CN104537544A - 带覆盖层的基于背景纹理特征提取的商品二维码防伪方法及系统 - Google Patents

Abstract

一种具有可刮除覆盖层的基于背景纹理特征提取算法的商品二维码防伪方法，其内容是首先在商品外包装上选定一个二维码打印区域和纹理特征提取区域，该纹理特征提取区域大于并包含二维码打印区域；然后对该纹理特征提取区域除去二维码打印区域以外的区域进行纹理特征提取，将提取的纹理特征参数进行编码；接着将纹理特征参数编码与商品的相关信息相组合形成二维码信息；把该二维码信息生成二维码并打印在二维码打印区域上，最后在该二维码打印区域上覆盖一覆盖层。该纹理特征提取算法可以是分数阶微积分纹理特征提取算法。还提供一种基于以上防伪方法的商品二维码防伪系统。

Description

带覆盖层的基于背景纹理特征提取的商品二维码防伪方法及系统

技术领域

本发明涉及商品的防伪技术，涉及覆盖可刮除覆盖层的基于背景纹理特征提取算法的商品二维码防伪方法及系统，尤其是涉及一种覆盖可刮除覆盖层的基于分数阶微分方程背景纹理特征提取算法的商品二维码防伪方法及系统。

背景技术

当前，各种商品、票据诸如烟、酒、药品、食品等假冒商品以及证件、车票、门票、文件、税务发票和银行票据等的伪造在社会上层出不穷、屡见不鲜，这不仅损害了消费者的合法权益，甚至可能危害消费者的健康、生命；而且扰乱了市场秩序，损害了生产厂家的商业信誉和利益，更严重危害了国家的金融安全和金融秩序。随着经济发展的区域化和全球化，为了维护经济交流的基本国际规则，为了确保各国经济的持续、健康与和谐发展，打击假冒盗版商品、保护知识产权早已成为世界各国的共识。基于此，社会迫切需要一种成本低廉、读写简便、识别率高、抗复制能力强的防伪技术。

二维码技术具有储存量大、保密性高、追踪性高、抗损性强、备援性大、成本便宜等特性，这些特性特别适用于商品、票据的防伪。但二维码的信息具有光学可见性，即防伪信息可较容易地通过扫描、拍照、复印等光学方法能方便得到，这是其弱点。该弱点也为二维码防伪标签的大批量复制大开方便之门，同时也给防伪标签的管理和监控带来了许多麻烦。同时，目前使用的二维码标签一般是通过打印在标签纸上再粘贴到商品上或者印制在商品包装纸上，而对于伪造者来说，则可以将商品外包装上印有二维码的部分揭下来并粘在伪造的商品上，这样的造假对于商品生产商来说是无法避免的，同样会对商品的信誉产生影响。

最后，目前商品二维码由于是置于商品表面，很容易受到污损等情况影响致其图案不清楚导致数据准确率下降甚至不能得以识别，都会影响二维码数据的读取精度和速度。

因此，如何提高二维码技术的防伪性能、如何提高其抗复制能力，如何避免其光学可见性的缺点、如何避免其各种被复制的途径，以及如何有效的保护二维码不被污损从而提高其识别率准确率，都成为目前二维码技术研究的一个课题。

发明内容

基于上述内容，本发明提供一种具有可刮除覆盖层的基于背景纹理特征提取算法的商品二维码防伪方法，其步骤是：

1.在商品外包装上选定一个二维码打印区域，再确定一个纹理特征提取区域，该纹理特征提取区域大于并包含二维码打印区域；

2.对该纹理特征提取区域除去二维码打印区域以外的区域进行纹理特征提取，将提取的纹理特征参数使用特定编码算法进行编码；

3.将纹理特征参数编码与商品的相关信息编码按一定规则相组合，形成二维码信息；

4.把该二维码信息生成二维码图像并打印在商品二维码打印区域上；

5.最后在二维码打印区域上覆盖可刮除的覆盖层。

其中，步骤2的纹理特征提取使用的算法可以是基于分数阶微分方程纹理特征加强后的提取算法。

其中步骤3中二维码中包含的信息还可以包含一些其它信息，例如由一些点构成的随机定位信息，这些点按照一定算法随机分布于二维码图形中，在解码时可以提取出来并用于解码。

其中步骤5中的覆盖层可以是目前常用的刮刮卡的覆盖层，不透光，可被刮除，由粉末状固体涂料粘结而成。

本发明中所述的可刮除覆盖层，覆盖于二维码之上并且是不透光的，应该由消费者刮开之后再进行商品的防伪验证，这样就避免了目前流行的二维码技术的光学可见性，即对于消费者来说覆盖层被刮开商品就失效，消费者就不会购买，并且二维码上增加覆盖层，也大大增强了本系统的防伪性能和商品伪造成本：对于造假者来说，为了获取二维码图像，必须刮开至少一个商品的可刮除覆盖层，但由于商品的可刮除覆盖层如果被全部刮除则认定该商品已售出，从而消费者不会接受该商品，所以该商品无法出售，而造假者如果根据该一个或几个二维码来大量伪造商品，但因该二维码数据在检测端进行检测后数据发送到生产厂商数据库，而在数据库里对应的记录只有一条，则该大量被复制的伪造商品经检验都不会合格，这样，对于造假者来说，所伪造的大量产品不能通过检验而证明是伪货，即使是原来真的商品也因覆盖层被刮开而不能被销售，所以具有覆盖层的二维码大大增加了造假者的难度和成本；而可刮除覆盖层使用目前成熟的刮刮卡覆盖层技术，对于生产者来说也是简单易行的，并且覆盖层可以保护二维码区域不被污损；对于消费者来说，购买商品后刮除覆盖层再验证商品真伪，保证商品的质量，也没有增加复杂度，应该在可接受范围之内。

此外，本发明还提供一种具有可刮除覆盖层的基于背景纹理特征提取算法的商品二维码的防伪系统，包括：

纹理扫描提取装置，该装置设置于商品生产厂商端，包括纹理扫描装置和纹理特征提取装置，

其中纹理扫描装置先确定商品外包装上的二维码打印区域，然后再确定一个纹理特征提取区域，该纹理特征提取区域大于并包含二维码打印区域，然后该装置检测纹理特征提取区域，并将检测得到的图像数据送到纹理特征提取装置；

纹理特征提取装置对得到的图像数据进行处理，对纹理特征提取区域中除去二维码打印区域以外的区域进行纹理特征提取，将提取的纹理特征参数进行编码；最后将纹理特征参数编码与该商品的相关信息编码按照一定的规则相组合，形成二维码信息；

二维码打印装置，该装置设置于商品生产厂商端，把以上得到的二维码信息生成二维码并打印在商品二维码打印区域上；

可刮除覆盖层生成装置，该装置设置于商品生产厂商端，把可刮除覆盖层的覆盖材料覆盖到已经打印有二维码的商品二维码打印区域上，以遮挡住二维码打印区域；

商品检测装置，该装置设置于销售端或者消费者端，包括扫描装置和信息比对装置，

其中扫描装置先定位商品外包装上的二维码打印区域，该二维码打印区域覆盖着可刮除覆盖层，应该由消费者将覆盖层刮开从而露出二维码打印区域；从该区域的二维码中提取出二维码信息；再由二维码打印区域定位纹理特征提取区域，从该纹理特征提取区域得到图像数据，把该图像数据与编码数据送到信息比对装置；

信息比对装置对得到的图像数据进行处理，对纹理特征提取区域中除去二维码打印区域以外的区域进行纹理特征提取，得到纹理特征参数；并把得到的二维码信息分解成解码的纹理特征参数和该商品的相关信息编码，最后将纹理特征参数与该解码的纹理特征参数比对，以判定商品的真伪，并把结果以及商品的相关信息显示出来。

此外，该系统还可以包括：

通信装置，该装置设置于销售端或者消费者端，把从商品检测装置得到的纹理特征参数、解码的纹理特征参数和该商品的相关信息编码发送到数据库服务器，接收数据库服务器返回的处理结果并把处理结果发送到商品检测装置；

数据库服务器，设置于商品生产厂商端，存储着该生产厂商生产的商品信息以及该商品的纹理特征参数，该服务器接收通信装置发来的解码的纹理特征参数和该商品的相关信息，将本地存储的纹理特征参数与解码的纹理特征参数比对，并把本地存储的商品的相关信息与接收到的商品相关信息比对，以判断商品真伪，把相关结果存储，并把处理结果发送给通信装置。

其中，纹理特征提取使用的算法可以是基于分数阶微分方程纹理特征加强后的提取算法。

其中，二维码中包含的信息还可以包含一些其它信息，例如由一些点构成的随机定位信息，这些点按照一定算法随机分布于二维码图形中，在解码时可以提取出来并用于解码。

本发明中所述的可刮除覆盖层可以是目前常用的刮刮卡的可刮除覆盖层。

本发明中所述的打印并不仅仅局限于常用的打印，而可以是喷印、喷绘、打印、印刷等。

本发明中所述的二维码可以是彩色二维码或黑白二维码。

商品检测装置可以是带有摄像头和安装有纹理特征提取软件、二维码识别软件的PC机、手机，也可以是具有扫描或者照相装置、具有纹理特征提取功能和二维码识别功能、通信功能的独立工作装置。

商品检测装置可以是独立工作装置，该装置可以带有独一无二的标示编号，设置在不同区域，数据库服务器存储有该标示编号与其所对应的区域信息；商品检测装置将检测数据发送到数据库服务器，并把装置的标示编号也一并发送到数据库服务器，数据库服务器将商品的信息和对应的商品检测装置的标示编号存储，并可以根据上述数据对商品在某一区域销售情况以及假冒商品的出现情况进行分析。

商品检测装置与数据库服务器之间的通信模式，可以是目前常用的通信方式，如互联网、无线网络、GPRS、HTTP、短信或彩信、电子邮件等。

本发明如上所述数据库服务器发给通信装置的返回结果可以是文字、图片、图像、音频、视频中的一种或者几种。

本发明中所述的背景，是指纹理特征提取区域中不包含二维码打印区域以外的区域，该区域相对于二维码打印区域称为背景区域。

在图像处理中，纹理是指存在于图像中某一范围内的形状很小的、半周期性或有规律地排列的图案在图像判读中使用纹理表示图像的均匀、细致、粗糙等现象，它是图像处理和模式识别的主要特征之一。而纹理特征是指图像灰度等级的变化，这种变化是与空间统计相关的。图像的纹理特征反应了图像本身的属性，有助于图像的区分。一般的图片都具有丰富、稳定的纹理特征。

而在本发明中，纹理特征则是具体指商品外包装上的纹路、色彩及色彩变化、印刷图案等特性；或者，纹理也可以特指商品外包装材料内部结构的纹理、纹路特征。对于同一种商品，每一件具体商品的外包装设计相同，但由于其外包装在制造过程里的略微差别所导致的纹路差异、以及在印刷中其外包装上印刷的图案不可能完全一致，以及其外包装自身材质(一般为纸质或塑料材料)的内部结构纹理纹路不可能完全相同而产生的差异性，这些因素都导致商品外包装上某一区域内色彩和色彩的变化、图案的差异、表面纹路以及内部结构的纹理纹路不同难以避免。而本发明则正是利用以上特点，以商品外包装上的二维码打印区域作为基准，确定一个大于并包含该二维码打印区域的区域作为纹理特征提取区域。该纹理特征提取区域应包含二维码打印区域，以便在定位二维码的同时，也就定位该纹理特征提取区域。

此外，本发明中所述的纹理特征，还可以是人为加上去的随机的纹理纹路特征。在一些商品外包装上，在纹理特征提取区域中有可能纹路、色彩、图案等存在极其微弱的差异，图像处理难以辨别，对于纹理特征提取来说，可能提取出来的特征参数基本相同，为了确保每一件商品纹理特征提取区域中的特征参数有明显的差异，生产者可以在特征提取区域中人为的加入一些随机生成的纹理，这些纹理可以是条纹、图案、点阵、字符、数字等或者是随机生成的纹路，这些纹理可以在确定纹理特征提取区域后随机生成并印刷在纹理特征提取区域上，或者可以预先随机生成纹理并计算出其纹理特征参数，在印刷二维码的同时也把该纹理印制在纹理特征提取区域上。

如果把图像看成是一个二维随机过程的一次实现，可得到图像的直方图、均值、方差、偏度、峰度、能量、墒、自相关、协方差、惯性矩、绝对值、反差分等特征量。常用来描述纹理的统计特征的技术有子相关函数、功率谱、正交变换、灰度级同时事件、灰度级行程长、灰度级差分、滤波模板、相对极值密度、离散马尔可夫随机场模型、自回归模型、同时自回归模型等。

本发明中所述的纹理扫描装置，可以是目前常用的图像扫描装置如扫描仪等，也可以是拍照装置如摄像机、照相机甚至手机等；对于扫描商品外包装的材料内部结构特征的装置，可以是带有具有扫描浅表内部纹路结构功能的装置，如带有红外扫描装置的仪器或者带有紫外扫描装置的仪器等。

本发明中使用的纹理特征提取算法可以是常用的纹理特征描述方法，主要有：

(1)统计方法：统计方法的典型代表是一种称为灰度共生矩阵的纹理特征分析方法，统计方法中另一种典型方法，则是从图像的自相关函数(即图像的能量谱函数)提取纹理特征，即通过对图像的能量谱函数的计算，提取纹理的粗细度及方向性等特征参数

(2)几何法：所谓几何法，是建立在纹理基元(基本的纹理元素)理论基础上的一种纹理特征分析方法。纹理基元理论认为，复杂的纹理可以由若干简单的纹理基元以一定的有规律的形式重复排列构成。

(3)模型法：模型法以图像的构造模型为基础，采用模型的参数作为纹理特征。典型的方法是随机场模型法，如马尔可夫(Markov)随机场(MRF)模型法和Gibbs随机场模型法。

(4)信号处理法：纹理特征的提取与匹配主要有：灰度共生矩阵、Tamura纹理特征、自回归纹理模型、小波变换等。

本发明以上所述的纹理特征提取使用的算法可以是基于分数阶微分方程纹理特征加强后的提取算法。

下面，对基于分数阶微分方程纹理特征加强算法的运算规则进行如下简要说明：

在本发明中，由于二维码打印区域可以经由商品检测装置的扫描装置扫描后保存为数字图像的形式，因此可以把二维码打印区域作为数字图像进行处理。而由于数字图像信号的变化量是有限的数字量，且像素值变化发生的最短距离只能是在相邻像素之间，因此二维数字图像s(x，y)(也就是本发明中所述的二维码打印区域)矩阵的大小只可能以像素为单位，因此s(x，y)在x或y坐标轴方向上的最小等分间隔h＝1。若一维信号s(t)的持续期为t∈[a，t]，将信号持续期[a，t]按单位等分间隔h＝1进行等分，其等分份数为将等分份数为n代入分数阶微积分的定义式可推导出：

$\frac{d^v}{{\mathrm{dx}}^v}s\left(x\right){|}_{R-L}\&cong;\frac{1}{\mathrm{\&Gamma;}(1-v)}[\frac{s\left(0\right)}{x^v}+\underset{k=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{\&Integral;}_{\mathrm{kx}/N}^{(\mathrm{kx}+x)/N}\left(\frac{d}{\mathrm{d\&xi;}}s(x-\mathrm{\&xi;})\right)\frac{\mathrm{d\&xi;}}{{\mathrm{\&xi;}}^v}],0\&le;v<1$

再由一阶导数的差分近似表达式，可得如下近似公式：

$\underset{\mathrm{kx}/N}{\overset{(\mathrm{kx}+x)/N}{\&Integral;}}\left(\frac{d}{\mathrm{d\&xi;}}s(x-\mathrm{\&xi;})\right)\frac{\mathrm{d\&xi;}}{{\mathrm{\&xi;}}^v}\&cong;\frac{x^{-v}{N}^v}{1-v}(s_k-s_{k+1})[{(k+1)}^{1-v}-k^{1-v}]$

因此分数阶微分的近似公式为：

$\frac{d^v}{{\mathrm{dx}}^v}s\left(x\right){|}_{\mathrm{RL}}\&cong;\frac{x^{-v}{N}^v}{\mathrm{\&Gamma;}(2-v)}[\frac{(1-v)s_N}{N^v}+\underset{k=0}{\overset{N-1}{\mathrm{\&Sigma;}}}(s_k-s_{k+1})({(k+1)}^{1-v}-k^{1-v})],0\&le;v<1$

其中，为Gamma函数。因此可分别推导得s(x，y)在x和y坐标轴负方向上分数阶偏微分的后向差分形

式：

$\begin{array}{c}\frac{{\&PartialD;}^{v}s(x,y)}{{\&PartialD;x}^v}\&cong;\frac{1}{\mathrm{\&Gamma;}(2-v)}s(x,y)+\frac{1}{\mathrm{\&Gamma;}(2-v)}\underset{k=1}{\overset{n-1}{\mathrm{\&Sigma;}}}({(k+1)}^{1-v}-{2k}^{1-v}+{(k-1)}^{1-v})s(x-k,y)\\ +\frac{1}{\mathrm{\&Gamma;}(2-v)}({(1-v)n}^{-v}-n^{1-v}+{(n-1)}^{1-v})s(x-n,y)+...,0\&le;v<1\end{array}$

$\begin{array}{c}\frac{{\&PartialD;}^{v}s(x,y)}{{\&PartialD;y}^v}\&cong;\frac{1}{\mathrm{\&Gamma;}(2-v)}s(x,y)+\frac{1}{\mathrm{\&Gamma;}(2-v)}\underset{k=1}{\overset{n-1}{\mathrm{\&Sigma;}}}({(k+1)}^{1-v}-{2k}^{1-v}+{(k-1)}^{1-v})s(x,y-k)\\ +\frac{1}{\mathrm{\&Gamma;}(2-v)}({(1-v)n}^{-v}-n^{1-v}+{(n-1)}^{1-v})s(x,y-n)+...,0\&le;v<1\end{array}$

本发明中，在上述两个差值表达式中选取前n项和分别作为s(x，y)在x和y坐标轴负方向上分数阶偏微分的近似值：

$\frac{{\&PartialD;}^{v}s(x,y)}{{\&PartialD;x}^v}\&cong;\frac{1}{\mathrm{\&Gamma;}(2-v)}s(x,y)+\frac{1}{\mathrm{\&Gamma;}(2-v)}\underset{k=1}{\overset{n-1}{\mathrm{\&Sigma;}}}({(k+1)}^{1-v}-{2k}^{1-v}+{(k-1)}^{1-v})s(x-k,y),0\&le;v<1$

$\frac{{\&PartialD;}^{v}s(x,y)}{{\&PartialD;y}^v}\&cong;\frac{1}{\mathrm{\&Gamma;}(2-v)}s(x,y)+\frac{1}{\mathrm{\&Gamma;}(2-v)}\underset{k=1}{\overset{n-1}{\mathrm{\&Sigma;}}}({(k+1)}^{1-v}-{2k}^{1-v}+{(k-1)}^{1-v})s(x,y-k),0\&le;v<1$

可见，s(x，y)在x和y坐标轴方向上分数阶偏微分的近似值(前n项求和)中的每一对应求和项的系数值都是相同的。这n个非零系数值都是分数阶微分阶次v的函数。这n个非零系数值按顺序分别是： $c_{s0}=\frac{1}{\mathrm{\&Gamma;}(2-v)},C_{s1}=\frac{2^{1-v}-2}{\mathrm{\&Gamma;}(2-v)},...,C_{\mathrm{sm}}\frac{{(m+1)}^{1-v}-{2m}^{1-v}+{(m-1)}^{1-v}}{\mathrm{\&Gamma;}(2-v)},...,$ $C_{\mathrm{sn}-2}=\frac{{(n-1)}^{1-v}-2{(n-2)}^{1-v}+{(n-3)}^{1-v}}{\mathrm{\&Gamma;}(2-v)},C_{\mathrm{sn}-1}=\frac{n^{1-v}-{2(n-1)}^{1-v}+{(n-2)}^{1-v}}{\mathrm{\&Gamma;}(2-v)}.$ 可以证明这n个非零系数值之和不等于零，这是分数阶微分与整数阶微分最的显著区别之一。在数字图像中，由于邻域内相邻像素之间的像素值具有很大的相关性。

为了加强分数阶微分微弱信息增强算法的抗图像旋转性，有必要分别计算出像素s(x，y)在x～y平面内8个45°等分方向上的v阶分数阶偏微分的近似值，然后再求上述8个方向上的v阶分数阶偏微分所构成的8维分数阶偏梯度列向量的模值。为了运算简便，本发明将s(x，y)在上述8个方向上的v阶分数阶偏微分的近似值的模值中的最大值作为s(x，y)的v阶分数阶微分的近似值。

为了运算简便，本发明将s(x，y)在上述8个方向上的v阶分数阶偏微分的近似值的模值中的最大值作为s(x，y)的v阶分数阶微分的近似值。

在n×n全零方阵沿x坐标轴负方向的中心对称轴上，用 $c_{s0}=\frac{1}{\mathrm{\&Gamma;}(2-v)},C_{s1}=\frac{2^{1-v}-2}{\mathrm{\&Gamma;}(2-v)},...,C_{\mathrm{sm}}\frac{{(m+1)}^{1-v}-{2m}^{1-v}+{(m-1)}^{1-v}}{\mathrm{\&Gamma;}(2-v)},...,$ $C_{\mathrm{sn}-2}=\frac{{(n-1)}^{1-v}-2{(n-2)}^{1-v}+{(n-3)}^{1-v}}{\mathrm{\&Gamma;}(2-v)},C_{\mathrm{sn}-1}=\frac{n^{1-v}-{2(n-1)}^{1-v}+{(n-2)}^{1-v}}{\mathrm{\&Gamma;}(2-v)}$ 这n个非零系数值按顺序置换掉n×n全零方阵中相应位置上的零值，从而构造出x轴负方向上的分数阶微分模板(用表示)。

同样，在n×n全零方阵沿y坐标轴负方向的中心对称轴上，用 $c_{s0}=\frac{1}{\mathrm{\&Gamma;}(2-v)},C_{s1}=\frac{2^{1-v}-2}{\mathrm{\&Gamma;}(2-v)},...,C_{\mathrm{sm}}\frac{{(m+1)}^{1-v}-{2m}^{1-v}+{(m-1)}^{1-v}}{\mathrm{\&Gamma;}(2-v)},...,$ $C_{\mathrm{sn}-2}=\frac{{(n-1)}^{1-v}-2{(n-2)}^{1-v}+{(n-3)}^{1-v}}{\mathrm{\&Gamma;}(2-v)},C_{\mathrm{sn}-1}=\frac{n^{1-v}-{2(n-1)}^{1-v}+{(n-2)}^{1-v}}{\mathrm{\&Gamma;}(2-v)}$ 这n个非零系数值按顺序置换掉n×n全零方阵中相应位置上的零值，从而构造出y轴负方向上的分数阶微分模板(用表示)。

另外，x轴正方向上的分数阶微分模板(用表示)、y轴正方向上的分数阶微分模板(用表示)、左下对角线方向上的分数阶微分模板(用W_左下对角表示)、右上对角线方向上的分数阶微分模板(用W_右上对角表示5)、左上对角线方向上的分数阶微分模板(用W_左上对角表示)、右下对角线方向上的分数阶微分模板(用W_右下对角表示)与和的构造原理和方法类似。

在分数阶微分方程中，Riemann-Liouville算法是比较实用和常用的算法。而Riemann-Liouvill分数阶微分的运算规则是采用Riemann-Liouville分数阶微分卷积模板的方法来实现数字图像空域的分数阶微分滤波，其运算规则如下：

Riemann-Liouville分数阶微分卷积在x轴负方向上的运算，其余7个方向上的运算规则与在x轴负方向上的运算规则类似。Riemann-Liouville分数阶微分卷积运算规则作用于数字图像的步骤是：第1步，把串行输入的数字图像分别输入到RGB到HSI转换，得到数字图像的I空间分量，将I空间分量分别在上述8个方向上进行分数阶微分卷积(W_左上对角、W_右上对角、W_左下对角和W_右下对角)，上述8个方向上的分数阶微分卷积模板中系数值为所在的坐标(x，y)和待进行分数阶微分的像素s(x，y)的坐标位置(x，y)必须保持重合；第2步，将上述8个方向上的分数阶微分卷积模板上的系数值分别与输入的对应的像素的像素相乘，然后将各自的所有乘积项相加分别得到在上述8个方向上的加权求和值；第3步，将上述8个方向上的各自模值分别作为Riemann-Liouville分数阶微分卷积在上述8个方向上的处理结果(即像素s(x，y)在上述8个方向上的v阶分数阶偏微分的近似值)；第4步，在待进行分数阶微分的数字图像中逐像素平移上述8个方向上的分数阶积分模板(W_左上对角、W_右上对角、W_左下对角和W_右下对角)，分别不断重复上述第1～3步的运算规则，遍历整幅待进行分数阶微分的数字图像，便可计算出整幅数字图像在上述8个方向上的v阶分数阶偏微分近似值；另外，在逐像素平移时，为了不使分数阶微分模板的行或列位于待进行分数阶微分的数字图像平面之外，须使分数阶微分模板的中心点距待进行分数阶微分的数字图像边缘像素的距离不小于(n-1)/2个像素，即不对距待进行分数阶微分的数字图像边缘n-1行或列的像素进行分数阶微分。

由上，使用以上所述模版进行处理就可以得到分数阶微分算法处理(加强)后的数字图像，即基于分数阶微分方程纹理特征加强后的提取算法。

纵上所述，本系统采用以上架构，还可以有以下优点：系统数据库服务器通过通信装置接收来自商品检测装置的检测数据以及对应的商品检测装置标示编号，将该数据保存并进行分析，可以分析得出某一类型商品在一个地区的销售情况，可以为商家制定相应的销售策略；同时如果从某一地区接收到的商品数据都是大量的伪造商品信息，则生产厂商可以相应的制定策略以重点打击该片区域的制假、售假问题。以上都为生产厂商提供极大的便利和帮助。

附图说明

图1是商品外包装示意图。其中1是商品，2是纹理特征提取区域，3是二维码打印区域，4是商品外包装上的纹理。

图2是基于纹理特征提取算法的商品二维码的防伪系统结构图。

具体实施方式

如图，在商品1的外包装上，一般固定位置处设置二维码打印区域，如图在商品外包装上选定一个二维码打印区域3；商品外包装上的纹理4，本图只用一些条纹表示纹理，而实际上本专利中所指的纹理不仅包含如图所示的条纹、纹路，也可以包含图案、点阵、字符、数字等或者是随机生成的纹路，还可以是外包装材料内部结构的纹理、纹路特征；

再以该二维码打印区域3为基准，确定一个纹理特征提取区域2，该纹理特征提取区域2大于并包含二维码打印区域3，为了包含尽可能多的纹理4的信息，纹理特征提取区域面积尽量大一些，如图，本实施方式中纹理特征提取区域2面积是二维码打印区域3面积的大约6倍；

对纹理特征提取区域2中不包含二维码打印区域3的部分进行纹理特征提取并得到纹理特征参数，使用的方法可以是灰度共生矩阵方法、图像自相关函数的纹理特征分析方法、几何法、马尔可夫随机场(MRF)模型法、Gibbs随机场模型法、Tamura纹理特征、自回归纹理模型、小波变换等将提取的纹理特征参数进行编码，也可以使用本专利如前所述的分数阶微积分算法进行纹理特征参数的提取、编码，例如对如图所示的纹理特征提取区域2提取出的纹理特征参数为4组，每组分别用字母A、B、C、D表示；

将纹理特征参数编码与商品的相关信息编码相组合，形成二维码信息，如商品相关信息为E＝20130801100512002，则将以上纹理特征参数A、B、C、D与商品相关信息E相组合编码并采用加密算法，形成一个新的编码用F表示，并将以上相对应的编码E、F和A、B、C、D一同保存到数据库服务器；

根据编码F生成二维码信息，打印在商品二维码打印区域上，目前常用的二维码有Data Matrix、Maxi Code、Aztec、QR码、Vericode、PDF417、Ultracode、Code 49、Code 16K等，本实施方式中使用的是QR码，如图。

其中二维码中包含的信息除了纹理特征参数外，还可以包含一些其它信息，例如由一些点构成的随机定位信息，这些点按照一定算法随机分布于二维码图形中，在解码时可以提取出来并用于解码。例如由一些点Xi(X1，X2，X3，...i＞3)构成的随机定位信息X，这些点按照一定分布算法FUNC分布于二维码中，Yi＝FUNC(Xi)，其中Y是点X的分布信息；在解码时从二维码中提取出Y’，使用FUNC的逆函数可以得到X’，利用得到的X’也可与初始X进行比对验证。

最后，在该二维码区域，使用设置于商品生产厂商端的可刮除覆盖层生成装置，把可刮除覆盖层的覆盖材料覆盖到商品二维码打印区域上，以遮挡住二维码打印区域，这样完成了商品的防伪制造阶段。

而在商品销售或者检测端，消费者拿到商品后，先观察二维码区域的覆盖层是否完整，如果覆盖层被刮开，对于消费者来说商品就失效，消费者就可以拒绝该商品；然后可以很容易的用硬物甚至指甲刮除二维码上的覆盖层，之后再使用商品检测装置进行商品的防伪验证，商品检测装置的使用也很简单：只需打开机器或者相应的软件，将显示屏上显示的一个标示区域对准二维码区域，听到提示音提示检测过程结束即可等待检测结果。

商品检测装置先定位商品外包装上的二维码打印区域，从该区域的二维码中提取出二维码信息F’；再由二维码打印区域定位纹理特征提取区域，从该纹理特征提取区域得到图像数据I’，把该图像数据I’与二维码信息F’并加上商品检测装置的唯一标示编号，将以上数据按一定规则打包编码后再加密生成编码H，然后通过通信装置，将该编码H发送到数据库服务器；数据库服务器，存储着该生产厂商生产的商品信息E以及该商品的二维码编码F，接收通信装置发来的编码H，按照默认规则解码得到二维码信息F’和图像数据I’。根据二维码信息F’在数据库搜索相同的条目，如果没有对应数据则判断商品为伪造；如果搜索到相同的条目但标示该条目对应的商品已经售出，则可以判定商品为伪造，把该商品已经售出的信息返回商品检测装置；如果搜索到相同的条目且没有标示该商品已经售出，则继续进行下面的过程：把二维码编码F’解码得到纹理特征参数A’、B’、C’、D’与商品信息E’，并根据图像数据I’采用与以上纹理特征参数提取相同的算法提取出图像数据I’的纹理特征参数IA’、IB’、IC’、ID’，根据商品信息E’在数据库搜索相同的商品信息然后把数据库存储的纹理特征参数A、B、C、D和商品相关信息E分别与A’、B’、C’、D’和E’进行比对，如果都符合则可以认定商品为真，返回结果；如果数据都不符合，则认定商品为伪造则返回结果；如果以上数据有部分符合，则有可能数据有误差，将纹理特征参数IA’、IB’、IC’、ID’分别与A’、B’、C’、D’进行比对，如果数据符合则认定商品为真，如果数据不符合则判定商品为伪造。最后把以上相关结果存储，把该条商品信息做已售出标记，并把处理结果发送给通信装置，通过通信装置发送处理结果到商品检测装置并把处理结果以语音、显示等方式通知给消费者。

Claims (10)

1.一种具有可刮除覆盖层的基于背景纹理特征提取算法的商品二维码防伪方法，其步骤是：

(1)在商品外包装上选定一个二维码打印区域，再确定一个纹理特征提取区域，该纹理特征提取区域大于并包含二维码打印区域；

(2)对该纹理特征提取区域除去二维码打印区域以外的区域进行纹理特征提取，将提取的纹理特征参数使用特定编码算法进行编码；

(3)将纹理特征参数编码与商品的相关信息编码按一定规则相组合，形成二维码信息；

(4)把该二维码信息生成二维码图像并打印在商品二维码打印区域上；

(5)最后在二维码打印区域上覆盖可刮除的覆盖层。

2.根据权利要求1所述的商品二维码防伪方法，其中步骤(2)的纹理特征提取使用的算法可以是基于分数阶微积分方程纹理特征提取算法。

3.根据权利要求1所述的商品二维码防伪方法，其中步骤(3)中二维码信息还可以包含由一些点构成的随机信息，这些点按照一定算法分布于二维码图形中，在解码时可以提取出来并用于解码比对；所述的打印还可以是喷印、喷绘、印刷。

4.一种具有可刮除覆盖层的基于背景纹理特征提取算法的商品二维码的防伪系统，包括：

纹理扫描提取装置，该装置设置于商品生产厂商端，包括纹理扫描装置和纹理特征提取装置，

其中纹理扫描装置先确定商品外包装上的二维码打印区域，然后再确定一个纹理特征提取区域，该纹理特征提取区域大于并包含二维码打印区域，然后该装置检测纹理特征提取区域，并将检测得到的图像数据送到纹理特征提取装置；

纹理特征提取装置对得到的图像数据进行处理，对纹理特征提取区域中除去二维码打印区域以外的区域进行纹理特征提取，将提取的纹理特征参数进行编码；最后将纹理特征参数编码与该商品的相关信息编码按照一定的规则相组合，形成二维码信息；

二维码打印装置，该装置设置于商品生产厂商端，把以上得到的二维码信息生成二维码并打印在商品二维码打印区域上；

可刮除覆盖层生成装置，该装置设置于商品生产厂商端，把可刮除覆盖层的覆盖材料覆盖到已经打印有二维码的商品二维码打印区域上，以遮挡住二维码打印区域；

商品检测装置，该装置设置于销售端或者消费者端，包括扫描装置和信息比对装置；

其中扫描装置先定位商品外包装上的二维码打印区域，该二维码打印区域覆盖着可刮除覆盖层，应该由消费者将覆盖层刮开从而露出二维码打印区域；从该区域的二维码中提取出二维码信息；再由二维码打印区域定位纹理特征提取区域，从该纹理特征提取区域得到图像数据，把该图像数据与编码数据送到信息比对装置；

信息比对装置对得到的图像数据进行处理，对纹理特征提取区域中除去二维码打印区域以外的区域进行纹理特征提取，得到纹理特征参数；并把得到的二维码信息分解成解码的纹理特征参数和该商品的相关信息编码，最后将纹理特征参数与该解码的纹理特征参数比对，以判定商品的真伪，并把结果以及商品的相关信息显示出来。

5.根据权利要求4所述的防伪系统，该系统还可以包括：

通信装置，该装置设置于销售端或者消费者端，把从商品检测装置得到的纹理特征参数、解码的纹理特征参数和该商品的相关信息编码发送到数据库服务器，接收数据库服务器返回的处理结果并把处理结果发送到商品检测装置；

数据库服务器，设置于商品生产厂商端，存储着该生产厂商生产的商品信息以及该商品的纹理特征参数，该服务器接收通信装置发来的解码的纹理特征参数和该商品的相关信息，将本地存储的纹理特征参数与解码的纹理特征参数比对，并把本地存储的商品的相关信息与接收到的商品相关信息比对，以判断商品真伪，把相关结果存储，并把处理结果发送给通信装置。

6.根据权利要求4或5所述的防伪系统，纹理特征提取使用的算法是基于分数阶微积分方程纹理特征提取算法。

7.根据权利要求4或5所述的防伪系统，二维码中的信息还可以包含由一些点构成的随机定位信息，这些点按照一定算法随机分布于二维码图形中，在解码时可以提取出来并用于解码及比对；所述的打印还可以是喷印、喷绘、印刷。

8.根据权利要求4或5所述的防伪系统，商品检测装置可以是带有摄像头和安装有纹理特征提取软件、二维码识别软件的PC机或手机，也可以是具有扫描或者照相装置、具有纹理特征提取功能和二维码识别功能以及通信功能的独立工作装置。

9.根据权利要求5所述的防伪系统，商品检测装置与数据库服务器之间的通信模式，可以是互联网、无线网络、GPRS、HTTP、短信或彩信、电子邮件中的一种或几种；所述数据库服务器发给通信装置的返回结果可以是文字、图片、图像、音频、视频中的一种或者几种。

10.根据权利要求4或5所述的防伪系统，其中的扫描装置，可以是目前常用的图像扫描装置，可以是扫描仪，也可以是摄像机、照相机或者手机、平板电脑，还可以是带有具有扫描商品外包装浅表内部纹路结构功能的装置、带有红外扫描装置的仪器或者带有紫外扫描装置的仪器。