CN109101979B - 一种紫砂壶底部款识真伪鉴别方法 - Google Patents
一种紫砂壶底部款识真伪鉴别方法 Download PDFInfo
- Publication number
- CN109101979B CN109101979B CN201810758292.3A CN201810758292A CN109101979B CN 109101979 B CN109101979 B CN 109101979B CN 201810758292 A CN201810758292 A CN 201810758292A CN 109101979 B CN109101979 B CN 109101979B
- Authority
- CN
- China
- Prior art keywords
- dark
- red enameled
- enameled pottery
- bottom identification
- image
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种紫砂壶底部款识真伪鉴别方法,包括以下步骤:缩放紫砂壶底部款识图像,提取不同尺度空间下的紫砂壶底部款识图像的关键点;从提取的关键点中,自适应地筛选出多个在不同尺度空间下均存在的关键点作为稳定点;计算两幅紫砂壶底部款识图像的稳定点的匹配率,根据匹配率判断两幅紫砂壶底部款识图像的相似度,从而判断紫砂壶真伪。
Description
技术领域
本发明涉及紫砂壶真伪鉴别领域,尤其涉及一种紫砂壶底部款识真伪鉴别方法。
背景技术
随着网络和计算机的飞速发展,人们利用网络获得数字图像得到的信息越来越多,表面上看图像信息给人以直观、真实的感觉。同时随着图像处理和计算机图形学技术的快速发展,人们轻而易举地制作出高逼真的图像。
紫砂壶的款识是鉴定紫砂壶年代及制作者姓名的重要佐证,是文博古玩和拍卖界对紫砂壶估价的重要依据,也是做假者最容易做假的地方,因此紫砂壶的款识是紫砂壶收藏者鉴别紫砂壶的重要依据。
伪造的紫砂壶的款识和真品紫砂壶的款识相似度很高,光照、角度和阴影等问题会导致不同环境下紫砂壶底部款识图像存在差异,因此,紫砂壶的收藏者往往无法通过肉眼发现紫砂壶底部款识一些细小的纹理区别进而鉴别紫砂壶的真伪。
发明内容
针对上述问题,本发明提供了一种紫砂壶底部款识真伪鉴别方法,用以鉴别紫砂壶的真伪。
本发明提供了一种紫砂壶底部款识真伪鉴别方法,包括以下步骤:
S10,缩放紫砂壶底部款识图像,提取不同尺度空间下的紫砂壶底部款识图像的关键点;
S20,从步骤S10提取的关键点中,自适应地筛选出多个在不同尺度空间下均存在的关键点作为稳定点;
S30,计算两幅紫砂壶底部款识图像的稳定点的匹配率,根据匹配率判断两幅紫砂壶底部款识图像的相似度,从而判断紫砂壶真伪。
进一步,所述步骤S10包括以下步骤:
S11,缩放紫砂壶底部款识图像,获得在不同尺度空间下的紫砂壶底部款识图像,对于每一个尺度空间下的紫砂壶底部款识图像执行步骤S12和S13;
S12,在同一尺度空间下,对紫砂壶底部款识图像进行模糊处理,得到模糊程度逐级增加的多个紫砂壶底部款识模糊图像层,对每两个(模糊程度)相邻的紫砂壶底部款识模糊图像层进行相减处理,得到若干DOG图像层;
S13,通过DOG算法确定所述若干DOG图像层的极值点,作为在该尺度空间下的紫砂壶底部款识图像的关键点。
进一步,所述步骤S11中,优选利用高斯降采样对紫砂壶底部款识图进行缩放。
进一步,所述步骤S12中,所述模糊处理为高斯模糊处理,将图像f(x,y)与高斯函数
进行卷积,得到一系列模糊程度逐级增加的紫砂壶底部款识模糊图像层,表示为
gi(x,y)=Gσi(x,y)*f(x,y)
其中i表示图像层数,
对每两个相邻的紫砂壶底部款识模糊图像层进行相减处理,表示为
gi(x,y)-gi+1(x,y)=Gσi*f(x,y)-Gσi+1*f(x,y)
=(Gσi-Gσi+1)*f(x,y)=DOG*f(x,y)
其中,i表示图像层数,
得到若干DOG图像层,表示为
其中,i表示图像层数。
进一步地,所述步骤S13中,按照以下方式确定所述若干DOG图像层中每个DOG图像层的极值点:
将待检测像素点与本层DOG图像层以该待检测像素点为中心的指定范围内的若干像素点以及与本层DOG图像层相邻的上下两个DOG图像层中以该待检测点为中心的指定范围内的像素点进行比较,如果该待检测像素点的DOG值是最大值或最小值,则该检测像素点为本层DOG图像层的一个极值点。
进一步,所述步骤S11中,最小尺度的紫砂壶底部款识图像是最大尺度的紫砂壶底部款识图像的面积的四分之一。
进一步,所述步骤S20包括以下步骤:
S21,选择于K个不同尺度空间下均存在的关键点作为稳定点;
S22,判断稳定点的数量,若稳定点的数量少于最小阈值,降低K值,重新执行步骤S21。
优选的,K=5。
优选的,最小阈值为100。
进一步,所述步骤S30中,将两幅紫砂壶底部款识图像中稳定点个数较多的图像的稳定点数量作为分母,将两幅紫砂壶底部款识图像的重合的稳定点的数量作为分子,计算两幅紫砂壶底部款识图像的稳定点的匹配率。
进一步,当分母<500时,若匹配率>2%,判定两幅紫砂壶底部款识图像匹配;当分母>=500时,若匹配率>1%,判定两幅紫砂壶底部款识图像匹配。
针对紫砂壶的收藏者往往无法通过肉眼辨别紫砂壶底部款识来鉴别紫砂壶的真伪问题,本发明基于尺度空间理论,自适应提取不同缩放、多尺度空间下的紫砂壶底部款识稳定点,基于紫砂壶底部款识图像的稳定点,判别紫砂壶底部款识之间的相似度,实现款识判别。本发明提出的紫砂壶真伪鉴别方法,该方法可以合理地提取稳定点并进行匹配,能够缩小真品之间的差距,放大赝品与真品的不同,快速、准确地进行紫砂壶真伪鉴别。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。
图1是根据本发明实施例的紫砂壶底部款识真伪鉴别方法流程图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
同时,在以下说明中,出于解释的目的而阐述了许多具体细节,以提供对本发明实施例的彻底理解。然而,对本领域的技术人员来说显而易见的是,本发明可以不用这里的具体细节或者所描述的特定方式来实施。
图1是根据本发明实施例的紫砂壶底部款识真伪鉴别方法流程图,以下结合图1来对本发明进行详细说明。
一种紫砂壶底部款识真伪鉴别方法,包括以下步骤:
S10,缩放紫砂壶底部款识图像,提取不同尺度空间下的紫砂壶底部款识图像的关键点;
图像的关键点是指图像中具有鲜明特性并能够有效反映图像本质特性能够标识图像中目标物体的点,通常通过关键点的匹配完成图像的匹配。紫砂壶的底部设有款识图像,通过缩放紫砂壶底部款识图像,提取不同尺度空间下均存在的图像关键点。
步骤S10主要包括以下步骤:
S11,缩放紫砂壶底部款识图像,获得在不同尺度空间下的紫砂壶底部款识图像,对于每一个尺度空间下的紫砂壶底部款识图像执行以下步骤S12和S13:
S12,在同一尺度空间下,对紫砂壶底部款识图像进行模糊处理,得到模糊程度逐级增加的多个紫砂壶底部款识模糊图像层,对每两个(模糊程度)相邻的紫砂壶底部款识模糊图像层进行相减处理,得到若干DOG图像层;
S13,通过DOG算法确定若干DOG图像层的极值点,作为在该尺度空间下的紫砂壶底部款识图像的关键点。
具体的,可以利用高斯降采样对紫砂壶底部的款识图像进行缩放,直至紫砂壶底部款识图像小于原始图像的面积的四分之一,停止缩放,获得不同尺度空间下的紫砂壶款识图像。
在同一尺度下,对紫砂壶底部款识图像进行高斯模糊处理,得到一系列模糊程度逐级增加的紫砂壶底部款识图像,即将图像f(x,y)与高斯函数
进行卷积,得到一系列模糊程度逐级增加的紫砂壶底部款识模糊图像层,表示为
gi(x,y)=Gσi(x,y)*f(x,y)
(i表示图像层数),
依次可得到每个模糊图像层的表示,
对每两个相邻层的紫砂壶底部款识模糊图像进行相减处理,表示为
gi(x,y)-gi+1(x,y)=Gσi*f(x,y)-Gσi+1*f(x,y)
=(Gσi-Gσi+1)*f(x,y)=DOG*f(x,y)
(i表示图像层数),
得到若干新的DOG图像层,表示为
(i表示图像层数)。
如此能够得到不同参数下的DOG。
其中,x,y为图像的点坐标,σi为标准差。
然后,根据DOG算法确定若干DOG图像层的极值点,将其作为该尺度空间下的紫砂壶底部款识图像的关键点。具体地,例如在本实施例中,将待检测像素点与本层DOG图像层以此待检测像素点为中心的3*3个像素点中的其余8个像素点以及与本层DOG图像层相邻的上下两个图像层中各自以此待检测像素点为中心的3*3=9个像素点,共8+9×2=26个像素点进行比较,如果此待检测像素点的DOG值是最大值或最小值,则此待检测像素点即为本层DOG图像层的一个极值点。如此依次进行,则可以完成该尺度空间下图像的关键点提取。
应当指出的是,既可以先完成紫砂壶底部款识图像不同尺寸的缩放再分别获得不同尺度空间下的紫砂壶底部款识图像的关键点,也可以对紫砂壶底部款识图像进行不同尺度的缩放,每缩放一次,获得该次缩放尺度空间下的紫砂壶底部款识图像的关键点,在此不做限定。
S20,从步骤S10提取的关键点中,自适应地筛选出多个在不同尺度空间下均存在的关键点作为稳定点;
所述步骤S20包括以下步骤:
S21,选择于K个不同尺度空间下均存在的关键点作为稳定点;
S22,判断稳定点的数量,若稳定点的数量少于最小阈值,降低K值,重新执行步骤S21。
本发明中并非选择所有不同尺度空间的图像关键点作为图像稳定点,而是选择K个不同缩放尺度空间下均存在的关键点作为图像的稳定点,K值表示在多少个不同尺度空间内存在的关键点可作为稳定点。由于不同图像关键点数量相差较大,所以K值需要根据图像来定。
稳定点的数量既不是越多越好,也不是越少越好,稳定点的数量需要在一个合理的范围内。判断稳定点的数量,若稳定点的数量少于最小阈值,最小阈值可以设为100,降低K值,重新选择K个不同尺度空间下均存在的关键点作为稳定点。在本发明实施例中,K值优选5,因为通常图像在5个尺度空间内的关键点数量不会多于1000,稳定点数量过多会影响紫砂壶真伪判断。利用K值求出的稳定点数量至少为100,稳定点数量过少也会影响紫砂壶真伪判断。当求出的稳定点数量少于100时,降低K值重新计算关键点数,直至关键点数大于100。
S30,计算两幅紫砂壶底部款识图像的稳定点的匹配率,根据匹配率判断两幅紫砂壶底部款识图像的相似度,从而判断紫砂壶真伪。
将两幅紫砂壶底部款识图像提取的稳定点进行匹配,计算两幅紫砂壶底部款识图像的稳定点匹配率,根据两幅紫砂壶底部款识图像的稳定点匹配率判断两幅紫砂壶底部款识图像的相似度,从而判断紫砂壶的真伪。
步骤S30中,将两幅紫砂壶底部款识图像中稳定点个数较多的图像的稳定点数量作为分母,将两幅紫砂壶底部款识图像的重合的稳定点的数量作为分子,计算两幅紫砂壶底部款识图像的稳定点的匹配率。
当分母<500时,若匹配率>2%,判定两幅紫砂壶底部款识图像匹配;当分母>=500时,若匹配率>1%,判定两幅紫砂壶底部款识图像匹配,最终完成紫砂壶真伪鉴别工作。
应当说明的是,虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (5)
1.一种紫砂壶底部款识真伪鉴别方法,包括以下步骤:
S10,缩放紫砂壶底部款识图像,提取不同尺度空间下的紫砂壶底部款识图像的关键点,包括:
S11,缩放紫砂壶底部款识图像,获得在不同尺度空间下的紫砂壶底部款识图像,对于每一个尺度空间下的紫砂壶底部款识图像执行步骤S12和S13;
S12,在同一尺度空间下,对紫砂壶底部款识图像进行模糊处理,得到模糊程度逐级增加的多个紫砂壶底部款识模糊图像层,对每两个相邻的紫砂壶底部款识模糊图像层进行相减处理,得到若干DOG图像层;
S13,通过DOG算法确定所述若干DOG图像层的极值点,作为在该尺度空间下的紫砂壶底部款识图像的关键点;
其中,最小尺度的紫砂壶底部款识图像是最大尺度的紫砂壶底部款识图像的面积的四分之一;
S20,从步骤S10提取的关键点中,自适应地筛选出多个在不同尺度空间下均存在的关键点作为稳定点,包括:
S21,选择于K个不同尺度空间下均存在的关键点作为稳定点;
S22,判断稳定点的数量,若稳定点的数量少于最小阈值,降低K值,重新执行步骤S21;
S30,计算两幅紫砂壶底部款识图像的稳定点的匹配率,根据匹配率判断两幅紫砂壶底部款识图像的相似度,从而判断紫砂壶真伪,包括:
将两幅紫砂壶底部款识图像中稳定点个数较多的图像的稳定点数量作为分母,将两幅紫砂壶底部款识图像的重合的稳定点的数量作为分子,计算两幅紫砂壶底部款识图像的稳定点的匹配率;
当分母<500时,若匹配率>2%,判定两幅紫砂壶底部款识图像匹配;当分母>=500时,若匹配率>1%,判定两幅紫砂壶底部款识图像匹配。
2.如权利要求1所述的紫砂壶底部款识真伪鉴别方法,其特征在于:
所述步骤S11中,利用高斯降采样缩放紫砂壶底部款识图。
4.如权利要求3所述的紫砂壶底部款识真伪鉴别方法,其特征在于,所述步骤S13中,按照以下方式确定所述若干DOG图像层中每个DOG图像层的极值点:
将待检测像素点与本层DOG图像层以该待检测像素点为中心的指定范围内的若干像素点以及与本层DOG图像层相邻的上下两个DOG图像层中以该待检测像素点为中心的指定范围内的像素点进行比较,如果该待检测像素点的DOG值是最大值或最小值,则该待检测像素点为本层DOG图像层的一个极值点。
5.如权利要求1所述的紫砂壶底部款识真伪鉴别方法,其特征在于,K=5,最小阈值为100。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810758292.3A CN109101979B (zh) | 2018-07-11 | 2018-07-11 | 一种紫砂壶底部款识真伪鉴别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810758292.3A CN109101979B (zh) | 2018-07-11 | 2018-07-11 | 一种紫砂壶底部款识真伪鉴别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109101979A CN109101979A (zh) | 2018-12-28 |
CN109101979B true CN109101979B (zh) | 2022-03-18 |
Family
ID=64846004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810758292.3A Active CN109101979B (zh) | 2018-07-11 | 2018-07-11 | 一种紫砂壶底部款识真伪鉴别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109101979B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101582162A (zh) * | 2008-05-14 | 2009-11-18 | 上海锦渡信息科技有限公司 | 基于纹理分析的艺术品鉴别方法 |
CN104008400A (zh) * | 2014-06-16 | 2014-08-27 | 河南科技大学 | 结合sift和bp网络进行物体识别的方法 |
CN104834931A (zh) * | 2015-03-13 | 2015-08-12 | 江南大学 | 一种基于小波变换的改进的尺度不变特征匹配算法 |
CN107679872A (zh) * | 2017-09-28 | 2018-02-09 | 中链科技有限公司 | 基于区块链的艺术品鉴别方法及装置、电子设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361056A (zh) * | 2014-10-30 | 2015-02-18 | 蒲重良 | 一种古陶瓷真伪自动鉴定系统及方法 |
CN106407327A (zh) * | 2016-08-31 | 2017-02-15 | 广州精点计算机科技有限公司 | 一种基于hog和视觉词袋的相似图像搜索方法和装置 |
CN106570475B (zh) * | 2016-11-03 | 2019-08-02 | 南京航空航天大学 | 一种紫砂壶印章检索方法 |
-
2018
- 2018-07-11 CN CN201810758292.3A patent/CN109101979B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101582162A (zh) * | 2008-05-14 | 2009-11-18 | 上海锦渡信息科技有限公司 | 基于纹理分析的艺术品鉴别方法 |
CN104008400A (zh) * | 2014-06-16 | 2014-08-27 | 河南科技大学 | 结合sift和bp网络进行物体识别的方法 |
CN104834931A (zh) * | 2015-03-13 | 2015-08-12 | 江南大学 | 一种基于小波变换的改进的尺度不变特征匹配算法 |
CN107679872A (zh) * | 2017-09-28 | 2018-02-09 | 中链科技有限公司 | 基于区块链的艺术品鉴别方法及装置、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109101979A (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115861135B (zh) | 一种应用于箱体全景探测的图像增强及识别方法 | |
CN114418957B (zh) | 基于机器人视觉的全局和局部二值模式图像裂缝分割方法 | |
Liang et al. | An efficient forgery detection algorithm for object removal by exemplar-based image inpainting | |
Bi et al. | Multi-scale feature extraction and adaptive matching for copy-move forgery detection | |
CN109948566B (zh) | 一种基于权重融合与特征选择的双流人脸反欺诈检测方法 | |
CN113963042B (zh) | 基于图像处理的金属零件缺陷程度评估方法 | |
CN110033040B (zh) | 一种火焰识别方法、系统、介质和设备 | |
JP5431362B2 (ja) | 画像識別のための特徴ベースの識別特性(signature) | |
AU2011250827B2 (en) | Image processing apparatus, image processing method, and program | |
CN111445459A (zh) | 一种基于深度孪生网络的图像缺陷检测方法及系统 | |
CN113392856B (zh) | 图像伪造检测装置和方法 | |
Xiao et al. | Defocus blur detection based on multiscale SVD fusion in gradient domain | |
Alshayeji et al. | Detection method for counterfeit currency based on bit-plane slicing technique | |
Su et al. | A novel forgery detection algorithm for video foreground removal | |
CN108537286A (zh) | 一种基于关键区域检测的复杂目标精准识别方法 | |
Thajeel et al. | A Novel Approach for Detection of Copy Move Forgery using Completed Robust Local Binary Pattern. | |
CN113609984A (zh) | 一种指针式仪表读数识别方法、装置及电子设备 | |
Lin et al. | PRNU-based content forgery localization augmented with image segmentation | |
Rhee | Detection of spliced image forensics using texture analysis of median filter residual | |
Al-Hammadi et al. | Improving SURF based copy-move forgery detection using super resolution | |
Wang et al. | Image copy-move forgery detection based on dynamic threshold with dense points | |
CN109101979B (zh) | 一种紫砂壶底部款识真伪鉴别方法 | |
Tripathi et al. | Automated image splicing detection using texture based feature criterion and fuzzy support vector machine based classifier | |
CN111986176B (zh) | 一种裂纹图像识别方法、系统、终端及可读存储介质 | |
CN114937211A (zh) | 基于不变对象的遥感影像变化检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |