CN102930632A - 对安全文件特别是钞票的鉴定 - Google Patents

Abstract

描述了一种用于检查安全文件特别是钞票的真实性的方法，其中真实的安全文件包含被印刷、涂敷或以其他方式设置在安全文件上的安全特征(41-49；30；10；51，52)，这些安全特征包括被用于制造安全文件的工艺所固有的特征性视觉特征。该方法包含以下步骤：(i)获得待鉴定的候选文件的表面的至少一个所关注的区域(R.o.I)的样本图像(c⁰)，该所关注的区域包围安全特征的至少一部分，(ii)通过执行将样本图像(c⁰)分解到包含所述样本图像(c⁰)的高分辨率细节(d¹ ₁，d¹ ₂，d¹ ₃，...)的至少一个尺度子空间并且从该尺度子空间中提取分类特征(σ²，C，...)来数字地处理样本图像(c⁰)，以及(iii)基于所提取的分类特征(σ²，C，...)得到候选文件的真实性等级。

Description

对安全文件特别是钞票的鉴定

本申请是申请日为2008年6月2日，申请号为200880025296.5，发明名称为“对安全文件特别是钞票的鉴定”的申请的分案申请。

技术领域

本发明通常涉及对安全文件，特别是钞票的鉴定。更准确地说，本发明涉及一种用于检查安全文件，特别是钞票的真实性的方法，其中真的安全文件包括被印刷、涂敷或以其他方式设置在该安全文件上的安全特征，该安全特征包括被用于制造安全文件的工艺所固有的特征性视觉特征。本发明还涉及适合于执行鉴定方法的一部分的数字信号处理单元，用于执行所述鉴定方法的设备，目的在于根据所述鉴定方法优化对安全文件的鉴定的用于制造安全文件的方法，以及用于探测被印刷、涂敷或以其他方式设置在安全文件特别是钞票上的安全特征的方法。

发明背景

安全文件特别是钞票的伪造是并且继续是全世界工业和经济主要关注的事。大多数伪造的钞票是使用在消费市场上任何用户可以轻易得到的普通的成像和打印设备来制造的。扫描仪和彩色复印机以及利用广泛传播的打印工艺例如喷墨打印、热敏打印和激光打印的高分辨率彩色打印机的出现使得制造相当数量的伪造的安全文件变得越来越容易。大多数钞票伪造品是通过上面提及的成像和打印设备来制造的，并可被称为“彩色复制品”。

还存在着使用商用胶印印刷机印刷的胶印印刷的伪造物“胶印伪造品”。这些伪造品通常是以网版胶印(即具有作为商业胶印印刷特征的多色网版或线栅组合)和/或行胶印(line offset，即没有任何网版或线栅组合)印刷的。

大多数真的钞票通过凹版印刷、带有高精度正反面对准的行胶印印刷、以及凸版印刷来合并高质量印刷的特征。特别是，凹版和行胶印允许产生具有高印刷清晰度的高分辨率图案。凸版印刷通常用于印刷可变信息，比如序列号。另外的印刷或处理技术也被利用来在钞票上印刷或应用其他特征，比如丝网印刷、箔烫印、激光标刻或穿孔等。

具有在钞票以及相类似的安全文件的制造背景中涉及的一些工艺知识的技术人员因此在区分开大多数伪造的文件与真的文件中并没有很大困难。使用简单装置如放大镜近距离观看伪造的文件通常有可能立刻识别出真的安全文件所固有的特征性特征，比如已经提到过的存在于大多数钞票上的凹版印刷的安全图案。然而这需要在公众中不一定普遍存在的一些关于安全印刷的技能和知识。实际上，大多数人相对容易被伪造品欺骗，只要伪造品或复制品的大体外观实质上与真的文件的外观类似。这不仅表示在钞票伪造的背景中的问题，而且还关于其他类型的有价值文件的伪造，比如支票、印花税、身份证件和旅行文件等。

安全文件的基于机器的鉴定，即，在文件处理系统如自动售货机、自动柜员机(ATM)、钞票接收器和类似的金融交易机中的自动识别也受伪造影响。事实上，发现安全文件的相当先进的伪造品并不少见，这些伪造品也复制在真的文件上呈现的机器可读安全特征，比如红外线、荧光和/或电磁标记。事实上，大多数基于机器的鉴定系统实质上集中于这些机器可读特征，而对被印刷、涂敷或以其他方式设置在安全文件上的视觉安全特征不进行或很少进行实际的视觉检测。

换句话说，用于制造安全文件的工艺所固有的特征性视觉特征(特别是凹版图案、行胶印图案、凸版图案和/或光衍射结构)极少在基于机器的鉴定的背景下使用。

一个例外是所谓的ISARD技术，其在60年代后期代表荷兰国家银行被TNO应用物理研究所发明和发展。ISARD表示Intaglio Scanning AndRecognition Device并且基于对凹版印刷特征的特征性凹凸轮廓的度量。对该鉴定原理的讨论可以在例如下列的论文中找到：

[Ren96]Rudolf L.van Renesse，Optical Inspection techniques forSecurity Instrumentation″，IS&T/SPIE′s Symposium on Electronic Imaging，Optical Security and Counterfeit Deterrence Techniques I，San Jose，California，USA(January 28-February 2，1996)，Proceedings of SPIE vol.2659，pp.159-167；

[HeiOO]Hans A.M.de Heij，De Nederlandsche Bank NV，Amsterdam，the Netherlands，″The design methodology of Dutch banknotes″，IS&T/SPIE′s12th International Symposium on Electronic Imaging，Optical Security andCounterfeit Deterrence Techniques III，San Jose，California，USA(January27-28，2000)，Proceedings of SPIE vol.3973，pp.2-22；以及

[HeiO6]Hans A.M.de Heij，De Nederlandsche Bank NV，Amsterdam，the Netherlands，″Public feedback for better banknote design″，IS&T/SPIE′sInternational Symposium on Electronic Imaging，Optical Security andCounterfeit Deterrence Techniques Vl，San Jose，California，USA(January17-19，2006)，Proceedings of SPIE vol.6075，607501，pp.1-40.

ISARD鉴定原理以及用于实现该原理的设备也在专利出版物GB1379764(对应于NL7017662)、NL 7410463、NL 9401796和NL 9401933中被公开。

ISARD方法的问题是它高度依赖于文件的磨损和使用程度，以及在钞票底层中褶皱的存在，这些要素直接影响凹版印记上的实际凹凸轮廓以及其通过ISRAD的检测。ISARD技术例如作为50荷兰盾“Sunflower”钞票(1982年发行)上以及当前发行的欧元钞票(见[HeiO6])上的平行凹版印刷线的图案被应用。实际上，ISARD过去和现在主要普遍由公众使用以执行指甲划伤测试(即，通过使指甲在平行凹版线的图案上划过)。

对打击伪造以及可能实现基于机器的鉴定的进一步的解决方案可能在于，例如通过使用特殊的标记物材料比如包含在油墨或嵌入纸中的稀土成分，或者通过使用所谓的数字水印技术将鉴定码隐藏在印刷图案本身中，在安全文件本身中合并特殊鉴定码。然而，在安全文件中合并特殊鉴定码意味着在设计和/或制造阶段期间对文件的特殊处理，以及相应的特别设计的鉴定技术。这相应地增加对设计者和/或印刷者的负担来调整安全文件的设计工艺和/或制造工艺，并且还意味着必须为了鉴定处理的目的而使用到特殊的检测技术。

例如在欧洲专利申请EP1864825A1(其对应于进入欧洲阶段的国际申请号WO2006/106677A1)中公开的基于特殊编码在印刷图案中的合并的解决方案，公开了一种印刷品和用于从该印刷品中提取信息的方法，其中信息被嵌(或编码)入印刷设计特别是扭索饰图案中，使得该信息可通过使图案的样本图像经傅里叶变换而被探测到。通过在空间上调节平行/同心曲线图像元素之间的间隔可完成该信息的编码。这样的空间调节导致在图案的样本图像的傅里叶变换频谱图像中谱峰的产生，该谱峰表示在印刷设计中所嵌入的信息，并可由此被解码。更准确地说，根据欧洲专利申请EP1864825A1，被编码的信息通过考虑谱峰强度来提取。

这种方法的缺点在于这一事实，必须以特定的方法将特殊编码嵌入印刷图案中以允许解码。这相应地对设计者强加相当大的限制，设计者必须遵循特殊的设计规则来设计印刷图案。实际上，欧洲专利申请EP1864825A1的教导基本上限于将信息嵌入扭索饰图案中，正如可容易从观察EP1864825A1的图中所看到的。

例如应用在欧洲专利申请EP1864825A1中所公开的方法，以便在个人证件(比如身份证、驾照、或类似证件)上对信息进行编码，该信息涉及个人证件的拥有人/持有人。与拥有人相关的信息被编码到印刷于个人证件上的扭索饰图案中。当嵌入扭索饰图案中的信息是与用户相关的时，这相应地使伪造者更加难以制造相似的个人证件。然而，以与原件相似的分辨率制造的个人证件的任何复制品将展现与原件完全相同的信息。这种方法因此主要适合于对预定承载与用户相关的信息(其例如不是钞票的情况)的安全文件进行鉴定的目的。

美国专利第5,884,296号公开了用于辨别文件图像中所包含的块区域中的图像属性的设备，该设备涉及基于块区域中的图像数据进行傅里叶变换，以及确定关于块区域中的图像的空间频谱。神经网络用于基于从傅里叶变换中输出的空间频谱来输出关于块区域内的图像的属性是否为半色调浮点图像的辨别结果。为了提高图像的质量的目的，这个设备特别旨在数字复印机中使用。美国专利第5,884,296号的设备更特别旨在复制包含文字图像、摄影图像和/或点图像的混合物的文件的背景中使用，图像属性需要被单独处理以在复制文件中产生良好的图像质量。美国专利第5,884,296号没有以任何方式处理鉴定安全文件的问题，而是更确切地涉及旨在改善图像的不同属性之间的辨别的解决方案。

欧洲专利申请号EP1484719A2公开了一种方法，其用于形成参考文件比如钞票的模板，并且使用该模板来验证其他测试文件，特别是验证在自动柜员机中的货币。该方法包括使用多个参考文件比如真的钞票的图像并以相似的方式将每个图像分割成多个段。每个段使用一类分类器被分类，以确定参考分类参数。这些参数被用来定义阈值参考分类参数。因此，通过比较测试文件的图像和所生成的模板而不是通过观察测试文件的固有特征来执行测试文件的验证。

因此存在对更简单而且更有效率的方法的需要，特别是不同样利用新设计和/或制造工艺而是更确切地利用一般已经存在于大多数真的钞票上的安全特征的固有特征，特别是凹版印刷图像的特征性和固有特征的方法。

发明概述

因此本发明的总的目的是改进用于检查安全文件特别是钞票的真实性的已知方法。

更准确地说，本发明另一个目地是提供一种方法，其利用一般已经被印刷、涂敷或以其他方式设置在安全文件上的安全特征的固有特征，特别是凹版印刷图案的固有特征。

本发明的另一个目的是提供一种在真实的(真的)安全文件和其复制品或伪造品之间实现可靠且有效的区别的解决方案。

本发明的又一个目的是提供一种解决方案，其可在自动文件处理系统(比如自动售货机、ATM等)中以比当前已知的解决方案更为简单的方式被实现。

由于在权利要求中定义的解决方案而实现了这些目的。

根据本发明，提供了一种用来检查安全文件特别是钞票的真实性的方法，其中真实的安全文件包括被印刷、涂敷或以其他方式设置在安全文件上的安全特征，这些安全特征包括用于制造安全文件的工艺所固有的特征性视觉特征，该方法包括以下步骤：

-获得待鉴定的候选文件的表面的至少一个所关注的区域的样本图像，该所关注的区域包围安全特征的至少一部分；

-通过执行该样本图像到包含样本图像的高分辨率细节的至少一个尺度子空间中的分解并且从该尺度子空间中提取分类特征来数字地处理该样本图像，以及

-基于被提取的分类特征得到候选文件的真实性等级。

优选地，对样本图像的数字处理包括：(i)执行对样本图像的变换以得到表示该样本图像的精细尺度的高分辨率细节的至少一组频谱系数，以及(ii)处理这些频谱系数以提取分类特征。

甚至更优选地，该变换是小波变换，有利地是选自包含例如Haar小波变换、Daubechies小波变换和Pascal小波变换的组中的离散小波变换(DWT)。可使用任何其他适合的小波变换或其派生物。

对频谱系数(在小波变换的背景下被称为“小波系数”)的处理优选地包括执行对频谱系数的统计分布的处理。该统计处理可以特别包括计算选自包括所述频谱系数的统计分布的算术平均值(统计学中的一阶矩)、方差(统计学中的二阶矩)、偏度(统计学中的三阶矩)、过度(excess，统计学中的四阶矩)以及熵的组中的至少一个统计参数。

样本图像的分解有利地作为该样本图像的多分辨率分析(MRA)的一个或多个迭代的结果被执行。

根据本发明，还提供了用于检查安全文件特别是钞票的真实性的方法，其中真实的安全文件包括印刷、涂敷或以其他方式设置在安全文件上的安全特征，这些安全特征包括用于制造安全文件的工艺所固有的特征性视觉特征，所述方法包括数字地处理待鉴定的候选文件的表面的至少一个所关注的区域的样本图像的步骤，该数字处理包括执行样本图像的多分辨率分析的一个或多个迭代。

可提供以上方法用于数字化处理与同一候选文件的几个所关注的区域相应的多个样本图像。

根据本发明的优选实施方式，能够以相对低的分辨率，即，低于600dpi，优选地以300dpi获得样本图像。实际上，测试显示，对样本图像的高扫描分辨率根本不是必须的。这尤其有利，因为低分辨率缩短了执行样本图像的获取所必需的时间，并且减少了对给定表面面积将被处理的数据量，这相应地实质上促进了该方法的实际实现。

在本发明的范围内，为了鉴定所使用的安全特征主要包括凹版图案。不过，安全特征可能包括凹版图案、行胶印图案、凸版图案、光衍射结构(即，安全印刷机所完成的工艺所固有的图案或结构)和/或其组合。

通过确保被选择的所关注的区域包括高密度(高空间频率)的图案(优选地是凹版印刷的直线或曲线图案)可实现鉴定等级的最大化。这些图案可以特别是被设置在候选文件上的图片表示的图案，比如肖像。

还要求保护的是一种数字信号处理单元，其用于根据以上方法处理待鉴定的候选文件的表面的至少一个所关注的区域的样本图像的图像数据，该数字信号处理单元被编程来执行对样本图像的数字处理，该数字信号处理单元可以在FPGA(现场可编程门阵列)单元中被有利地实现。

类似地要求保护一种设备，其用于根据以上方法检查安全文件特别是钞票的真实性，该设备包括用于获得样本图像的光学系统和被编程来执行样本图像的数字处理的数字信号处理单元。

进一步要求保护用于制造安全文件特别是钞票的一种方法，其包括设计被印刷、涂敷或以其他方式设置在所述安全文件上的安全特征的步骤，其中安全特征被设计成通过在所述至少一个尺度子空间中产生特征响应来最优化根据上述方法计算的真实性等级。

还要求保护小波变换以及多分辨率分析用于鉴定安全文件特别是钞票的用途。

最后，提供了一种用于探测被印刷、涂敷或以其他方式设置在安全文件特别是钞票上的安全特征的方法，这些安全特征包括用于制造安全文件的工艺所固有的特征性视觉特征，所述方法包括数字处理候选文件的表面的至少一个所关注的区域的样本图像的步骤，其中所关注的区域被选择成包围所述安全特征的至少一部分，该数字处理包括执行样本图像的多分辨率分析的一个或多个迭代，以提取表征所述安全特征的分类特征。这种方法特别有利地应用于探测凹版印刷图像。

附图的简要说明

从阅读以下本发明的实施方式的详细描述中，本发明的其他特征和优点显得更明显，这些实施方式仅作为非限制性的例子被示出并用附图说明，其中：

图1a是对示例性钞票样本的灰度扫描；

图1b是图1a的钞票样本右上角部分的灰度照片；

图2a和2b是图1a的钞票样本的放大视图，图2b对应于在图2a中由白色正方形指示的区域；

图3a和3b是图1a的钞票样本的第一彩色复制品的放大视图，图3b对应于在图3a中由白色正方形指示的区域；

图4a和4b是图1a的钞票样本的第二彩色复制品的放大视图，图4b对应于在图4a中由白色正方形指示的区域；

图5a是一级(一个迭代)离散小波变换的示意图；

图5b是三级(三个迭代)离散小波变换的示意图；

图6是示出多分辨率分析(MRA)的原理的示意图；

图7a示出二维小波变换的一次迭代；

图7b示出在图7a中所示的一次迭代后对二维小波变换的二次迭代；

图8是用于执行二维小波变换的所谓“非标准分解”方法的示意图；

图9是用于执行二维小波变换的所谓“标准分解”方法的示意图；

图10a是对相应于图2b中示出的所关注的区域的图像数据应用的二维小波变换的一次迭代的结果的图示；

图10b是如图10a所示的对相应于图2b中示出的所关注的区域的图像数据的二维小波变换的一次迭代的结果的图示，其中详细的子图像被归一化用于更好的视觉表示；

图11a至11c是为了更好的视觉表示而被归一化的详细的子图像(如图10b所示)的组合结果的3个图示，其中图11a、11b和11c分别显示对图2b、3b和4b的图像的处理的结果；

图12显示9个直方图，其示出从图2b、3b和4b的图像的一级小波变换得到的小波系数的统计分布，3个直方图的上一行直方图、中间一行直方图和下一行直方图分别代表从所述小波变换得到的水平细节、垂直细节以及对角线细节；

图13是两个统计参数，即，偏度(也被称为统计学中的三阶矩)和过度峰度(也被称为统计学中的四阶矩)的示意图，这些参数可以用于表征小波系数的统计分布；

图14a到14c是3个条形图，其示出从分别对水平细节、垂直细节和对角线细节的图2b、3b和4b的图像的一级小波变换得到的小波系数的统计分布的方差，即，离散度的度量；

图15a和15b是出现在5马克钞票的正面上的Bettina von Arnim的凹版印刷肖像的一部分的两个放大视图，该钞票在引入欧元之前在1991到2001年期间被德国发行；

图16a是显示5马克钞票的2个原始样本(图示A和B)和4个彩色副本(图示C到F)的实质上相同的区域的6个灰度扫描的视图；

图16b显示6个直方图，其示出从图16a的图像的一级小波变换得到的小波系数的统计分布，每个直方图示出组合的小波系数(即水平细节、垂直细节和对角线细节的组合)的统计分布；

图17是图16b的左上角和右下角的直方图的例证性叠加；

图18a是一个条形图，其示出从与11个候选文件的相同的所关注的区域(如图15b和16a所示)相应的图像数据的一级小波变换得到的小波系数的统计分布的方差，这11个候选文件包括5马克钞票的5个原始样本(候选文件1到5)以及6个彩色复制品(候选文件6到11)；

图18b是一个条形图，其示出从与如图18a中的相同的11个5马克钞票候选文件的相同的所关注的区域相应的图像数据的一级小波变换得到的小波系数的统计分布的过度峰度，即“峰态”的度量；

图19是用于给候选文件分类的示例性特征空间的示意性表示，其中小波系数的统计分布的方差和过度峰度被用作(x，y)坐标来在所述特征空间中给候选文件定位；

图20是与图19的特征空间类似的示例性特征空间的示意性表示，其中包括原始样本和彩色复制品的多个候选文件使用作为(x，y)坐标的方差和过度峰度被表示在特征空间中；

图21是根据本发明的方法的用于检查安全文件的真实性的设备的示意图；以及

图22是根据本发明的方法的总结流程图。

本发明的实施方式的详细描述

本发明是源自于观察到使用仅安全打印机可实现的特定制造工艺而印刷、涂敷或以其他方式设置在安全文件上的安全特征(特别是凹版印刷特征)呈现出可被具有关于所涉及的特定制造工艺的知识的有资格人士识别的高度特征性视觉特征(在下文中被称为“固有特征”)。

下面的讨论将集中于分析通过凹版印刷产生的固有特征。然而应当认识到，相同的方法也适用于钞票的其他固有特征，特别是行胶印印刷特征，凸版印刷特征和/或光衍射结构。申请人已进行的测试的结果表明，凹版印刷特征非常适合于根据本发明的鉴定的目的，并且进一步给出最好的结果。这特别是由于凹版印刷实现非常精细、高分辨率以及清晰的图案的印刷的事实。因此凹版印刷是用于制造在本发明的背景下利用的固有特征的优选工艺。

图1a是例证性钞票样本1的灰度扫描，该钞票显示本申请人在2004年期间制作的Jules Verne的肖像。该钞票样本1是使用钞票制造所特有的印刷和处理技术的组合来制造的，具体地，这些印刷和处理技术包括用于印刷钞票多色背景10的行胶印印刷，用于印刷包括平面天体图20和六分仪21的图形的光学可变油墨图案的丝网印刷、应用光学可变设备、包括携带沿钞票的高度垂直延伸的光学衍射结构的材料条30(该材料条30在图1a中用2条虚线示意性地被定界)的箔烫印技术、用于印刷包括JulesVerne的肖像41的几个凹版图案41到49的凹版印刷、用于印刷2个序列号51、52的凸版印刷、以及用于给钞票漆上一层保护性清漆的上漆。该钞票样本1上还在样本的右手边上设置有标记60，该标记60通过条30和胶印印刷油墨的下层(未加参考符号)的部分激光烧蚀而被应用。在所示例子中，肖像41(与垂直的年份名称2004和在该肖像周围的形象化图形一起)、带有飞马42的标志“KBA-GIORI”、标记“KBA-GIORI”43和“Specimen”44、以及在钞票的三个角上和钞票的左手边与右手边上的触觉图案45到49通过凹版印刷被印刷在行胶印印刷的背景10、丝网印刷的图形20、21以及材料条30的顶部上。在凹版印刷阶段之后，印刷序列号51、52，并且完成上漆。还应当进一步理解，钞票样本1是在单张印刷和处理设备(如本发明人提供的)上被制造的，每一印张携带多个钞票样本的阵列(如在本领域中常见的)，多个钞票样本在制造工艺结束时被最终切割为单独的钞票。

图1b是图1a的钞票样本的右上角的灰度照片，其较详细地显示带有天马42的凹版印刷标志“KBA-GIORI”以及包括以45度角与天马42部分地重叠的一组平行线的触觉图案45。该凹版印刷的特征压纹和浮雕效果以及印刷品的清晰度可以在这张照片中很容易看到。

图2a是图1a的肖像41左手边部分的(图案20、21和44在图2a中也是部分可见的)更加详细的视图。图2b是在图2a中由白色正方形示出的肖像41的正方形部分(或所关注的区域R.o.I)的放大视图。图2b显示构成肖像41的凹版图案的一些特征性固有特征。用于随后的信号处理的所关注的区域R.o.I不需要覆盖文件的大表面面积。更确切地说，测试已经显示，小于5cm2的表面面积已经足以用于鉴定的目的。

图3a、3b和4a、4b是如图1a所示的钞票样本的2个彩色复制品的与图2a、2b相似的灰度图像，这些复制品使用商用彩色复制设备制造。在图3a和4a中的每一个中，所描绘的白色正方形指示分别显示在图3b和4b中的放大视图中的肖像的所关注的相应区域R.o.I。在图3a、3b中所示的第一彩色复制品是使用Epson喷墨打印机和Epson照片用纸制造的。在图4a、4b中所示的第二彩色复制品是使用Canon喷墨打印机和普通纸制造的。高分辨率扫描仪被用来扫描原始样本并为喷墨打印机提供必要的输入。

虽然2个彩色复制品的总体视觉方面看起来与原始样本类似，如图3b和4b所示，更接近地观看被复制的构成肖像的凹版图案的结构表明该结构并不像原始样本中的一样清晰(见图2b)并且，由于喷墨打印工艺和所使用的纸的性质，这些结构显得有些模糊和平滑。在图3b和4b中包含的图像信息很明显与图2b中所示的原始样本的图像信息不同。因此本发明涉及一种方法，其定义如何显示并利用这种不同，以便区分开在图2a、2b的原始和真实的样本与图3a、3b和4a、4b的复制品。以下的讨论将专注于这一问题。

如上面所暗示的，凹版印刷图案的固有和特征性特征特别地是印刷的高清晰度，而喷墨打印的复制品特别是由于数字处理和打印而展示出实质上较低的打印清晰度。彩色激光打印的复制品以及通过热升华处理得到的复制品也可以说是这种情况。这种差异可以通过以下方式显示：将在待鉴定的候选文件的放大视图(比如图2b、3b和4b的视图)中所包含的图像数据(或所关注的区域)分解成包含该图像的高分辨率细节的至少一个尺度子空间，并从该尺度子空间提取代表性的分类数据，这将在下文中更加详细地说明。

优选地，图像的分解通过执行基于所谓小波(法语“ondelettes”)的数字信号处理技术来实现。小波是用来将给定函数或信号分成不同的尺度分量的数学函数。小波转换(或小波变换)是通过小波的函数或信号的表示。小波变换对表示具有不连续点和尖锐峰值的函数和信号具有优于传统傅里叶变换的优点。根据本发明，如将在下面讨论的，特别使用所谓离散小波变换(DWT)的特性。

应认识到，傅里叶变换(如例如在欧洲专利申请EP 1864825A1和美国专利第US 5,884,296号中所讨论的解决方案的背景下使用的)并不等同于小波变换。事实上，傅里叶变换仅涉及将被处理的图像转换为表示图像的相关空间频率内容的频谱，而没有关于尺度的任何差别。

在本描述中小波理论将不被深入讨论，因为这个理论在本领域中同样是众所周知的，并且在关于这个主题的一些教科书中详尽地讨论和描述了。有兴趣的读者可以例如参考以下的关于小波理论的书籍和论文：

[Mal89]Stephane G.Mallat，″A Theory for Multiresolution SignalDecomposition：The Wavelet Representation″，IEEE Transactions on PatternAnalysis and Machine Intelligence，Vol.11，No.7(July 7，1989)，pp.674-693；

[Dau92]lngrid Daubechies，″Ten Lectures on Wavelets″，CBMS-NSFRegional Conference Series in Applied Mathematics 61，SIAM(Society forIndustrial and Applied Mathematics)，2^nd edition，1992，ISBN 0-89871-274-2；

[Bur98]Sidney C.Burrus，Ramesh A.Gopinath and Haitao Guo，″Introduction to Wavelets and Wavelet Transforms：A Primer″，Prentice-Hall，Inc.，1998，ISBN 0-13-489600-9；

[Hub98]Barbara Burke Hubbard，″The World According to Wavelets：The Story of a Mathematical Technique in the Making″，A K Peters，Ltd.，2^ndedition，1998，ISBN 1-56881-072-5；

[Mal99]MALLAT，Stephane，″A wavelet tour of signal processing″，Academic Press，2^nd edition，1999，ISBN 0-12-466606-X；以及

[WalO4]WALNUT，David F.″An Introduction to Wavelet Analysis″，Birkhauser Boston，2^nd edition，2004，ISBN 0-8176-3962-4。

理解了小波可以通过小波函数(或“母小波”)ψ和尺度函数(或“父小波”)

方便地表示就足够了。实际上，小波函数ψ可以表示为带通/高通滤波器，其对信号尺度/频谱的上半部分进行滤波，同时尺度函数可以表示为低通滤波器，其对信号尺度/频谱的剩余的下半部分进行滤波。该原理在图5a中被示意性示为一级数字滤波器组，其包括具有函数h(n)的低通滤波器和具有函数g(n)的高通滤波器，它们将信号尺度/频谱分为相等的频谱范围的两部分。当使离散采样的信号x(n)通过图5a中的滤波器组时，我们可以考虑该采样信号x(n)的一级小波变换。本质上是信号x(n)和函数h(n)的卷积*的结果的低通滤波器的输出y_LOW(n)包括尺度函数变换系数，或简单地“尺度系数”(也被称为近似系数)，而类似地是信号x(n)和函数g(n)的卷积*的结果的高通滤波器的输出y_HIGH(n)包括小波函数变换系数，或简单地“小波系数”(也被称为细节系数)。

因为每个滤波器对信号x(n)的频谱分量的一半进行滤波，根据尼奎斯特定律，被滤波的样本的一半可以被丢弃。在图2中，对低通和高通滤波器的输出因此被下采样为一半(因此在图5a中下采样操作符“↓2”跟随在每个滤波器之后)，这意味着每2个样本被丢弃一个。

遵循这种方法，通过反复地重复该过程，即，通过将由低通滤波器输出的近似系数传递到随后的相似滤波阶段，信号可以被分解为与不同尺度(或分辨率)相应的多个小波系数。此方法被称为多分辨率分析或MRA(见[Mal89])，在图5b中示意性示出了三级多分辨率分析的情况。如在图5b中可以认识到的，事实上滤波器组是三级滤波器组，其中前面的滤波阶段的被低通滤波的输出通过随后的滤波阶段被再次滤波。

在图5b中，信号x(n)实际上被分解为相应于3个不同尺度的4个信号分量，即，(i)在第一尺度的细节系数(一级系数)，其包括与信号x(n)相比的一半数量的样本，(ii)在与第一个尺度不同的第二尺度的细节系数(二级系数)，其包括与信号x(n)相比的1/4数量的样本，以及(iii)近似系数和(iv)在第三尺度的细节系数(三级系数)，每一个都包括与信号x(n)相比的1/8数量的样本。

事实上，离散采样信号可以最终被完全分解成一组在不同尺度处的细节系数(小波系数)，只要该采样信号含有2^N个样本，其中N是将信号完全分解成小波系数所需要的迭代或级的数量。

总之，多分辨率分析(MRA)或多尺度分析指基于小波变换的信号处理技术，由此如图6的图所示意性示出的，信号被分解在范围从信号的精细细节(高分辨率分量)到粗略细节(低分辨率分量)的不同尺度的多个嵌套子空间中。

根据本发明，真正的安全特征的固有特征，特别是凹版图案的固有特征，将通过特别地看待鉴定的候选文件的图像的精细高分辨率(精细尺度)细节而不是看候选文件的图像的较粗略的低分辨率细节来识别。

到现在为止，仅在处理一维信号的背景下对小波理论进行了讨论。然而图像被视为二维信号，这相应地需要二维处理。因此在转到本发明的优选实施方式的实际描述之前，将简要地讨论二维小波变换的概念。

如例如在[Mal89]中所讨论的，上面讨论的小波理论可以容易延伸到二维信号的分解。二维小波变换基本上涉及二维信号的行方向和列方向的处理，其中信号的行和列使用以上讨论的一维小波算法被分开地处理。这将参考图7a、7b、8和9来解释。

在图7a中，示意性示出原始图像(即，相应于待鉴定的候选文件的样本图像的被选择的所关注的区域的图像-比如图2b、3b和4b的图像)，该原始图像被表示为c⁰。该原始图像c⁰由nxn个像素的矩阵组成，其中n可被2^N除，N是相应于希望执行的小波迭代的数量N的整数。实际上，图像的尺寸应该足够大以便包围相对大数量的特征。为了说明起见，该原始图像c⁰可例如由256x256个像素的矩阵组成。但是其他图像尺寸是完全可能的。在300dpi的采样分辨率处，应认识到，这样的图像尺寸对应于待鉴定的候选文件上的近似2x2cm²的表面面积。

作为小波变换一次迭代的结果，如图7a所示，原始图像c⁰被分解成4个子图像c¹、d¹ ₁、d¹ ₂和d¹ ₃，其中每一个子图像都具有(n/2)x(n/2)像素的尺寸。子图像c¹包含由沿着原始图像c⁰的行和列的低通滤波得到的原始图像c⁰的近似。在另一方面，子图像d¹ ₁、d¹ ₂和d¹ ₃包含从沿着原始图像c⁰的行和列的高通滤波得到的原始图像c⁰的细节。更准确地：

-d¹ ₁是沿着原始图像c⁰的行高通滤波并沿着列低通滤波的结果，并且包括原始图像c⁰的水平细节；

-d¹ ₂是沿着原始图像c⁰的行低通滤波并沿着列高通滤波的结果，并且包括原始图像c⁰的垂直细节；以及

-d¹ ₃是沿着原始图像c⁰的行和列高通滤波的结果，并且包括原始图像c⁰的对角线细节。

该处理可通过相似地将子图像c¹分解成4个附加的子图像c²、d² ₁、d² ₂和d² ₃在随后的迭代期间重复，其中每一个子图像具有(n/4)x(n/4)像素的尺寸，如图7b中示意性示出的。在图7b中，子图像d¹ ₁、d¹ ₂和d¹ ₃表示以第一分辨率(或尺度)的图像c⁰的细节，而子图像d² ₁、d² ₂和d² ₃表示以第二分辨率(或尺度)的图像c⁰的细节，该第二分辨率是所述第一分辨率的一半。

在N次迭代之后，原始图像c⁰将会因此被分解成3N+1个子图像d^m ₁、d^m ₂、d^m ₃和c^N，其中m＝1，2，...，N。如以上已经暗示的，子图像d^m ₁每个都将包含以不同尺度(或分辨率)的原始图像的水平细节，而子图像d^m ₂和d^m ₃每个都分别包含以不同尺度的原始图像的垂直或对角线细节。

二维小波变换优选地根据所谓“非标准分解”方法执行，该方法在图8中示意性示出。根据这种分解方法，一维小波变换在图像的行和列上被交替执行。在图8中，参考符号A、D、a、d分别表示：

A：图像的行的近似(即，被低通滤波的)系数；

D：图像的行的细节(即，被高通滤波的)系数；

a：图像的列的近似(即，被低通滤波的)系数；以及

d：图像的列的细节(即，被高通滤波的)系数。

如图8的上部分所示的，原始图像的行被首先处理然后是列，例如以产生图7a中所示的结果(其中Aa、Da、Ad和Dd分别对应于子图像c¹、d¹ ₁、d¹ ₂和d¹ ₃)。如图8的下部分所示的，子图像Aa(其对应于子图像c¹)以行开始接着是列被类似地处理，导致与图7b中所示的相同的分解(其中AaAa、AaDa、AaAd和AaDd分别对应于子图像c²、d² ₁、d² ₂和d² ₃)。

以上讨论的“非标准分解”方法的可选方案是所谓的“标准分解”方法，其通过执行沿着行的所有所需要的迭代，然后仅执行沿着列的所需要的迭代来实现。这种方法在图9中示意性示出。

“标准分解”方法的优点在于图像的每个行和列只需要从存储器中被装载一次以便转换整个图像的事实。这种方法相应地需要最小数量的内存访问，这在FPGA(现场可编程门阵列)实现的背景下是有利的。

虽然“非标准分解”方法相比于其他方法需要更多的存储器访问，但它有需要较少的计算时间的优点，因为在每次迭代期间，只须处理从之前迭代得到的数据的仅四分之一。此外，如从图8和9的比较中容易理解的，通过“非标准分解”方法分开地提取水平和垂直细节。

不同类型的离散小波变换(DWT)在本发明的背景下是适合的。特别是通过使用在本领域中同样已知的所谓Haar-、Daubechies-和Pascal小波变换完成了成功的测试。

实际上Haar小波变换是第一个已知的小波变换。该小波变换(虽然当时没有被同样地命名)是在1909年被匈牙利数学家Alfred Haar发现的。该小波变换也被认为是所谓Daubechies小波变换的一种特例。Haar小波变换的相应高通和低通滤波器每个都由2个系数组成，即：

对低通滤波器：

$h_1=\frac{1}{\sqrt{2}}---\left(1\right)$

和

$h_2=\frac{1}{\sqrt{2}}---\left(2\right)$

以及对高通滤波器：

$g_1=\frac{1}{\sqrt{2}}---\left(3\right)$

和

$g_2=-\frac{1}{\sqrt{2}}---\left(4\right)$

Daubechies小波变换(见[Dau92])是以比利时物理学家和数学家Ingrid Daubechies命名的。Daubechies小波是一族正交小波并且以最大数量的所谓消失矩(或分支)为特点。

在这族Daubechies小波变换中，例如一个称为所谓Daubechies 4分支小波(或db4变换)，其中滤波器系数由4个系数组成，即：

对低通滤波器：

$h_1=\frac{1+\sqrt{3}}{4}=0.6830127---\left(5\right)$

$h_2=\frac{3+\sqrt{3}}{4}=1.1830127---\left(6\right)$

$h_3=\frac{3-\sqrt{3}}{4}=0.3169873---\left(7\right)$

以及

$h_4=\frac{1-\sqrt{3}}{4}=-0.1830127---\left(8\right)$

以及对高通滤波器：

$g_1=\frac{1-\sqrt{3}}{4}=-0.1830127---\left(9\right)$

$g_2=-\frac{3-\sqrt{3}}{4}=-0.3169873---\left(10\right)$

$g_3=\frac{3+\sqrt{3}}{4}=1.1830127---\left(11\right)$

以及

$g_4=-\frac{1+\sqrt{3}}{4}=-0.6830127---\left(12\right)$

Daubechies-db4变换优于Haar小波变换的优点特别在于Daubechies变换的增加的滤波效率，即低通和高通滤波器的截止频率更加清晰明确。

Pascal小波变换基于Pascal三角形(以法国哲学家和数学家BlaisePascal命名)的二项式系数。虽然Pascal小波变换比Haar-和Daubechies小波变换有较不清晰明确的截止频率，但该变换与Haar小波变换相比，可以更好地对连续信号进行近似，与Daubechies小波变换相比需要较少的计算时间。

为了例证起见，可使用以下的Pascal小波变换，其中低通和高通滤波器每个都用下列的3个滤波器系数来定义：

对低通滤波器：

$h_1=\frac{\sqrt{2}}{4}=0.35355---\left(13\right)$

$h_2=\frac{1}{\sqrt{2}}=0.7071---\left(14\right)$

以及

$h_3=\frac{\sqrt{2}}{4}=0.35355---\left(15\right)$

以及对高通滤波器：

$g_1=\frac{\sqrt{2}}{4}=\mathrm{0,35355}---\left(16\right)$

$g_2=-\frac{1}{\sqrt{2}}=-0.7071---\left(17\right)$

以及

$g_3=\frac{\sqrt{2}}{4}=0.35355---\left(18\right)$

与Haar-和Daubechies小波变换相反，Pascal小波变换是非正交小波。

虽然在上文作为可以在本发明的背景下使用的离散小波变换提到了Haar-、Daubechies-和Pascal小波变换，但这些应当只被认为是优选的例子。其他离散小波变换在本领域中是进一步已知的(例如见[Mal99])。

根据本发明，应该再次认识到，人们主要对候选文件的样本图像的被选择的所关注的区域的精细、高分辨率细节感兴趣。换句话说，根据本发明，信号(即，所关注的区域的图像数据)不需要被完全分解成小波分量。因此，正如从下文将认识到的，为了提取能够创建关于待鉴定的候选文件的代表性分类数据的相关特征，对图像数据执行小波变换的一个或多个迭代就足够了。这意味着图像的待考虑的大多数相关的尺度是相应于精细、高分辨率细节的那些尺度，这些细节首先在多分辨率分析的过程中被得到。

由申请人执行的测试已经表明，小波变换的一个迭代(即，如图5a示意性示出的一级分辨率分析)在大多数情况下足以提取出能够将被鉴定的候选文件分类(并因此区别)成真的或可能真的文件或者复制的/伪造的文件的类别的必要特征。换句话说，样本图像可以简单地被分解到包含样本图像的高分辨率细节的至少一个精细尺度子空间中。

然而在本发明的范围内，完全可能执行小波变换的多于一个的迭代，即，提取相应于图像数据的多于一个的高分辨率尺度的多组细节系数(或小波系数)。为了计算和处理效率起见，保持迭代的数量尽可能低是优选的。此外，如上面已经说明的，根据本发明，将信号完全分解成小波分量并不是必须的，因为将得到的最终的小波分量相应于图像的低分辨率、粗略内容，该内容被预期在真的文件和其伪造品之间是相对相似的。事实上，这部分地解释了为什么没有关于安全印刷的特殊知识的非技术人员可能如此轻易地被伪造文件的一般视觉外表和外观所欺骗。

因此接下来的讨论将集中于仅涉及对二维小波变换的一次迭代的一级小波转换的情况，如图7a示意性示出的，即，所关注的区域将被分解成4个子图像c¹、d¹ ₁、d¹ ₂和d¹ ₃。

图10a示出应用于原始钞票样本的如图2所示的图像的二维小波变换的第一个迭代的结果。在这个例子中，原始图像具有252x252个像素的尺寸，并且利用以上提及的Haar小波变换来处理该图像。

从低通滤波得到的近似图像c¹被显示在图10a的左上角。由于小波系数具有小值并且还包含负系数的事实(因此小波系数在被直接形象化时表现为实质上为“黑色”的像素)，从高通滤波得到的细节图像d¹ ₁、d¹ ₂和d¹ ₃被显示成实质上暗色的区域。

为了更好地观察图像d¹ ₁、d¹ ₂和d¹ ₃的小波系数，这些图像可以被归一化，使得系数被包括在数值0到255的范围之内(即，灰度图像的8位数值范围)。这样的视图在图10b中被示出，其中[d¹ ₁]_N、[d¹ ₂]_N和[d¹ ₃]_N分别表示细节图像d¹ ₁、d¹ ₂和d¹ ₃的归一化形式。从观察图10b中，可以看到小波变换足够探测凹版图案的锐转变。

图11a显示了从图10a、10b的3个细节图像d¹ ₁、d¹ ₂和d¹ ₃的组合中得到的归一化图像[d¹ _G]_N。图11b和11c示出分别作为图3b和4b的第一个和第二个彩色复制品的图像的小波变化的结果得到的相应归一化图像[d¹ _G]_N。

可以看到，在图11a的图像与图11b和11c的图像之间存在相当大的视觉差异。特别是可以看到，在图11a中图案的边缘显得比图11b和11c中更加清楚。

现在各种候选文件的图像已经被处理，为了对这些文件进行分类和区别，将解释代表性的特征可如何从这些被处理的图像中被提取出来。

图12是9个直方图的图示，其显示了对于图2b、3b和4b的每个图像的水平、垂直和对角线细节的小波系数(即，细节图像d¹ ₁、d¹ ₂和d¹ ₃的小波系数)的统计分布。更准确地说，图12的左、中和右列分别显示对图2b、3b和4b的图像得到的相应直方图，而图12的上、中和下行分别显示对水平、垂直和对角线细节的相应直方图。

从图12中可以看到，从原始样本的图像得到的直方图(图12中的左列)宽于从彩色复制品的图像得到的直方图(图12中的中列和右列)。换句话说，方差σ²，即，小波系数的离散度的度量可以方便地用于对小波系数的统计分布分类。在统计学中方差σ²也被称为“二阶矩”。可选地，可以使用所谓标准偏差σ，其是方差σ²的平方根。

除方差σ²和标准偏差σ之外，另外的统计参数也可以被用来表征小波系数的统计分布，即：

-小波系数的算术平均值-在统计学中也被称为“一阶矩”；

-小波系数的统计分布的偏度-在统计学也被称为“三阶矩”-其是对统计分布的不对称性的度量；

-过度，或过度峰度，(或简单地“峰度”)-在统计学中也被称为“四阶矩”-其是对统计分布的“峰态”的度量；和/或

-统计熵，其是对统计分布的变化的度量。

为了特征提取的目的，以上列出的矩(包括方差)应当被归一化，以实现各种候选文件的适当比较和分类。

图13示出偏度和过度的概念。“正偏度”(如所示)被理解为表征统计分布，其中该分布的右尾部较长并且其中分布的“主体”集中在左侧。相反的是“负偏度”。在另一方面，“正/高过度”或“负/低过度”(如所示)被理解为分别表征包括更尖锐的峰和更平坦的尾部以及更圆的峰和更宽的“肩部”的统计分布。

在下文中，将特别利用过度(以下用参考符号C表示)连同方差σ²一起作为进一步分类的特征。

图14a到14c是3个条形图，其示出由图12的图所示的小波系数的统计分布的方差σ²。在图14a到14c中的参考数字1、2、3分别指被处理的3个候选文件，即，原始样本(图2a和2b)、第一个彩色复制品(图3a和3b)与第二个彩色复制品(图4a和4b)。在图14a中，方差σ²被显示为用于水平细节，而图14b和14c分别显示方差σ²用于垂直和对角线细节。

正如所预期的，在从原始样本的图像中得到小波系数的分布的情况下的方差σ²实质上高于从彩色复制品的图像所得到的小波系数的统计分布中计算出的方差。

在各种原始(即真实的)钞票样本和其彩色(即伪造的)复制品上执行测试。这些测试表明，根据本发明的方法非常可靠，特别是当被处理的所关注的区域的图像数据包括相对高密度的凹版印刷特征时，比如可以在大多数钞票上找到的肖像部分或任何其他类似密度的图片表示的情况下(比如表示在欧元钞票上的建筑物的凹版印刷图案)。这些测试还表明，包含较少量的凹版特征的区域仍然导致好的结果。

图15a和15b是出现在5马克钞票的正面上的Bettina von Arnim的凹版印刷肖像的一部分的两个放大视图，该钞票在引入欧元之前在1991到2001年期间被德国发行。图15b特别显示为了根据以上描述的方法的鉴定的目的而使用的所关注的可能区域的例子。

测试了几个候选文件，包括具有不同磨损度的原始钞票和使用喷墨、热升华以及彩色激光复印和印刷设备所制造的钞票的彩色复制品。为了说明的目的，图16a显示了所关注的相同区域的六个类似的图像，这些图像取自在非常好的状况中的原始样本(图示A)，具有相对高磨损度的原始样本(图示B)，以5600dpi的分辨率通过喷墨打印在照片质量的纸上制造的彩色复制品(图示C)，以5600dpi的分辨率通过喷墨打印在普通纸上制造的彩色复制品(图示D)，以300dpi的分辨率通过热升华在照片质量的纸上制造的彩色复制品(图示E)以及以1200dpi分辨率通过激光打印在普通纸上制造的彩色复制品(图示F)。

图16b显示了小波系数的统计分布的对应直方图(在图16b中直方图是从图16a的图像的低通滤波得到的3个细节图像的组合中得到的)。可以看到，从两个原始样本的图像中计算的直方图(图16b中的直方图A和B)高度相似，尽管样本的磨损度不同(并且在第二个原始样本的图像的所关注的区域中存在褶皱-见图16a中的图像B)。从两个喷墨打印的复制品和热升华复制品(直方图C到E)的图像得到的小波系数的统计分布明显不同。从激光打印的复制品的图像得到的小波系数的统计分布(直方图F)显得有些较接近于原始样本的统计分布。然而，与激光打印的复制品相应的直方图的离散度仍然小于原始样本的离散度。此外，与原始样本的直方图(直方图A和B)相比较，对应于彩色复制品(直方图C到F)的所有直方图展示明显不同的振幅和峰值形状。

为了说明的目的，图17显示了对应于第一原始样本(图16b中的直方图A)和激光打印的彩色复制品(图16b中的直方图F)的直方图的叠加。

图18a和18b是两个条形图，其示出了分别从十一个候选文件的实质上相同的所关注的区域的图像所得到的小波系数的统计分布计算的方差σ²和过度C，这些候选文件包括具有不同磨损度的五个原始样本(候选文件1到5)和通过喷墨打印、热升华或彩色激光打印制造的六个彩色复制品(候选文件6到11)。在这两种情况下，方差σ²和过度C清楚地表明，使用这两个统计参数作为分类数据区分开真实文件和伪造品是可能的。

为了说明起见，图19是使用方差σ²和过度C作为特征空间中的(X，Y)坐标的相应特征空间的图示，其中从候选文件得到的结果可以被定位。在对应于原始样本的点(位于特征空间的右上角)和对应于彩色复制品的点(位于特征空间的左下角)之间可以清楚地绘制边界线。

图20是与图19的特征空间相类似的特征空间的视图，其中方差σ²和过度C再次作为(X，Y)坐标被使用，并且其显示通过处理包括原始欧元钞票的额外候选文件得到的结果。这些结果确认根据本发明的鉴定方法的可靠性和效率。

应当认识到，根据本发明的方法因此不要求所选择的所关注的区域严格地是候选文件的一个区域并且是同一个区域。事实上，关于所关注的区域的实际位置从一个候选文件到另一个候选文件的偏差实质上并不影响结果。根据本发明的方法因此还有优点，因为它在信号处理之前不要求所关注的区域的精确识别和定位。这极大地简化了整个鉴定过程及其实现(特别是在ATM机等中)，因为只需确保被选择的所关注的区域或多或少地覆盖包含足够典型数量的固有特征(特别是凹版特征)的区域。

以上描述的鉴定方法可以因此被概括为如图22的流程图所示的，包括步骤：

-获取待鉴定的候选文件的表面的至少一个所关注的区域R.o.I的样本图像(即，图像c⁰)，该所关注的区域R.o.I包围安全特征的至少一部分；

-通过执行该样本图像到包含样本图像的高分辨率细节的至少一个尺度子空间的分解(例如，子图像d^m ₁，d^m ₂，d^m ₃中的至少一个，其中m＝1，2，...，N，且N是被执行的迭代的数量)并且从该尺度子空间中提取分类特征(即，关于频谱系数的统计分布的统计参数)来数字地处理该样本图像c⁰；以及

-基于被提取的分类特征获得候选文件的真实性等级(或分类)。

图21示意性示出根据以上所述方法的用于检查安全文件特别是钞票的真实性的设备的实现。该设备包括：光学系统100，其用于获得待鉴定的候选文件1上的所关注的区域R.o.I的样本图像(图像c⁰)；以及数字信号处理单元(DSP)200，其被编程以执行对样本图像的数字处理。DSP 200可特别有利地作为现场可编程门阵列(FPGA)单元被实现。

应当认识到，以上所述的发明可以应用于简单地探测被印刷、涂敷或以其他方式设置在安全文件特别是钞票上的安全特征(特别是凹版印刷图案)，这些安全特征包括被用于制造安全文件的工艺所固有的特征性视觉特征。如上所述，通过数字地处理候选文件的表面的至少一个所关注的区域的样本图像(例如通过执行样本图像的多分辨率分析的一个或多个迭代)，可以提取表征安全特征的分类特征，所关注的区域被选造成包括安全特征的至少一部分。

如以上所解释的，分类特征可以是方便地选自包括算术平均值、方差(σ²)、偏度、过度(C)、以及表示样本图像的精细尺度的高分辨率细节的频谱系数的统计分布的熵的组中的统计参数。

还应当认识到，根据以上所述描述的方法计算的真实性等级可以通过设计将被印刷、涂敷或以其他方式设置在安全文件上的安全特征被优化，以便在包括被处理的样本图像的高分辨率细节的尺度子空间或子空间中产生特征响应。

这样的优化可以特别通过作用于包括凹版图案、行胶印图案，、凸版图案、光衍射结构和/或其组合的安全特征来实现。如例如在图2b中所示的，这样的图案、优选地被凹版印刷的直线或曲线图案的高密度将是特别合乎需要的。

可以对以上所描述的实施方式进行各种更改和/或改进，而不偏离附加的权利要求所定义的本发明的范围。

例如，如已经提及的，虽然鉴定原则优选地基于包含(或假定包含)凹版印刷图案的图像的处理，本发明可类似地应用于包含其他安全特征的图像的处理，所述安全特征包括用于制造安全文件特别是行胶印图案、凸版印刷图案、光衍射结构和/或其组合的工艺所固有的特征性视觉特征。

当小波变换在本发明的上述实施方式的背景下被讨论时，应当认识到，这种特定的变换被视为在本发明的范围内的一种优选变换。然而其他变换也是可能的，比如所谓的chirplet变换。从一般观点来看，任何适合的变换都可以被使用，只要它能够执行样本图像到包含该样本图像的高分辨率细节的至少一个尺度子空间的分解。

此外，应理解，以上所描述的方法可以被应用，以便样本图像分解到包括以不同尺度的样本图像的高分辨细节的多于一个的尺度子空间中。在这种情况下，为了表征被鉴定的候选文件，分类特征可以从每个尺度子空间中提取。换句话说，本发明没有限制于将样本图像只分解到包含该样本图像的高分辨率细节的一个尺度子空间中。

另外，虽然频谱系数的统计分布的处理被描述为提取分类特征以得到被鉴定的候选文件的真实性等级的方法，任何其他适合的处理可以被设想，只要这种处理能够分离并得到足以代表真实安全文件的安全特征的特征。

Claims (12)

1.小波变换用于鉴定安全文件的用途。

2.多分辨率分析(MRA)用于鉴定安全文件的用途。

3.如权利要求1或2所述的用途，用于数字地处理待鉴定的候选文件的表面的至少一个所关注的区域(R.o.I)的样本图像(c⁰)。

4.如权利要求3所述的用途，用于数字地处理与同一候选文件的几个所关注的区域(R.o.I)相应的多个样本图像。

5.如权利要求3所述的用途，其中真实的安全文件包括被印刷、涂敷或以其他方式设置在该安全文件上的安全特征(41-49；30；10；51，52)，所述安全特征包括被用于制造该安全文件的工艺所固有的特征性视觉特征，并且其中所述至少一个所关注的区域(R.o.I)包括所述安全特征(41-49；30；10；51，52)的至少一部分。

6.如权利要求5所述的用途，用于提取表征所述安全特征(41-49；30；10；51，52)的分类特征(σ²，C，...)。

7.如权利要求6所述的用途，用于基于所提取的分类特征(σ²，C，...)得到所述候选文件的真实性等级。

8.如权利要求6或7所述的用途，其中所述分类特征(σ²，C，...)是选自包括表示所述样本图像(c⁰)的精细尺度的高分辨率细节(d¹ ₁，d¹ ₂，d¹ ₃，...)的频谱系数的统计分布的称为统计学中的一阶矩的算术平均值、称为统计学中的二阶矩的方差(σ²)、称为统计学中的三阶矩的偏度、称为统计学中的四阶矩的过度(C)、以及熵的组中的统计参数。

9.如权利要求5-7中的任一项所述的用途，其中所述安全特征包括凹版印刷的直线或曲线图案(41-49)。

10.如权利要求3所述的用途，其中数字信号处理单元(200)被编程来执行对所述样本图像(c⁰)的所述数字处理。

11.如权利要求3所述的用途，用在一种用于检查安全文件的真实性的设备中，所述设备包括用于获得所关注的区域(R.o.I)的样本图像(c⁰)的光学系统(100)和被编程以对所述样本图像(c⁰)执行数字处理的数字信号处理单元(200)。

12.如权利要求1或2所述的用途，用于钞票的鉴定。

Images