫外灰度图像和第一幅二值图像的高度，计算方法为：

当倾斜角度β＞0时，对支票紫外图像和第一幅二值图像按照公式(5-1)做逆时针校正，其中α＝β；当倾斜角度β＜0时，对支票紫外图像和第一幅二值图像按照公式(5-2)做顺时针校正，其中α＝|β|；当倾斜角度β＝0时，对支票紫外图像和第一幅二值图像不做校正。

五、矩形框左上角定位S5

不同图像通过紫外扫描仪扫描后的图像上多少有干扰，以至于不同支票中相同位置处的支票信息不对应，因此要进行支票位置校正，而图像中矩形框左上角位置比较明显，可以作为校正的基础，因此首先要进行矩形框定位。

在倾斜校正后的第一幅二值图像中，首先确定矩形框左上角的搜索范围，然后与定位模板进行加权计算，完成对矩形框左上角的精确定位。

1.确定矩形框左上角的搜索范围

在步骤三后，已经可以确定支票是撕掉存根的还是没有撕掉存根的。假设完整支票紫外灰度图像中矩形框左上角的位置为[x₀，y₀]，对于左上角给予一定的宽裕，假设水平偏移量为a，垂直偏移量为b，则第一幅二值图像矩形框左上角搜索范围依次为：左上角[x₀-a，y₀-b]，右上角[x₀+a，y₀-b]，左下角[x₀-a，y₀+b]，右下角[x₀+a，y₀+b]，第一幅二值图像矩形框左上角的搜索范围如图3阴影部分所示，在本发明实施例中，a＝20，b＝10。

假设c为撕掉的存根宽度，则相应的撕掉存根的支票紫外灰度图像中矩形框左上角的位置为[x₀-c，y₀]，对于左上角给予一定的宽裕，假设水平偏移量为a，垂直偏移量为b，则第一幅二值图像矩形框左上角搜索范围依次为：左上角[x₀-a-c，y₀-b]，右上角[x₀+a-c，y₀-b]，左下角[x₀-a-c，y₀+b]，右下角[x₀+a-c，y₀+b]，第一幅二值图像矩形框左上角的搜索范围如图4阴影部分所示，在本发明实施例中，a＝20，b＝10。

2.计算第一幅二值图像搜索范围内各像素点与定位模板的卷积值

从左上角开始，在搜索范围内，按自左向右，自上向下的顺序依次平移定位模板，每移动一次定位模板窗口，使定位模板的中心与搜索范围内的相应点重合，计算定位模板与其覆盖下图像的卷积值，m表示定位模板的列值，n表示定位模板的行值，m＝1，2，...，51，n＝1，2，...，51，用T[m，n]表示定位模板第n行第m列的值，用公式表示如下：

当L＞2.5，则第一幅二值图像搜索范围内各像素点与定位模板的卷积值t[i，j]的计算方法如下：

$t[i,j]=\underset{n=1}{\overset{51}{\mathrm{\&Sigma;}}}T[26,n]\&CenterDot;D_1[i,n+j-26]+\underset{m=1}{\overset{51}{\mathrm{\&Sigma;}}}T[m,26]\&CenterDot;D_1[m+i-26,j]-D_1[i,j]---(10-1)$

其中，i＝x₀-a，x₀-a+1，..，x₀+a，j＝y₀-b，y₀-b+1，..，y₀+b，[i，j]遍历图3所示阴影部分的所有像素点。

当L≤2.5，则第一幅二值图像搜索范围内各像素点与定位模板的卷积值t[i，j]的计算方法如下：

$t[i,j]=\underset{n=1}{\overset{51}{\mathrm{\&Sigma;}}}T[26,n]\&CenterDot;D_1[i,n+j-26]+\underset{m=1}{\overset{51}{\mathrm{\&Sigma;}}}T[m,26]\&CenterDot;D_1[m+i-26,j]-D_1[i,j]---(10-2)$

其中，i＝x₀-a-c，x₀-a-c+1，..，x₀+a-c，j＝y₀-b，y₀-b+1，..，y₀+b，[i，j]遍历图4所示阴影部分的所有像素点。

3.精确定位

在计算得到的第一幅二值图像搜索范围内各像素点的卷积值t[i，j]中，其最大值对应的位置便为第一幅二值图像矩形框左上角的位置。

六、提取第二幅二值图像S6

对经过倾斜校正后的支票紫外图像的各个像素点，采用阈值分割法，提取支票中的紫外信息，排除其他信息，得到支票紫外图像的第二副二值图像。用D₂[i，j]表示第二副二值图像水平第i个，垂直第j个像素点的值，具体计算方法为：

$D_2[i,j]=\left\{\begin{array}{c}255,I[i,j]>{\mathrm{th}}_2\\ 0,I[i,j]\&le;{\mathrm{th}}_2\end{array}\right.,i=\mathrm{1,2},..,W_3,j=\mathrm{1,2},..,H_3---\left(11\right)$

其中，th₂为分割阈值，th₂的选取要使得支票中的紫外信息凸现出来，在本发明实施例中，th₂＝170。

按上述过程完成支票紫外灰度图像和待验证支票紫外灰度图像信息提取，W₃₀表示倾斜校正后待验证支票紫外灰度图像第二幅二值图像的宽度，H₃₀表示倾斜校正后待验证支票紫外灰度图像第二幅二值图像的高度，W₃₁表示倾斜校正后真实支票紫外灰度图像第二幅二值图像的宽度，H₃₁表示倾斜校正后真实支票紫外灰度图像第二幅二值图像的高度。

七、位置校正S7

经过了前面的六步，分别得到了真实支票和待验证支票紫外灰度图像的矩形框左上角位置以及第二幅二值图像。首先比较真实支票和待验证支票紫外灰度图像矩形左上角的位置，计算位置偏差，并进行位置校正。比较真实支票紫外灰度图像第一幅二值图像矩形框左上角的位置[x₀，y₀]和待验证支票紫外灰度图像第一幅二值图像矩形框左上角的位置[x₁，y₁]，计算水平位置偏差Δx和垂直位置偏差Δy，计算方法为：

$\left\{\begin{array}{c}\mathrm{\&Delta;x}=x0-x1\\ \mathrm{\&Delta;y}=y0-y1\end{array}\right.---\left(12\right)$

W₄表示位置校正后待验证支票紫外图像第二副二值图像的宽度，H₄表示位置校正后待验证支票紫外图像第二副二值图像的高度：

W₄＝W₃₀+Δx    (13-1)

H₄＝H₃₀+Δy    (13-2)

对于位置偏差，对待验证支票紫外灰度图像的第二幅二值图像进行下面的位置校正，当Δx＞＝0，Δy＞＝0，将待验证支票紫外灰度图像的第二幅二值图像右移|Δx|，并下移|Δy|，当Δx＞＝0，Δy＜0，将待验证支票紫外灰度图像的第二幅二值图像右移|Δx|，并上移|Δy|，当Δx＜0，Δy＞＝0，将待验证支票紫外灰度图像的第二幅二值图像左移|Δx|，并下移|Δy|，当Δx＜0，Δy＜0，将待验证支票紫外灰度图像的第二幅二值图像左移|Δx|，并上移|Δy|。

八、验证支票真伪S8

将位置校正后的待验证支票紫外灰度图像第二幅二值图像与真实支票紫外灰度图像第二副二值图像进行比对，计算匹配度M。用D₂₀[i，j]表示待验证支票紫外图像第二副二值图像位置校正后水平第i个，垂直第j个像素点处的二值化值，用D₂₁[i，j]表示真实支票紫外灰度图像第二副二值图像水平第i个，垂直第j个像素点处的二值化值。

匹配度M的计算方法如下所示：

$M=\frac{1}{A}\underset{j=1}{\overset{H_5}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{W_5}{\mathrm{\&Sigma;}}}\frac{D_{20}[i,j]*D_{21}[i,j]}{255*255}---\left(14\right)$

其中，A＝W₅·H₅，W₅＝min(W₄，W₃₁)，H₅＝min(H₄，H₃₁)，

当M＞th₃时，表明待验证的支票为真支票，当M≤th₃时，表明待验证支票匹配度低，送出进行人工辨识，th₃为匹配度阈值，为0到1之间的小数，它的选取要使得任何假支票都不发生误报，在本发明实施例中，th₃＝0.8。

本发明具体实施例提供的方法是使用图像处理的方法对支票的真伪进行辨识，快速易懂、效果明显，对实现支票真伪验证的自动化有重要作用。

综上所述，本发明提供的技术方案能够快速实现支票紫外图像的真伪辨识，克服了人为检测的主观性的缺陷，以及人为检测耗时耗力的问题。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.紫外防伪支票真伪验证方法，其特征在于真实支票录入单元(11)预先将各银行的真实支票扫描得到的支票紫外灰度图像存储，待验证支票录入单元(12)将待验证支票进行扫描，得到紫外灰度图像，支票真伪验证单元(13)通过将真实支票紫外灰度图像和待验证支票紫外灰度图像进行倾斜和位置校正，完成真伪验证，并将验证结果反馈给验证方，支票真伪验证单元(13)中真实支票紫外灰度图像和待验证支票紫外灰度图像信息提取的步骤分别如下：

通过紫外扫描仪采集紫外灰度图像；

(1)从紫外灰度图像中提取第一幅二值图像；

(2)计算第一幅二值图像的倾斜角度；

(3)计算紫外灰度图像和第一幅二值图像各像素点的倾斜校正位置；

(4)确定第一幅二值图像矩形框左上角定位位置；

(5)对倾斜校正后的紫外灰度图像提取第二幅二值图像。

2.根据权利要求1所述的方法，其特征在于提取紫外灰度图像第一幅二值图像各像素点的值的方法如下：

$D_1[i,j]=\left\{\begin{array}{c}255,I[i,j]<{\mathrm{th}}_1\\ 0,I[i,j]\&GreaterEqual;{\mathrm{th}}_2\end{array}\right.,$

D₁[i，j]表示第一幅二值图像水平第i个垂直第j个像素点的值，i是变量，表示窗口图像中像素点的水平位置，取值为i＝1，2，...，W₀，j是变量，表示窗口图像中像素点的垂直位置，取值为j＝1，2，...，H₀，W₀为紫外灰度图像的宽度，H₀为紫外灰度图像的高度，I[i，j]表示扫描仪采集的紫外灰度图像水平第i个垂直第j个像素点的灰度值，th₁为分割阈值，th₁的选取要使支票中的黑色字体和表格信息凸现出来，并去除紫外灰度图像中紫外信息的干扰。

3.根据权利要求2所述的方法，其特征在于计算第一幅二值图像的倾斜角度的计算方法如下：

(1)计算第一幅二值图像的宽高比L：

$L=\frac{W_0}{H_0}$

当L＞2.5，则第一幅二值图像矩形框左右上下角位置依次为：左上角[x₀-a，y₀-b]，右上角[x₁+a，y₀-b]，左下角[x₀-a，y₁+b]，右下角[x₁+a，y₁+b]，

当L≤2.5，则表示撕掉宽度为c的存根，第一幅二值图像矩形框左右上下角位置依次为：左上角[x₀-a-c，y₀-b]，右上角[x₁+a-c，y₀-b]，左下角[x₀-a-c，y₁+b]，右下角[x₁+a-c，y₁+b]，a为水平误差值，b为垂直误差值，x₀，x₁表示像素点水平坐标，y₀，y₁表示像素点的垂直坐标；

(2)提取矩形框二值图像R[i，j]：

$R[i,j]=\left\{\begin{array}{c}{D}_1[x_0-a+i,y_0-b+j],L>2.5\\ D_1[x_0-a-c+i,y_0-b+j],L\&le;2.5\end{array}\right.$

i＝1，2，..，W₁，j＝1，2，..，H₁，W₁＝x₁-x₀+2×a+1，H₁＝y₁-y₀+2×b+1，W₁为矩形框二值图像的宽度，H₁为矩形框二值图像的高度，R[i，j]表示矩形框二值图像水平第i个，垂直第j个像素点处的值；

将矩形框二值图像R[i，j]做-8°到8°，间隔为1°的顺时针旋转，用W_2k表示第k次旋转后矩形框二值图像所占图像的宽度，用H_2k表示第k次旋转后矩形框二值图像所占图像的高度，计算方法为：

其中，α＝|k-9|°表示旋转角度，

为向下取整运算符，

表示不大于W₁×cosα+H₁×sinα的最大整数；

用R_k[i，j]表示第k次旋转后，矩形框二值图像水平第i个像素点，垂直第j个像素点的值，先做初始化，R_k[i，j]＝0，i＝1，2，...，W_2k，j＝1，2，...，H_2k，取k＝1时，矩形框二值图像R[i，j]顺时针旋转-8°，也即逆时针旋转8°，此时α＝8°，得到旋转后的矩形框二值图像R₁[i，j]，原矩形框二值图像R[i，j]各像素点的位置[i，j]对应的像素值在逆时针旋转α后矩形框二值图像R₁[i，j]中的位置[i₁，j₁]的计算公式为：

$\left[\begin{array}{c}{i}_1\\ j_1\\ 1\end{array}\right]=\left[\begin{array}{ccc}\cos \mathrm{\&alpha;}& \sin \mathrm{\&alpha;}& 0\\ -\sin \mathrm{\&alpha;}& \cos \mathrm{\&alpha;}& W_1\&times;\sin \mathrm{\&alpha;}\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}i-1\\ j-1\\ 1\end{array}\right]+\left[\begin{array}{c}1\\ 1\\ 0\end{array}\right],$

其中，[i₁，j₁]为经过运算后向下取整操作得到的。

k依次加1，取k＝2，3，...，8时，依次将矩形框二值图像R[i，j]逆时针旋转-7°到-1°，此时，α＝|k-9|°，可分别得到R₂[i，j]，R₃[i，j]，...，R₈[i，j]，k＝9时，旋转角度为0，此时，R₉[i，j]＝R[i，j]，k＝10，11，...，17时，依次将矩形框二值图像R[i，j]顺时针旋转1°到7°，此时，α＝|k-9|°，原矩形框二值图像R[i，j]各像素点的位置[i，j]对应的像素值在顺时针旋转α后矩形框二值图像R_k[i，j]中的位置[i₁，j₁]的计算公式为：

$\left[\begin{array}{c}{i}_1\\ j_1\\ 1\end{array}\right]=\left[\begin{array}{ccc}\cos \mathrm{\&alpha;}& -\sin \mathrm{\&alpha;}& H_1\&times;\cos \mathrm{\&alpha;}\\ \sin \mathrm{\&alpha;}& \cos \mathrm{\&alpha;}& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}i-1\\ j-1\\ 1\end{array}\right]+\left[\begin{array}{c}1\\ 1\\ 0\end{array}\right],$

其中，[i₁，j₁]为经过运算后向下取整操作得到的。

可分别得到R₁₀[i，j]，R₁₁[i，j]，...，R₁₇[i，j]，共得到17个矩形框二值图像R_k[i，j]；

(3)对旋转后的每个矩形框二值图像按行进行垂直投影，计算每个旋转后的矩形框二值图像的极大投影值m[k]：

$m\left[k\right]=\underset{j=\mathrm{1,2},..,H_{2k}}{\max \left(h_k\right[j\left]\right)},k=1,...,17,$

其中，h_k[j]表示旋转后的每个矩形框二值图像的垂直投影值，

j＝1，2，..，H_2k；

(4)计算倾斜角度：

对得到的17个极大投影值m[k]进行判断，找出其中的最大值作为最大投影值，此时对应的角度值为

如果(K-9)＜0，表明支票紫外图像顺时针方向倾斜了|K-9|°，即倾斜角度为β＝|K-9|°，如果(K-9)＝0，表示支票紫外图像没有倾斜，β＝0，如果(K-9)＞0，表明支票紫外图像逆时针方向倾斜了|K-9|°，倾斜角度为β＝-|K-9|°。

4.根据权利要求1或3所述的方法，其特征在于计算支票紫外灰度图像和第一幅二值图像各像素点[i，j]的倾斜校正位置[i₁，j₁]如下：

用W₃表示倾斜校正后支票紫外灰度图像和第一幅二值图像的宽度，用H₃表示倾斜校正后支票紫外灰度图像和第一幅二值图像的高度，计算方法为：

当倾斜角度β＞0时，对支票紫外图像做逆时针β校正：

$\left[\begin{array}{c}{i}_1\\ j_1\\ 1\end{array}\right]=\left[\begin{array}{ccc}\cos \mathrm{\&beta;}& \sin \mathrm{\&beta;}& 0\\ -\sin \mathrm{\&beta;}& \cos \mathrm{\&beta;}& W_1\&times;\sin \mathrm{\&beta;}\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}i-1\\ j-1\\ 1\end{array}\right]+\left[\begin{array}{c}1\\ 1\\ 0\end{array}\right],$

其中，[i₁，j₁]为经过运算后向下取整操作得到的。

当倾斜角度β＜0时，对支票紫外图像做顺时针|β|校正：

$\left[\begin{array}{c}{i}_1\\ j_1\\ 1\end{array}\right]=\left[\begin{array}{ccc}\cos \left|\mathrm{\&beta;}\right|& -\sin \left|\mathrm{\&beta;}\right|& H_1\&times;\cos \left|\mathrm{\&beta;}\right|\\ \sin \left|\mathrm{\&beta;}\right|& \cos \left|\mathrm{\&beta;}\right|& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}i-1\\ j-1\\ 1\end{array}\right]+\left[\begin{array}{c}1\\ 1\\ 0\end{array}\right],$

其中，[i₁，j₁]为经过运算后向下取整操作得到的。

当倾斜角度β＝0时，对支票紫外图像和第一幅二值图像不做校正。

5.根据权利要求3所述的方法，其特征在于对第一幅二值图像矩形框左上角定位的步骤如下：

(1)确定第一幅二值图像矩形框左上角搜索范围：

当L＞2.5，则第一幅二值图像矩形框左上角[x₀，y₀]的搜索范围为：左上角[x₀-a，y₀-b]，右上角[x₀+a，y₀-b]，左下角[x₀-a，y₀+b]，右下角[x₀+a，y₀+b]，a为水平偏移量，b为水平偏移量，均为常量；

当L≤2.5，则第一幅二值图像矩形框左上角[x₀-c，y₀]的搜索范围：左上角[x₀-a-c，y₀-b]，右上角[x₀+a-c，y₀-b]，左下角[x₀-a-c，y₀+b]，右下角[x₀+a-c，y₀+b]，a为水平偏移量，b为水平偏移量，c为存根的宽度；

(2)计算第一幅二值图像搜索范围内各像素点与定位模板的卷积值：

将定位模板与其覆盖下的第一幅二值图像进行卷积运算，定位模板为：

m表示定位模板的列值，n表示定位模板的行值，m＝1，2，...，51，n＝1，2，...，51；

当L＞2.5，则第一幅二值图像搜索范围内各像素点与定位模板的卷积值t[i，j]的计算方法如下，

$t[i,j]=\underset{n=1}{\overset{51}{\mathrm{\&Sigma;}}}T[26,n]\&CenterDot;D_1[i,n+j-26]+\underset{m=1}{\overset{51}{\mathrm{\&Sigma;}}}T[m,26]\&CenterDot;D_1[m+i-26,j]-D_1[i,j],$

其中，i＝x₀-a，x₀-a+1，..，x₀+a，j＝y₀-b，y₀-b+1，..，y₀+b；

当L≤2.5，则第一幅二值图像搜索范围内各像素点与定位模板的卷积值t[i，j]的计算方法如下，

$t[i,j]=\underset{n=1}{\overset{51}{\mathrm{\&Sigma;}}}T[26,n]\&CenterDot;D_1[i,n+j-26]+\underset{m=1}{\overset{51}{\mathrm{\&Sigma;}}}T[m,26]\&CenterDot;D_1[m+i-26,j]-D_1[i,j],$

其中，i＝x₀-a-c，x₀-a-c+1，..，x₀+a-c，j＝y₀-b，y₀-b+1，..，y₀+b；

在计算得到的第一幅二值图像搜索范围内各像素点的卷积值t[i，j]中，其最大值对应的位置便为第一幅二值图像矩形框左上角的位置。

6.根据权利要求4所述的方法，其特征在于提取第二幅二值图像各像素点的值D₂[i，j]的计算方法为：

$D_2[i,j]=\left\{\begin{array}{c}255,I[i,j]>{\mathrm{th}}_2\\ 0,I[i,j]\&le;{\mathrm{th}}_2\end{array}\right.,$

其中，th₂为分割阈值，th₂的选取要使得支票中的紫外信息凸现出来，i＝1，2，..，W₃，j＝1，2，..，H₃，

按上述过程完成支票紫外灰度图像和待验证支票紫外灰度图像信息提取，W₃₀表示倾斜校正后待验证支票紫外灰度图像第二幅二值图像的宽度，H₃₀表示倾斜校正后待验证支票紫外灰度图像第二幅二值图像的高度，W₃₁表示倾斜校正后真实支票紫外灰度图像第二幅二值图像的宽度，H₃₁表示倾斜校正后真实支票紫外灰度图像第二幅二值图像的高度。

7.根据权利要求5和6所述的方法，其特征在于对待验证支票紫外灰度图像的第二幅二值图像进行位置校正的步骤如下：

比较真实支票紫外灰度图像第一幅二值图像矩形框左上角的位置[x₀，y₀]和待验证支票紫外灰度图像第一幅二值图像矩形框左上角的位置[x₁，y₁]，计算水平位置偏差Δx和垂直位置偏差Δy：

Δx＝x0-x1，

Δy＝y0-y1，

W₄表示位置校正后待验证支票紫外图像第二副二值图像的宽度，H₄表示位置校正后待验证支票紫外图像第二副二值图像的高度：

W₄＝W₃₀+Δx，

H₄＝H₃₀+Δy，

当Δx＞＝0，Δy＞＝0，将待验证支票紫外灰度图像的第二幅二值图像右移|Δx|，并下移|Δy|，当Δx＞＝0，Δy＜0，将待验证支票紫外灰度图像的第二幅二值图像右移|Δx|，并上移|Δy|，当Δx＜0，Δy＞＝0，将待验证支票紫外灰度图像的第二幅二值图像左移|Δx|，并下移|Δy|，当Δx＜0，Δy＜0，将待验证支票紫外灰度图像的第二幅二值图像左移|Δx|，并上移|Δy|。

8.根据权利要求6和7所述的方法，其特征在于对位置校正后的待验证支票紫外灰度图像进行真伪验证的步骤如下：

将位置校正后的待验证支票紫外灰度图像第二幅二值图像与真实支票紫外灰度图像第二副二值图像进行比对，计算匹配度M，

$M=\frac{1}{A}\underset{j=1}{\overset{H_5}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{W_5}{\mathrm{\&Sigma;}}}\frac{D_{20}[i,j]*D_{21}[i,j]}{255*255},$

其中，用D₂₀[i，j]表示待验证支票紫外图像第二副二值图像位置校正后水平第i个，垂直第j个像素点处的二值化值，用D₂₁[i，j]表示真实支票紫外灰度图像第二副二值图像水平第i个，垂直第j个像素点处的二值化值，A＝W₅·H₅，W₅＝min(W₄，W₃₁)，H₅＝min(H₄，H₃₁)，

当M＞th₃，表明待验证的支票为真支票，当M≤th₃，表明待验证支票匹配度低，可能为假支票，送出进行人工辨识，th₃为匹配度阈值，为0到1之间的小数，它的选取要使得任何假支票都不发生误报。

Images