CN109478243B - 材料主体的增强认证的方法 - Google Patents
材料主体的增强认证的方法 Download PDFInfo
- Publication number
- CN109478243B CN109478243B CN201780043661.4A CN201780043661A CN109478243B CN 109478243 B CN109478243 B CN 109478243B CN 201780043661 A CN201780043661 A CN 201780043661A CN 109478243 B CN109478243 B CN 109478243B
- Authority
- CN
- China
- Prior art keywords
- image
- relationship
- similarity
- tile
- material body
- 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
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
Abstract
本发明涉及用于确定两个图像之间的关系印记的方法,方法包括以下步骤:‑实现第一图像和第二图像,‑计算分别属于第一图像和第二图像的图块之间的相似性矢量的阶段,相似性矢量形成印记矢量场,印记矢量场包括熵标准意义上无序的至少一个无序区域,‑记录所计算的印记矢量场的表示作为关系印记的阶段。本发明还涉及用于认证与实现根据本发明的用于确定关系印记的方法的真实图像相关的候选图像的方法。
Description
技术领域
本发明涉及材料主体的认证和完整性检查的技术领域,以及视觉密码学领域。在优选的但非排他性的申请中,本发明涉及材料主体的统一认证领域。
背景技术
图像匹配方法是公知的,用于机器人视觉伺服或导航中的对象识别/定位,用于从立体视觉中的不同视点对同一场景的重建,用于在全景摄影中部分重叠的视图的组装,或者还用于图像搜索/图像数据库索引中的形状识别。还存在随时间推移的对象跟踪方法。然而,所有这些方法都搜索以确定两个图像之间存在的较高或较小的相似性,但不允许对图像或对图像所来自的主体或获取该图像的主体进行认证。
因此,需要一种用于关联两个图像的方法,该方法能够解决两个图像中至少一个图像中存在的固有危险,或者还解决两个图像中存在的固有危险以及通过比较来进行解释。也就是说,特别地,用于关联两个图像的方法使得可以解释和使用在诸如特别是纹理和轮廓的属性的不同尺度上的奇特变化(singular variability)。
发明内容
为了实现该目的,本发明涉及一种用于确定两个图像之间的关系印记(imprint)的方法,包括:
-实现至少一个材料主体的第一图像和第二图像,
-计算分别属于第一图像和第二图像的图块(tile)之间的相似性矢量的阶段,相似性矢量形成印记矢量场,印记矢量场包括熵标准意义上的至少一个无序区域,
-将在前一步骤计算的印记矢量场的表示记录为关系印记的阶段。
根据本发明的关系印记可以用于各种应用中,例如以在获取材料主体的图像之后认证、识别、检查图像或材料主体。
本发明一方面有利于实现来自材料主体的物质的单一性、不可再现性和不可预测性的特性,并且使用图像与视图的相关,特别地,以确定第一图像相对于第二图像的所谓关系印记,第一图像和第二图像中的至少一个是材料主体的图像。从该关系印记可以经由数字调节(conditioning)推导出用于自动认证任务的关系签名。从该关系印记还可以经由认知调节推导出关系刺激,用于针对人类用户的至少一种感觉进行认证,而无需前期训练或特定材料,使用后者的能力来衡量或判断现象的存在以及质量。这就是我们所说的“增强认证”。
在本发明的意义上,在不改变本发明的精神的情况下,“矢量场”可以理解为一个或多个标量场,并且更一般地理解为一个或多个张量场,已知0阶的张量是标量,且1阶的张量是矢量。因此,在本发明的意义上,术语“矢量场”应理解为等同于术语“张量场”,其中这两个术语可以无差别地使用,除非另有说明。也可以设想实现张量场的本发明的变体,其视情况可以是不同阶的,用于确定相同关系印记,只要其与本方法的实现的不同特征不是不兼容的。
在计算分别属于第一图像和第二图像的图块之间的相似性矢量的阶段期间计算的相似性矢量集与至少一个矢量场可比较,因为理论上可以通过在每个点处并针对每个相似性矢量使用由一类相似性指示符和相似性等级定义的计算方法在参考图像的任何点处来计算一个或多个相似性矢量。也可以在参考图像的所有其它点处完成可以通过内插或者外推或者具有先验固定值的矢量函数来计算的场的一部分,以严格意义上近似或重构场。
在本发明的意义上,印记矢量场是严格意义上的矢量场的采样版本,由一个或多个相似性矢量场组成,相似性矢量场由相似性矢量组成,每个相似性矢量在其应用点处根据相同的计算方法来计算。
因此,在本发明的意义上,印记矢量场可以由相似性矢量场或相似性矢量场的叠加组成。因此可以叠加多个相似性矢量场以形成印记矢量场。
相似性矢量场的叠加是指例如在相同应用点处其相应相似性矢量的矢量和、和/或在任何应用点处其相应相似性矢量的并置(juxtaposition)。
可以理解,视情况而定,处理上文公开的相似性矢量场与构成印记矢量场的相似性矢量以及与其各自的计算方法点对点呼应。
而且,在本发明的某些执行中,保持所执行的处理操作的历史(针对每个相似性矢量,用于获得它以及与其它矢量的潜在组合的计算方法)可能是有用的,特别是在最后定下关系印记以及对其成分进行分类之前。
根据本发明的方法,印记矢量场包括至少一个无序区域,并且视情况而定,包括一个规则区域。
根据所描述的方法,所计算的印记矢量场的表示包括以下内容,以根据情况形成关系印记:
-所计算的相似性矢量集,
-仅所计算的相似性矢量的一部分,
-从所计算的相似性矢量的组合中产生的全部或部分矢量。
此外,对于所考虑的每个相似性矢量,关系印记特别地可以包含其计算方法和/或其在熵标准意义上的无序字符或无字符。
根据本发明的方法,关系印记具有利于以不同形式在各种配置中执行诸如认证的功能的形式。
因此,关系印记可以由一个或多个类的相似性矢量组成,根据它们是否具有无序字符、和/或是否根据计算方法或另一方法获得、和/或是否以某种方式或者另一方式在图像中地理分布、和/或是否彼此独立、和/或是否稳定......
关系印记可以仅包含一类相似性矢量,其由形成所计算的印记矢量场的全部或部分相似性矢量组成。
主体图像集的关系印记可以指代同一主体图像。视情况而定,同一主体图像可以属于参考另一参考图像的第二或第n主体图像集。
主体图像的关系印记可以指代不同类的参考图像(例如,细胞材料的主体图像,关于参考图像是一张纸、或人的一块皮肤的图像)。
主体图像的关系印记也可以指代同一类的图像(例如,具有其存根的票证(ticket))或者也指代自身。在后一种情况下,可以变换主体图像以生成参考图像,允许在印记矢量场的第一相似性等级进行计算,该印记矢量的区域是无序的。根据优选实施例,在应用计算相似性矢量的阶段之前,将主体图像变换为负的(与潜在渲染设备的动态范围兼容)。
主体图像的关系印记也可以指代给定类的图像,视情况而定,其至少部分地通过图像合成方法(诸如生成动态纹理的方法)来形成和/或描述。当图像合成方法使用属于大尺寸集的至少一个输入参数时,如在具有(伪)随机输入图像的反应扩散方法的情况下,该输入参数可以用作种子,视情况而定,以根据需要生成对应的参考图像。
还可以根据一个或多个参考图像确定关系印记,使得可以在多个环境中使用本发明的方法,每个环境使用相同的参考图像,同时保持环境之间的紧密性。
根据本发明的特征,在记录阶段之前,方法包括将相似性矢量分类为至少一个所谓的无序类和一个所谓的规则类的步骤,包括根据区域熵标准和分类阈值将每个相似性矢量分配到以上类中的一者。
根据本发明的特征,当选择在等于1的等级计算相似指示符时,根据其是否满足熵标准,将每个相似性矢量引入/添加到无序类或规则类中,其中,相应地,空矢量则可以被引入/添加到规则类或无序类中,作为补充。
关系印记可以被记录,例如作为根据它们所属的类链接到它们的参考点的相似性矢量集的列表。
根据本发明的特征,关系签名被记录以用于后期使用,优选地记录到数据库中或甚至记录到图形代码中。
根据本发明的特征,方法包括压缩印记矢量场并将压缩结果记录为关系印记的步骤。
根据本发明的特征,记录关系印记与记录所使用的至少一个图像相关联。
应注意,在本发明的意义上,术语“记录”从广义上理解(不精确地),当然要与本发明的对应实现兼容。因此,在本发明的意义上,术语“记录”是指以数字或模拟形式以任何合适的方式记录。在与本发明兼容的记录模式中,可以特别提及:在任何计算机和/或电子格式下记录、在适于实施本发明的支持物上的印刷形式下记录、以彩色或黑白照相记录、以全息形式记录、以雕刻形式特别是通过激光记录,该列表是非限制性的和非穷尽的。
在本发明的意义上,“图块”应理解为包含空间信息的标记图像的一部分,所述空间信息关于材料对象的结构或微观结构(例如自然存在的不均匀性)和/或合成结构性质(例如,合成模式或伪危险)和/或基于该结构或微观结构空间信息(例如,局部不变描述符)计算的局部特征。在本发明的框架内,术语“纹理”或“微观纹理”涉及图像上可见或可观察的内容,而术语“结构”或“微观结构”涉及材料对象本身。因此,认证区域的纹理或微观纹理对应于认证区域的结构或微观结构的图像。
计算相似性矢量的阶段包括:确定第一和第二图像共有的标记的步骤;在第一图像中确定参考图块集的步骤,每个参考图块与具有在公共参考系统中的坐标的至少一个参考点相关联;在第二图像中搜索一致图块的步骤,每个一致图块与与其具有一定程度的相似性的参考图块匹配,并且每个一致图块与具有在所述公共参考系统中的坐标的至少一个参考点相关联;基于每个参考图块和相关联的一致图块的参考点的坐标计算每个相似性矢量的坐标的步骤。
根据本发明的特征,相似性矢量在平面或二维空间中计算。
参考图块可以覆盖或者不覆盖整个支持图像,可以彼此重叠或者也可以彼此分离,使得支持图像的一部分不被覆盖。
参考图块和/或它们的空间分布可以是预定的或自适应的。对于同一图像,甚至可以想到组合这两种配置。
它们可以基于例如以下内容来预先确定:
-给定网格,已知该网格可以由具有规则的或非规则(扭曲网格)的形状、大小和位置的图块组成;或者
-重叠或不重叠的,具有规则的或非规则的形状、大小和位置的不同单一图块集。
此外,参考图块和/或其空间分布还可以以自动自适应的方式确定,例如在实现局部特征检测算法时自动地确定。
参考点和/或其空间分布可以是预定的或自适应的。对于同一图像,甚至可以想到组合这两种配置。
它们可以基于例如以下内容来预先确定:
-给定网格的节点,已知该网格可以是规则的或非规则的(扭曲网格);或者
-点云。
此外,参考图块和/或其空间分布还可以以自动自适应的方式确定,例如在实现局部特征检测算法时自动地确定。
对于每个参考图块,搜索一致图块的步骤可以使用对应于该参考图块的第一图像的部分与第二图像的检查部分之间的一系列相似性指数的计算,检查部分在第二图像中移位用于每个相似性指数并且通过选择作为与该参考图块相关联的一致图块,检查部分与该参考图块具有显著程度的相似性。
搜索一致图块的步骤还可以包括在第二图像中确定检查图块集,并且对于每个参考图块:
-计算一系列相似性指数,每个相似性指数在对应于该参考图块的第一图像的部分与对应于检查图块的第二图像的部分之间计算,检查图块对于每个指数是不同的,
-选择与该参考图块具有给定程度的相似性的检查图块,作为与该参考图块相关联的一致图块。
参考和检查图块集的确定可以以自适应方式通过实现特征检测和描述的算法来执行,例如集成在下述方法A-KAZE、SURF、SIFT、ORB......中的例如来自定律(Law)、或局部二进制模式(LBP)、或信号水平梯度、或分布或时空滤波器。
搜索一致图块的步骤也可以通过顺序地和/或同时地组合上述两种方法来执行。
在本发明的意义上,根据计算方法,借助相似性指示符和所选择的相似性等级n来评估两个图块之间的相似性(如果n=1,则为第一最大值,如果n=2,则为第二最大值,等等),其值称为相似性指数(正值或绝对值),并且因为图块彼此相似所以更高。显著程度的相似性是针对给定参考图块和计算方法所计算的一系列相似性指数的最大相似性指数。
根据本发明的特征,相似性的程度对应于在根据与参考图块的相似性的指数按降序排序的一系列检查图块中作为一致图块保留的检查图块的等级。
标准化相关性或差异相关性可以用作一类相似性指数。更一般地,散度或合适的距离的倒数可以用作相似性指示符。相似性指示符还可以应用于借助在图块之间的局部描述符检测和量化的特征兴趣点的匹配,例如来自定律、或局部二进制模式(LBP)、或信号水平梯度、或分布、或时空滤波器。因此,在以下方法A-KAZE、SURF、SIFT、ORB......中集成的比较方式可以用作本发明意义上的相似性指示符。
根据本发明的特征,在计算第一和第二图像之间的相似性矢量的阶段期间,在高于或等于1的局部等级处选择局部相似性指示符。
根据本发明的特征,所实现的两个图像彼此相同,并且选择等级2的相似性指示符,以便在确定关系印记时计算相似性矢量。
根据本发明的方法,计算相似性矢量直到等级足够高以获得包括熵标准意义上的至少一个无序区域的印记矢量场。
在本发明的意义上,熵标准旨在决定候选相似性矢量相对于位于其邻区(其形状和大小是预定义的)之一的相似性矢量的无序字符或无字符。该二进制标准包括例如将预定义阈值应用于在邻区评估的不可预测性指数,例如视具体情况而定通过其范数加权的相似性矢量的取向的(标准化的)直方图的熵。然后验证熵标准,并且当不可预测性指数具有高于(或等于)阈值(例如1比特)的值时,候选相似性矢量将被限定为无序的(即置于无序矢量的类中)。在相反的情况下,候选相似性矢量将被放置在规则类中。换句话说,候选相似性矢量的邻区中的相似性矢量的模块的平均值与标准偏差的比率可以被认为是熵标准。如果大于1,则通常候选相似性矢量将进入无序类;相反,将进入规则类。当然,必须在邻区的大小和辨别细度之间进行折衷。同样,根据是在线、柱还是矩形图块上工作,邻区的形状可能很重要。其它熵标准适用于本发明的框架内。在本发明的意义上,当等级n的相似性矢量场的区域包括连接区域中缺乏基本规则的意义上在混沌方面全部无序的密集相似性矢量集时,其被称为“无序等级n”。在相反的情况下,在存在基本规则的意义上例如在其表示的基本矢量场的规则性和相关的场线的连续性的意义上,其被称为“规则的”。例如,也可以讨论如图7所示的有序类,只要右侧的角度分布稍微分散些,而对于无序类,角度分布在三角形圈的360°上是完全分散的。同样地,如图14所示,可以在14-B中谈论规则类,只要适用的规则是“空白印刷区域中的大多数是对应的”,而在14-A中,在所考虑的区域中没有对应关系,因此隐含地是对应无序的。
本发明的方法实现的图像必须至少位于具有局部可变空间结构的某些区域中,以便可以在显著程度上在相似性指示符的意义上评估在第一图像的参考图块和第二图像的检查部分或图块之间的相似性。在本发明的意义上,视情况而定,可以理解“局部可变结构”为存在诸如轮廓和/或纹理之类多尺度的、易于表征主体图像属于一类图像或表征同一类图像中的主体图像的图像属性。
根据本发明的特征,每个材料主体的参考图像是材料主体图像的反转图像,用于确定关系印记的方法的参考图像。
根据本发明的特征,参考图像对于所考虑的所有材料主体是相同的。
根据本发明的特征,多个图像的串接可以用作参考图像,其相当于在相同起始图像上相对于例如若干材料主体或者材料主体和合成图像计算相似性矢量。
术语“图像”应在广义上理解,并且不限于光学图像的单个意义,特别是从到可见光发射辐射的认证区域的应用产生的。因此,认证和验证图像可以通过认证区域上与合适的获取链相关联的任何类型的请求来获得,应当理解,实现相同类型或相同性质的动作以获取认证和验证图像两者。在可以想到的类型的动作或获取模式中,可以特别提到超声波、远红外线、太赫兹、X射线或伽马射线、X射线或激光断层扫描、X射线照相、磁共振,该列表是非限制性的和非穷举的。在本发明的意义上,“图像”还可以理解为具有合适的微观纹理的材料主体的3D表示,微观纹理表示所考虑的材料主体的稳定的、固有的、独特的和不可再现的微观结构。
因此,用于改进图像的光学和/或数字预处理可以应用于后者,以获得更好的信噪比和/或更好的视觉感知。因此,可以例如进行光学变焦(可变焦距装置)和/或数字变焦以更好地选择观察尺度、进行反卷积图像以抑制聚焦缺陷或模糊、进行带通滤波以选择/支持中频的细节或对比度增强以突显对比度。因此,为了便于可视化关系印记,认证和验证图像可以在被显示或甚至被记录之前经受一个或若干改进处理操作,例如对比度增加、光增加、灰度直方图的均衡、分解颜色中直方图的均衡、带通滤波。在这方面,需要提醒的是,可以用灰度图像和/或彩色或多光谱图像或用二进制图像来实现根据本发明的方法。
根据本发明的另一特征,记录认证区域在待认证主体上的位置。尽管这不是必需的,但是这种记录对验证阶段有利。
根据本发明的另一特征,在待认证主体上标记认证区域在待认证主体上的位置。尽管这不是绝对必要的,但是该标记也对验证阶段有利。
根据本发明的特征,计算印记矢量场的阶段包括在计算印记矢量场之前变换第一图像和第二图像中的一个和/或另一个的步骤。
根据本发明的特征,所应用的图像变换步骤包括从线性变换或线性变换组合中选择的局部地应用于图像的至少一个几何变换。优选地,变换是具有至少一个固定或准固定点的变换。准固定点是指经历非常小幅度的位移的点。
根据另一特征,图像变换引起修改前的认证区域的图像的被修改图像部分的减小的或小幅度的或非常小幅度的修改。
根据本发明的另一特征,相对位移是转换、旋转、或一个或多个旋转和/或转换的组合。
根据本发明的另一特征,相对位移的距离被缩短或者具有小幅度或非常小幅度。
根据本发明的特征,转换步骤是配准(registration)。
根据本发明的特征,在计算阶段之前,方法包括参数化步骤,该参数化步骤包括确定以下参数中的至少一个:
-应用于第一图像的参考图块或每个参考图块的大小、形状、位置,
-参考点的预定义空间分布或使用的算法以及用于确定它们的初始数据,
-应用于第二图像的检查图块或每个检查图块的尺寸、形状、位置,
-所选择的相似性指示符、以及视情况而定要使用的等级,作为视情况而定在增量搜索无序区域期间的初始值,
-第一图像和第二图像的使用顺序,
-用于评估熵标准的邻区的大小、形状,
-阈值密度,基于该阈值密度由无序矢量形成的连接区域被宣布为无序,
-参考图块和/或一致图块的大小、形状、位置,第一图像和第二的使用顺序,
-用于确定无序区域的存在的评估窗口的大小和形状。
根据本发明的特征,方法包括使用关系印记的数字表示作为图像相对于另一图像的相对或关系签名的步骤。
根据本发明的特征,方法包括感觉表示关系印记的步骤。然后,该感觉表示优选地是视觉和/或音色的和/或触觉的。
根据本发明的特征,计算印记矢量场的阶段包括:
-计算两个图像之一与另一图像之间的若干中间相似性矢量场的步骤,经历与另一个的中间相似性矢量不同的变换,
-在彼此之间比较中间相似性矢量场并且保持具有最佳、最大或最小相似性的中间相似性矢量场作为印记矢量场。
根据本发明的特征,方法包括在记录阶段之前,将相似性矢量场分解成至少一个所谓的规则部分和一个所谓的无序部分的步骤,包括根据区域熵标准将每个相似性矢量分配到规则和无序部分中的任何一个。
根据本发明的特征,当在阶等于1处选择局部最佳相似性时,对于所考虑的局部等级,根据它是否满足区域熵标准,将相关的相似性矢量添加到印记矢量场的无序分量中或者添加到印记矢量场的规则分量中,空矢量则分别添加到规则分量或无序分量中。
根据本发明的特征,方法包括编码关系印记、数字整形,以便获得图像相对于参考图像的关系签名的步骤,该关系签名可以用作主体图像或成像的材料主体的单一鲁棒的认证符。
在最后一种情况下,来自材料主体而不是对应于材料主体作为简单标识符,关系签名旨在将材料主体没有模糊性的单一化(单一性和固有特征,因此不可再现性),同时基于新的图像获取在任何瞬间是可再生的,并且在材料主体的正常演变的框架内随时间稳定。参考图像可以是性质与起始图像完全不同的自然或合成图像(例如一张纸相对于一块烧结青铜或一块皮革的关系特征)。
然后,关系印记的编码构成获得关系签名的步骤,其中相似性矢量(特别是无序类的相似性矢量)经历了根据“编码字母表的字母”的量化,通常是但不是非穷举的二进制、四进制或其它的。
编码步骤可以根据它们来自的参考图像的拓扑来保持关系印记的相似性矢量的排序。在对随机印记的分层访问组织的框架内,编码步骤可以使用所获得的借助隐藏种子生成的字母的伪随机交换。
根据本发明的优选模式,编码关系印记的相似性矢量是根据其取向来执行的,借助通常在四进制模式{东北,西北,西南,东南}或二进制模式{东北\西南,西北\东南}中被划分成相等角度扇区的罗盘(compass ross)。量化之后可以根据例如格雷码(Gray code)分配比特,和/或压缩(例如熵压缩)范围或进行霍夫曼类型压缩或者例如通过字典进行算法压缩。
在优选实施例中,关系签名是通过根据刻有其相似性矢量的角度扇区东北\西南和西北\东南编码的无序类的相似性矢量而获得的级联比特链。
关系签名可以用于区分和/或识别图像集中的主体图像或者材料主体集中其获取的材料主体对象。
可以从参考图像获得关系签名,参考图像是主体图像的变换。其然后呈现出更“绝对”的特征。
通过使用的实际例子,关系签名允许以稳定且特定的方式区分大量纸张中的纸张样本:本文考虑200个材料主体元素集,成像纸张的厘米部分。关系签名具有更“绝对”的特征,只要参考图像是对材料主体的标准化图像的1的补充(complement)。实现的参数是:根据间距24x24像素的规则网格的节点的参考点的分布;居中于这些参考点大小为64x64像素的参考图块;对于每个参考图块,将居中于参考点的128×128像素的检查部分分隔开的四个大小为64×64像素的检查图块;等级1的标准化中心相关性作为计算方法(通过将当前参考图块叠加到所考虑的每个检查图块来计算一系列相似性指数,并通过选择其相似性指数最高的那个作为一致图块)和邻区尺寸3×3(即围绕当前矢量的8个相似性矢量),被考虑用于评估熵标准。因此,无序类/分量由11x15=165个矢量组成(图中显示了每个其它矢量),其方向东北\西南编码为“0”或西北\东南编码为“1”,给出165位的二进制签名。来自不同材料主体的不同主体图像的签名之间测量的归一化汉明距离平均为(49.987+/-4.659)%,偏差低于0.02%。在配准图像之后,来自同一材料主体的不同主体图像的签名之间测量的汉明距离平均为(5.454+/-1.967)%。这两个分布在它们的平均值之间的绝对值的差的意义上被定量地分开12.452,该平均值通过其方差的半和的平方根归一化。从包含数百万或数十亿个个体的族中的材料主体的统一认证的角度来看,这提供了与自动使用关系签名相关的辨别能力。
关系签名可以用作种子,例如在用于生成伪随机数或图像的算法的输入处。
关系签名可以在加密机制中使用。
当主体图像来自获取材料主体的图像时,可以通过算法处理来改进包含真实危险的关系签名。关系签名可以经受(如果它是二进制的,则不进行转码)冯诺依曼校正以及异或或者散列函数或者也可以经受弹性函数以便构成随机数的生成器。
这样,关系签名可以构成要在视觉秘密分享(当关系签名满足独立随机数序列的标准时,将讨论视觉加密)框架内分享的图像。在优选实施例中,关系签名来自被减少到其无序类/分量并且根据角度扇区西北(NW或1)、西南(SW或2)、东南(SE或3)和东北(NE或4)量化的关系印记,其中刻划了其相似性矢量。通过分别在右上方、左上方、左下方和右下方用三角形子矩阵代替每个四进制代码,这样构造的分享的图像具有带三角形基本形状的纹理。在两个参与者之间的秘密分享中,如果该处的秘密消息的比特是0,第二分享的图像可以例如通过考虑在同一位置处采用与第一分享的图像中相同的三角形来构造,以及如果秘密消息在该处的比特是1,考虑相反的三角形(例如,如果第一分享的图像中的三角形是NW,则是SE)。当主体图像来自材料主体的图像的获取时,可以不保存第一分享的图像,而是从对材料主体的新获取中重建。
仍然根据本发明,分享的图像的三角形纹理可以允许为分享的图像引入反欺诈机制。可以在秘密消息的解密时使用由可信第三方在构建要分享的图像时保持的附加图像。借助除了西(W)之外的空子矩阵,分别是南(S)、东或北(N),与分享的图像大小相同的该附加图像旨在指向在构造第二分享的图像之后与第一分享的图像中的每个四进制代码相关联的三角形相对的三角形。如果消息比特为0,则通过重新复制第一分享的图像的对应三角形来构造第二分享的图像,使得两个分享的图像的叠加在该位置产生(该)三角形,并且如果消息比特为1,通过随机或伪随机选择不同但不相反的三角形,使得两个分享的图像的叠加在该处产生凹口(并且不是正方形)。在该处,构造附加图像,使得如果消息比特为0,叠加到两个分享的图像,所获得的形状是角,如果消息比特是1,则所获得的形状相应地是正方形(矩形)。作为说明:如果关系签名的位置i处的代码是1,则在第一分享的图像中(在正方形子矩阵内)在该位置处创建三角形NW。如果消息比特为0,则在第二分享的图像和空的子矩阵(相同大小)中相同位置创建三角形NW,在附加图像中东部除外(或根据[伪]-随机抽取在南部)。如果消息比特为1,则在第二分享的图像和空子矩阵中该相同位置处创建三角形SW(或根据[伪]-随机抽取在NE处),附加图像中东部除外(相应地,在南部)。这样,在分享的图像中欺骗性地将三角形替换为另一三角形就会在叠加两个分享的图像时在平均一半的时间出现正方形,而不是消息所在位置的凹口,以及在叠加两个分享的图像和附加图像时在平均一半的时间出现凹口,而不是背景位置(与消息互补的区域)的角。
关系信号还可以允许根据协议认证主体图像,而没有知识泄露。由于它没有示出主体和参考图像的结构,关系签名可以有利地用作对由一类参考图像的合成模型组成的挑战的答案。根据模型(其可以通过等式在种子内定义,典型情况是反应-扩散),在确定主体图像和所生成的参考图像之间的关系印记以及由此相关联的关系签名之前,可以在接收挑战时使用从关系签名分享的或导出的隐藏种子来生成参考图像。当主体图像来自在获取规模上不可克隆的材料主体的图像(在预定义条件下)的获取时,所讨论的材料主体可以用作物理不可克隆功能,用于通过前述挑战/答案对来对其进行认证。
根据本发明的特征,对于图像集,系统地使用相同的参考图像作为第一图像或第二图像,允许根据相同参考来计算关系签名集。
根据本发明的特征,确定关系印记的方法利用呈现具有固有的和随机微观纹理的区域的材料主体的至少一个图像来实现。在某些实施例中,具有随机固有微观纹理的该区域可以被认定为认证区域。在这方面,发明人有利地证明本发明意义上的关系印记可以基于随机和固有微观纹理区域的图像来确定,而不需要这些区域具有远大于随机固有微观纹理的尺寸的形状、轮廓或图案。
在本发明的意义上,微观纹理是固有的和随机的,因为它是由认证区域的性质本身产生的。在本发明的优选实施例中,每个要被认证的主体属于包括至少一个认证区域的主体族,该至少一个认证区域包括基本上随机的固有结构,其不易再现,即其再现是困难的或者甚至是不可能的,特别是其来自一个在观察尺度上无法预测的过程。此类具有基本上随机的、不易再现的、固有的连续介质结构的认证区域对应于物理不可克隆功能(PUF),例如特别是2011年01期英文出版物“密码学与安全百科全书”(Encyclopedia ofCryptography and Security)第929至934页在Jorge Guajardo的论文中所定义的。优选地,根据本发明的材料主体的认证区域对应于在上述论文中称为“固有PUF”的固有的物理不可克隆功能。
发明人利用以下事实:认证区域的微观结构的随机性质对于主体的性质本身是内在的或固有的,因为它是由其精心制作、发展或成长的模式产生的,因此没有必要向认证区域添加特定结构,特别是印刷或雕刻。然而,这并不排除使用自然的或添加的奇点(singularities)来促进例如配准和/或相对缩放、或图像相对于另一图像的任何其他变换。
此外,发明人已表明,规则相似性矢量场只有在随机结构的图像相同(在减少的修改范围内)时出现,在图像不相同(在变换或小变形内)(视情况而定)时不出现,或者不是从主体的相同认证区域的获取中产生。应注意,在视觉上,规则相似性矢量场的相似性矢量表现为由底层场线(underlying lines of field)承载。
因此,本发明可以经由关系印记和感觉调节提供单一的视觉认证,同时如上所述,允许经由关系签名进行自动单一认证。
此外,可视化足够密集的、规则或非规则的相似性矢量场使得在本发明的框架内有可能在操作者决定验证或不验证待认证主体的真实性时保护或加强操作者。在这方面,需要强调的是,本发明使得有可能只要观察到规则相似性矢量场,就消除关于待认证对象的真实性的疑问。然后确定真实性(如果正确地遵守了实施条件)。另一方面,在没有观察到规则矢量场的情况下,在已经遵守严格的实施参数的明确条件下并且如果材料主体没有在记录和坚持之间经过太有害的修改时,可以确定非真实性。
此外,发明人已经强调了以下事实:只要材料主体具有足够的随时间推移的材料稳定性,在可以分开为若干天、若干月或若干年的不同时刻产生的图像使得可以根据本发明生成规则相似性矢量场。此外,根据本发明,可以在记录认证图像之后修改待认证主体同时保持可认证,只要认证区域的一部分没有受到这些修改的深刻影响,无论是否是自愿的。
根据本发明的特征,自动将候选关系签名与先前已经例如根据相似性的统计标准记录到数据库中的真实关系签名进行比较,使得如果达到决策阈值可以将候选关系签名视为类似于所记录的关系签名。
根据本发明的特征,对于实现的每个关系签名,已经使得可以生成关系签名的至少一个图像是来自材料主体的参考区域的获取,该参考区域具有固有的和随机的微观结构,也称为不可克隆的材料结构(或“物理不可克隆功能”PUF)。在该框架内,根据达到决策阈值进行验证还意味着候选材料主体与参考材料主体相似或相同。然后,基于具有固有的和随机的微观结构的候选主体的认证区或区域的至少一个图像,建立与候选主体相关的关系签名。同样地,基于具有固有的和随机的微观结构的真实对象的认证区或区域的至少一个图像来建立与参考或真实对象相关的关系签名。如果认证区相同或相似,则关系签名将相同或相似。在本发明的意义上,应理解的是,图像被认为是固有的和随机的微观结构区,因为图像至少包括该区但不一定仅由该区组成。
根据本发明的特征,在本发明意义上的实现之前,认证和/或验证图像经历修整(desceening)和/或滤波(例如带通滤波)。该特征使得可以消除潜在周期性模式,该潜在周期性模式可能干扰或妨碍确定真实主体情况下的可行关系印记或关系签名的不同步骤的良好执行。
通过关系印记关注两个图像之间的特征关系的方法还使得可以使用后者的认知表示来“一目了然”地检查这两个图像之间的全部或部分的相似性程度。它是对关系印记的调节、认知成形,使得在感知认证过程中可以被人或甚至人形体感知或解释。此类调节是对具有关系签名形式的调节的补充:第一个主要是为了让用户做出直观决定而设计的,而第二个主要是为了让机器自动决定而设计的。当根据我们的视觉加密目的的方法实现关系签名时,以及当是用户必须判断所获得的结果(可理解的、潜在的攻击、美学方面......)时,或者更一般地,当使用关系签名产生用户可感知的效果时,这些条件可以相互结合。
在本文中,将“关系刺激”(对关系印记的调节)称为能够被普通用户的感觉系统感知并允许他/她解释它的信号。全部或部分地、分开地或同时地,“感知”是指时间、空间性质的视觉、听觉、嗅觉、触觉、味觉感知。在一般情况下将讨论感觉认证,并且根据它是否使用用户的视觉、触觉、音色......能力来分别讨论视觉、触觉、音色......认证。
在成形关系刺激的步骤期间,优选模式包括依赖用户的视觉(SVH)和/或音色和/或触觉和/或视听和/或时空感知能力。
基于给定关系印记的关系刺激的示例可以是后者的表示,作为彩色或无色图像,具有一个或多个针对用户的视觉感知能力的不同1D、2D或甚至3D区域。
根据关系印记的构成类,采用不同颜色表示的可能性。
本发明的实施的模式,作为相对于真实图像的候选图像的视觉认证的方法,方法的特征在于包括以下步骤:
-实现确定关系印记的方法,其中真实图像作为第一图像,候选图像作为第二图像,或者相反。
-在所实现的两个图像之一上,视觉上、图形上显示构成关系印记的一类或若干类相似性矢量,
-在观察来自所确定的关系印记的可视化中的至少一个有序区域的情况下,得出关于真实图像的候选图像的至少部分或区域的真实性。
在显示步骤之前,视觉验证阶段可以包括搜索要与候选图像进行比较的真实图像的步骤。该步骤可以是确定候选图像的关系签名然后将确定的关系签名发送到服务器的步骤,服务器响应于该发送并且基于关系签名向电子验证装置自动发送一个或者若干用于显示步骤的认证图像。然后,服务器将包括基于关系签名索引的认证图像的基础,以及可能的待认证主体的标识符。然后,验证可以包括将从候选主体提取的签名与数据库中参考所指向的签名(一对一认证)进行定量比较,或者与数据库中标识的n个签名的子集(小n,通常大约1到10)进行定量比较,作为最接近的签名和/或最可能的真实主体(1到n标识),其中对应的认证图像然后可以由操作者进行视觉识别或这样传输,以便操作者执行本发明的方法目标。
上文所述的继续使用包括:
-支持图像,在其上应用构成关系印记的一类或几类相似性矢量的可视化,由候选和真实图像的合并(根据α通道的混合)组成,
-实现图像的方式是使得如果它们至少部分地显示则它们可以显示出玻璃类型的效果。
因此,当玻璃类型的现象不够强时或者当用户对其检测不充分敏感时,向用户提供特别明显的额外辅助。
根据本发明的方法的另一种使用模式,作为用于相对于真实图像验证候选图像的方法,通过关系刺激的视觉以外的性质,并且包含以下步骤:
a.记录:
-确定真实图像与所选参考图像之间的关系印记,
-基于关系印记确定关系刺激,该关系刺激针对真实图像和所选参考图像之间的至少一种选择的感知类型,
-实现用户可识别或可理解的与所选择的感知类型兼容的支持内容,
-采用全部或部分关系刺激调制支持内容,调制结果通常是用户可识别一点或不可识别或可理解的,
-记录支持内容调制的结果,并且视情况而定,采用真实图像和/或所选择的参考图像进行索引,视情况而定伴随有所选择的感知类型。
b.检查:
-确定候选图像和所选参考图像之间的关系印记,
-基于关系印记确定关系刺激,该关系刺激针对与在其在候选图像和所选择的参考图像之间的记录期间与真实图像使用的相同类型的感知,
-实现对应于真实图像的调制的结果,
-尝试采用基于候选图像确定的全部或部分关系刺激来解调调制结果,
-在用户清楚或可理解地感知由候选图像解调的支持内容的至少一部分的情况下,关于真实图像的候选图像的真实性得出结论。
本发明还涉及对材料主体集的每个材料主体进行统一认证的方法,其特征在于,对于材料主体集的每个主体,方法包括:
-实现如上所述的用于确定材料主体的真实图像和参考图像之间的关系印记的方法,以及
-记录与该材料主体的真实图像相关联地计算的关系印记,
-在认证材料主体期间,实现根据本发明的认证方法。
完全可以设想在不改变本发明的精神的情况下,使用实现的关系签名而不是关系印记。
认证可以通过关系刺激来执行,并且可以利用人类认知功能,特别是通过实现用户的一个记忆。
还可以提供,先前描述的步骤可以由用户重复地或连续地实现,用户优选地以时间和/或空间方式使用触觉和/或语音和/或视觉与设备交互。然后可以创建实时和有趣的效果,使得可以优化决策制定和/或建立两个图像、两个产品、用户和产品之间的关系,代表与其没有先验性的动作。
通过专用的应用/计算机程序,使用智能手机或触摸平板或便携式计算机类型的终端似乎特别适合于此类交互,这将允许用户利用该应用及其编辑器通过终端中采集或存在的数据来获取关于该用户、其网络等......的知识。
本发明还涉及易于用于根据本发明的认证方法的任一实施方式的电子设备,特别是用于验证阶段。优选地,但不是严格必要地,电子设备包括可视化触摸屏,并且适于允许通过触摸屏上的两个接触点的位移来修改认证图像和/或验证图像的可视化放大率。触摸屏还可以有利地用于控制所实现的图像的相对位移。
本发明的许多实施方案是可能的,特别是在安全和市场环境中,并且还可以集成与NFC或RFID芯片耦合的对产品系列、1D或2D条形码或其它的识别。
本发明可以应用于不同领域,例如在供应链的可追溯性过程中,其中不同参与者:生产商、分销商、零售商、消费者都关注在其处理处通过不同金融和技术手段控制认证,以使该控制成为可能。拥有知识产权的生产商也可能关注知晓所检查的产品是否处于供应链中的良好位置(控制平行市场),而消费者首先担心的是知晓所涉及的产品是否真实或者他/她是否可以从与真实产品相关的建议、优势中获益。整体可以如上所述通过单一自动认证装置(关系签名和/或标识符)和如本发明中描述的感觉认证装置的联合帮助来实现。
本发明可以在认证、识别、完整性检查和视觉密码术的各种应用的框架内实现。在这方面,应该认为,在本发明的框架内,术语“认证”、“识别”和“完整性检查”根据预期的应用可以是等同的。
关系印记的重要用途是当根据本发明的方法计算关于参考图像的材料主体的图像,并且该关系印记的全部或部分用于关于参考图像配准材料主体的图像时。通常,这是在确定关系签名或关系刺激之前做出的。
可以针对来自材料主体集的图像集实现该优选模式,并且因此根据相同的参考图像自动操作配准。为此目的,使用检测器/描述符类型的相似性指示符(例如SIFT、SURF、ORB或A-KAZE)可能特别有益。
还可以使用存在于关系印记中的不同类的相似性矢量,一方面,配准来自材料主体的图像,另一方面计算一个或多个关系签名和/或一个或多个关系刺激。
本发明还允许进行完整性检查,特别是使用候选图像和假定来自相同材料主体或属于同一族的主体材料的真实图像之间的视觉验证。如果这些比较的区域具有完整性,则在对应于这些区域的至少一个相似性矢量场中将出现规律性,而没有大的不连续性,而如果这些区域的一部分经历了修改,则在这个地方必须出现由场的局部不规则所转变的不同之处。
在包括适用于实施根据本发明的认证方法的认证区域的材料主体中,可以特别提及:纸和纸板包装;纤维材料;金属、塑料、陶瓷或其它烧结材料;肺泡或细胞物质;皮革,包括黄貂鱼皮革;木头;金属,特别是加工、铸造、模塑、注塑或轧制的;玻璃,磨砂玻璃;塑料材料;橡胶;织造或非织造纺织品(可能进行脱绒);某些毛皮或羽毛;自然场景的图像,例如风景图像、建筑图像、墙壁或道路路面图像;生物识别印刷品、皮肤或指纹、眼睛的虹膜;艺术品;粉末产品或材料,该清单不是限制性的,也不是穷举的。
当然,根据本发明的方法的不同特征、变体和实施例可以根据各种组合彼此相关联,只要它们彼此不相容或不相互排斥。
附图说明
本发明的各种其他特征将从参考示出本发明的非限制性实施例的附图给出的以下描述中显现。
-图1说明了计算给定等级的相似性矢量的模式,
-图2示出了在实现根据本发明的方法的框架内获得的相似性矢量场的示例,
-图3示出了在实现根据本发明的方法的框架内获得的相似性矢量场的另一示例,
-图4示出了由相似性矢量场的叠加产生的印记矢量场,
-图5示出了由纸张形成的对象的图像的实现产生的另一印记或相似性矢量场,
-图6示出了图5中所示的关系印记的表示,
-图7示出了图5的印记矢量场的无序类和规则类的相似性矢量的角分布,
-图8示出了关系印记的相似性矢量的二进制或四进制编码的方法,
-图9示出了通过关系印记的二进制编码从而形成关系印记获得的统计结果,
-图10示出了根据本发明的关系印记的罗盘的四进制编码,
-图11说明了根据本发明的关系签名构建的视觉加密类型的机制,
-图12示出了具有用于由受信任第三方基于四进制关系签名进行完整性验证的图像的视觉加密类型的另一种机制,
-图13示出了根据本发明的关系印记的认知调节产生的两种关系刺激(这里是视觉)的情况,
-图14示出了另一类型的关系刺激作为彩色片段的图形,
-图15示出了用于检查印刷图案的完整性的应用,
-图16示出了通过视觉显示两个不同皮肤印记获取之间的关系印记的生物认证的模式,
-图17示出了对两次获取同一材料主体中的一次获取所应用的相对变换的示例。
具体实施方式
在本发明的意义上,第一图像和第二图像之间或这些图像的部分之间的相似性通过相似性指示符来评估,该相似性指示符给出自第一图像和第二图像或者其相应部分彼此相似以来更高的正值。标准化相关系数的方法(统计意义上)构成了本发明优选相似性指示符。一般来说,相关指示符作为差异相关指示符的方法,是其它相似性指示符的例子。图像或其部分之间的距离或发散(数学意义上)的倒数构成了其它可能的相似性指示符族。
因此,可以实现不同的计算方法。通过指示并以非限制性方式,图1示出了计算相似性矢量的第一示例,根据标准化中心相关系数(作为相似性指示符)在等级2,通过实现皮包的图像(具有尺寸为1637x1601)作为第一图像1-A。在该上下文中,皮包是材料主体。
根据该第一示例,尺寸为768×825的第二图像1-B是由半硬质泡沫制成的包装的一部分的图像。计算的第一图像1-A的参考图块和第二图像1-B的检查图块1、2和3(尺寸128x128)之间的相似性的指数。所获得的标准化中心相关系数的值(作为相似性指数)分别为-0.029(图块1)、-0.050(图块2)和0.032(图块3)。通过以渐增顺序对这些相似性指数的绝对值进行排序,等级1对应于图块2,等级2对应于图块3,等级3对应于图块2。等级2的相似性矢量应用于参考点(参考图块a的中心),然后指向等级2的一致图块的中心(这里是图块3的中心),认为这两个中心的坐标是在相同标准正交参考系统中确定的,并且相似性矢量的范数在1处标准化。
图1还示出了通过实现同一图像1-A作为第一图像以及尺寸1142x1162的陶瓷图像作为第二图像2-C并根据标准化中心相关系数(作为相似性指示符)来计算相似性矢量的第二示例。然后将参考图块b连续地与一系列检查图块中的每一个进行比较,该一系列检查图块对应于一个像素接着一个像素地转换的尺寸为128×128的图块。所获得的标准化中心相关系数的值(作为相似性指数)构成具有不同等级的局部极值的相关性图255x255,表示为灰度级图像1-D或灰度级表面1-E。等级2的相似性矢量应用于参考点(参考图块b的中心),然后指向在所计算的相关系数(相似性指数)的值中提供等级2的局部最大值的一致图块的中心。
根据图2所示实现的本发明的第三示例,根据标准化中心相关系数(作为相似性指数),在关于皮包元素2-A的主体图像和由半硬质泡沫2-B制成的包装元素的参考图像上,在借助于带通滤波器(这里是Gabor小波的实部)2-C过滤图像之后,在从滤波后的图像2-D和2-E中提取的分别用实线和虚线标出的参考图块128x128与检测部分128x128之间,计算相似性矢量。与相关图的次级局部最大值(相应的初级)相关联的等级2(相应的等级1)的相似性矢量在对应的相关图2-F(实线标出)和2-G(虚线标出)中以白色(相应的黑色)指示。
根据图3中所示的实现本发明的第四示例,由尺寸为384×384的毛玻璃制成的对象在漫反射光照下反射获得的图像被用作第一图像3-A。其用于该第二实例,将通过来自种子的反应-扩散合成的相同尺寸的图像3-B作为第二图像或参考图像。图像3-C示出了通过使用等级1的标准化中心相关性作为相似性指示符并且将尺寸为32×32的图像3-A的参考图块(每个图块居中于具有的间距为32×32的规则网格的一个节点)与尺寸为32×32的图像3-B的检查图块进行比较,来计算等级1的相似性矢量场。然后将每个相似性矢量应用于参考图块的中心并指向具有与该参考图块具有最高相似性系数的检查图块的中心。每个相似性矢量的范数对应于该相似系数的值,可以理解这两个中心的坐标是在同一标准正交参考系中确定的。
图4示出了通过根据规则网格通过第一种方法计算的等级k的相似性矢量场(顶部)和根据兴趣点通过另一种方法计算的等级l的相似性矢量场(中部)的叠加形成的印记矢量场(底部)。每个相似性矢量在其在印记矢量场中的应用点处被报告,并且视情况而定,与在该同一点处应用的相似性矢量进行矢量求和。
图5示出了等级1的相似性矢量场的形成印记矢量场的图形表示,该相似性矢量场是通过将主体是具有印刷图案的第一纸质文档的第一图像与主体是具有相同印刷图案但与第一文档不同的第二文档的第二图像或参考图像进行比较而获得的。相似性矢量场是通过将参考图块和检查部分(居中于64x64的参考网格节点)进行相关并在最大极大值(maxima maximorum)邻区内插相关峰值来计算的。
图6示出了从图5中提取的关系印记的表示,其中列出了(图6-A)以像素为单位的每个相似性矢量的坐标u和v,相似性矢量的(参考)应用点根据在x=0、y=175开始在x=1856、y=1455结束的间距64x64的规则网格(图6-B)、根据使用熵标准(见图7)后的下述三类相似性矢量分布:占据图5主要部分的无序类、以及对应于具有印刷图案的分别在左上方和右下方的区域的两个规则类。图6-C对应于点(x+u,y+v)的计算,没有用于图5的矢量的可视化的比例因子的应用,这使得前面提到的三类一目了然。应注意,所使用的网格(x,y)的间距可以保存在相关联参数文件中,或者根据关系印记本身的选择来保存。
图7示出了如上所述的无序类和规则类的角分布,其使用熵标准获得,例如关于每个相似性矢量的1x5邻区的相似性矢量(这里是除了边缘效应之外,在所考虑的相似性矢量的两侧对齐的两个相似性矢量)的角分布的直方图。三角圆被分成8个角度扇区,每个扇区45度,并且根据邻区的相似性矢量的角度是否属于此类或此类角度扇区来分析分布。作为阈值,认为如果对于同一邻区激活了8个可用扇区上的至少3个扇区,则中心矢量一定属于无序类;否则,将属于有序类的相似性矢量。
图8示出了关系印记的相似性矢量的二进制或四进制编码的方法。根据相似性矢量的方向,在四进制编码中,将给出罗盘西北、西南、东北或东南的值。在二进制中,将认为面向西北或东南的矢量无差别地取值“1”,如果面向东北或西南,则无差别地取值“0”,或者相反。
图9示出了通过对关系印记进行二进制编码从而形成关系签名而获得的统计结果。
为了建立这些结果,属于同一批量的200张纸张的关系印记已经成像在一平方厘米的单元上。每个关系印记由等级1的相似性矢量场形成,其根据间距24×24像素的节点的规则网格,在由其标准偏差标准化的居中主体图像和作为参考图像(在图像分析意义上是主体图像的反转图像)的补充图像之间,通过64×64像素的连续参考图块和检查部分之间的相关性计算得到的。对于每个关系印记,11x15相似性矢量经历如上所述的二进制编码,所产生的165个比特被连接以形成关系签名。
图9-A表示在从相同纸单元(虚线)的获取推导出的200对关系签名(每个165比特)上计算的汉明距离,以及在从不同纸单元(实线)的获取推导出的200对关系签名(每个165比特)上计算的汉明距离。图9-B示出了从不同纸单元的获取中推导出的关系签名之间的汉明距离的直方图。平均距离为(49,99+/-4.66)%。这些统计数据证明了通过所提出的方法潜在可以良好地区分不同或相同纸单元。
图9-C示出了从相同纸单元的获取推导出的关系签名之间的汉明距离的直方图。平均距离为(45+/-1.97)%。
图10示出了根据主体图像相对于参考图像的关系印记的罗盘、通过将定向的等腰三角形与罗盘的方向SW、SE、NE、NW双射关联而进行的四进制编码。
图11说明了基于四进制关系签名构建的视觉密码学类型的机制。与分享的图像1相似,从前图11-A的关系签名如下构造(二进制)消息图像的类型视觉密码的分享的图像211-B:如果(二进制)消息的当前比特的值为1(相应的,0),选择图像2中的对应三角形以便通过连接到分享的图像1的当前三角形来形成正方形(相应的,三角形)。
由叠加/堆叠两个在前分享的图像产生的图像显示消息11-C。
图12示出了视觉加密类型的另一种机制,其由可信第三方从四进制关系签名中获得完整性验证图像。
缩略图12-A示出了用作分享的图像1的关系签名。缩略图12-B示出了分享的图像2。缩略图12-C是完整性验证图像(由可信第三方持有)。缩略图12-D对应于在叠加分享的图像1和2之后的图像,缩略图12-E对应于在叠加验证图像和分享的图像1和2之后的图像。缩略图12-F示出在叠加验证图像和分享的图像2之后的图像,缩略图12-G示出了在欺诈性处理(将“0”变为“8”代替)分享的图像2的情况下的结果。缩略图12-H示出了在叠加验证图像和被攻击的分享的图像1和2之后的图像,缩略图12-I示出了在叠加验证图像和被攻击的分享的图像2的之后的图像:攻击发生的位置处看到异常。缩略图12-J是在叠加验证图像和未被攻击的分享的图像1之后的图像:在整个图像中没有看到异常。
图13示出了从关系印记的认知调节产生的两种关系刺激(这里是视觉)的情况。
图像13-A示出了视觉关系刺激,其作为具有印刷图案的纸质文档的图像相对于具有同一印刷图案但不同纸质文档的图像的关系印记的无序类和规则类的箭头的图形(使用等级1的互相关作为相似性指示符来计算的印记矢量场的关系印记,参考点是规则网格的节点)。这示出了无序区域,即其中相似性矢量是无序的区域。该区域对应于纸的微观结构仅在两个样本上可见的区域。包括规则相似性矢量的两个规则区域出现在图像的左上方和右下方的印刷区域上。如果两个样本中的一个是真实的,则一方面印刷图案在第二个样本上(在材料的调制内)而不是在第二个样本的微观结构上被认证,因此它是不同于从构成材料的角度来看的真实图像的候选者。在这种情况下,支持图像是在该方法中实现的两个样本之一。
图像13-B还以图形方式示出视觉关系刺激,但在具有印刷图案的相同纸质文档的两次获取之间。这示出了相同纸张样本的两个相同图像之间的规则相似性矢量(在测量(在这种情况下为手动)引起的变形内)。如果两个样本中的一个是真实的,则印刷图案既在第二个样本上也在第二个样本的微观结构上被认证,因此从构成材料的角度来看它是真实的。
图14示出了另一种类型的关系刺激,作为彩色或灰度段的图。图像14-A示出了具有印刷图案的纸质文档的图像相对于具有相同印刷图案但不同纸质文档的图像的关系印记的相似性矢量的表示(在带通滤波图像之后,使用检测器/描述符A-KAZE作为相似性指示符计算的印记矢量场的关系印记)。认知调节的每个片段将在主体图像中检测到的特征参考点与通过连接两个在前图像而获得的图像的参考图像中的对应物相连接。这表明,在此类其它形式的表示中,两个不同样本仅在图像的左上方和右下方的印刷区域中产生相似点之间的连接,并且相反地,在纸张的微观结构仅在两个样本上可见的位置处则没有。在此类情况下,支持图像是样本的并置。
图像14-B示出了具有印刷图案的相同纸质文档的两次获取之间的类似表示。这表明两个相同的样本在分布在整个样本(印刷部分和来自微观结构的部分)上的相似点之间产生连接,并且相对于前一种情况数量很大(比以前多大约10到20倍)。
图15示出了用于检查印刷图案的完整性的应用。在该检查中,关系印记的视觉显示指示由主要局部出现无序相似性矢量转换的非相似性区域。使用互相关作为相似性指示符以及等级1获得关系印记,参考点来自规则网格。在此类情况下的支持图像是在该方法中实现的原始图像。根据该应用,缩略图15-A对应于原始图像,缩略图15-B表示修改的图像,而缩略图15-C是从比较这两个图像而产生的关系印记的视觉显示。
图16示出了通过不同皮肤印记的两次获取和真实参考获取之间的关系印记的视觉显示进行生物认证的模式。后者已经使用互相关作为相似性指示符以及等级1来获得,其中参考点来自规则网格,并且在计算相似性矢量之前,通过检测器/描述符方法相对于原始图像配准候选图像。
这表明两个不同印记产生广泛无序的相似性矢量场(在左侧,案例候选图像2与原始图像),而在两个印记具有共同认证区域时出现规则的和小尺寸的相似性矢量场(在右侧,案例候选图像1与原始图像)。应注意,配准的图像的灰色区域和黑色区域之间的边界也出现在这些相似性矢量上,就像在完整性检查应用中那样。在此类情况下,支持图像是在该方法中实现的原始图像。
应注意,“配准的”图像可以是本发明意义上的相关视觉表示,因为它不再与案例2中的皮肤类型的图像可相比较,而特征指纹微观纹理总是在获取1中被识别。
在图16中,缩略图16-A示出原始真实图像,缩略图16-B表示原始候选图像1,缩略图16-C示出“配准的”候选图像2,缩略图16-D对应于配准的候选图像1,缩略图16-E是与原始图像进行比较的图像2的视觉显示,而缩略图16-F是与原始图像进行比较的图像1的视觉显示。
图17示出了应用于同一材料主体的两次获取之一的相对变换的示例,示出了相似性矢量场的广泛规则图,并且示出了如果用户同时作用于触摸屏则作为计算和视觉显示实时实现的可能性。缩略图分别显示:
-17-A扩大5%,
-17-B配准(准零变换)
-17-C旋转5°结合转换
-17-D简单转换。
Claims (32)
1.一种用于确定两个图像之间的关系印记的方法,所述方法包括以下步骤:
-实现材料主体图像和与所述材料主体图像不同的选择的参考图像,
-通过相似性指示符和相似性等级计算分别属于所述材料主体图像和所述参考图像的图块之间的相似性矢量的阶段,所述相似性指示符和所述相似性等级被选择以获得由所述相似性矢量形成的印记矢量场,所述印记矢量场包括熵标准意义上的至少一个无序区域,
-记录在前一阶段所计算的印记矢量场的至少一个无序区域的表示作为关系印记的阶段。
2.根据权利要求1所述的方法,其特征在于,计算所述相似性矢量的阶段包括:
-确定所述材料主体图像和所述参考图像共有的标记的步骤,
-在所述材料主体图像和所述参考图像中的一个图像中确定一组参考图块的步骤,每个参考图块与具有在公共参考系统中的坐标的至少一个参考点相关联,
-在所述材料主体图像和所述参考图像中的另一个图像中搜索一致图块的步骤,每个一致图块与和其具有一定程度的相似性的参考图块匹配,并且每个一致图块与具有在所述公共参考系统中的坐标的至少一个参考点相关联,
-基于每个参考图块和相关联的一致图块的参考点的坐标计算每个相似性矢量的坐标的步骤。
3.根据权利要求2所述的方法,其特征在于,所述参考图块基于给定参考图块网格来确定。
4.根据权利要求2所述的方法,其中,所述参考图块是基于重叠或不重叠的、具有规则或非规则的形状、大小和位置的不同的单一图块集预先确定的。
5.根据权利要求2所述的方法,其中,所述参考图块是通过实现特征检测和描述的算法以自动自适应方式预先确定的。
6.根据权利要求2所述的方法,其特征在于,针对每个参考图块,搜索一致图块的步骤使用计算所述一个图像的对应于所述参考图块的部分与所述另一个图像的检查部分之间的一系列相似性指数,所述检查部分在所述另一个图像中移位用于计算每个相似性指数并且通过选择作为与所述参考图块相关联的一致图块,所述检查部分与所述参考图块具有给定程度的相似性。
7.根据权利要求2所述的方法,其中,所述相似性的程度对应于在所述一系列检查图块中作为一致图块保留的检查图块的等级。
8.根据权利要求2所述的方法,其特征在于,搜索一致图块的步骤包括:
-针对所述另一个图像确定一组检查图块,
-针对每个参考图块:
-计算一系列相似性指数,每个相似性指数在所述一个图像的对应于所述参考图块的部分与所述另一个图像的对应于检查图块的部分之间计算,所述检查图块对于每个相似性指数的计算是不同的,
-选择与所述参考图块具有给定程度的相似性的检查图块作为与所述参考图块相关联的一致图块。
9.根据权利要求8所述的方法,其特征在于,通过实现特征检测和描述算法来执行确定所述一组参考图块和所述一组检查图块的步骤。
10.根据权利要求1所述的方法,其特征在于,所述相似性矢量在平面或二维空间中计算。
11.根据权利要求1所述的方法,还包括:在计算所述相似性矢量的阶段之前,变换所述一个图像和/或所述另一个图像的步骤。
12.根据权利要求10所述的方法,其特征在于,所述变换步骤是配准。
13.根据权利要求1所述的方法,其特征在于,在计算所述相似性矢量的阶段之前,包括参数化步骤,所述参数化步骤包括确定以下参数中的至少一个:
-所述参考和/或一致图块的大小、形状、位置、所述材料主体图像和所述参考图像图像的使用顺序,
-用于确定无序区域的存在的评估窗口的大小和形状。
14.根据权利要求1所述的方法,其特征在于,计算所述印记矢量场的阶段包括:
-计算所述两个图像中的一个图像和另一个图像之间的多个中间相似性矢量场的步骤,所述另一个图像经历了与另一个的中间相似性矢量不同的变换,
-比较在彼此之间的所述中间相似性矢量场,并且保持具有最佳、最大或最小相似性的中间相似性矢量场作为印记相似性矢量场。
15.根据权利要求1所述的方法,其特征在于,包括在所述记录阶段之前,将所述相似性矢量场分解成至少一个所谓的规则部分和一个所谓的无序部分的步骤,包括根据区域熵标准将每个所述相似性矢量分配给所述规则和无序部分中的任何一个。
16.根据权利要求1所述的方法,其特征在于,当在阶等于1处选择局部最佳相似性时,对于考虑的局部等级,根据相应的相似性矢量是否满足所述区域熵标准将相应的相似性矢量添加到所述印记矢量场的所述无序分量中或者添加到所述印记矢量场的所述规则分量中,然后空矢量相应地添加到所述规则分量或所述无序分量中。
17.根据权利要求1所述的方法,其特征在于,包括压缩所述印记矢量场并将压缩结果记录为关系印记的步骤。
18.根据权利要求1所述的方法,其特征在于,包括使用所述关系印记的数字表示作为所述材料主体图像相对于所述参考图像的相对或关系签名的步骤。
19.根据权利要求18所述的方法,其中,所述关系签名被记录以用于后期使用。
20.根据权利要求18所述的方法,包括所述材料主体图像相对于所述参考图像的第一关系印记的第一计算,基于所述第一关系印记对所述材料主体图像相对于所述参考图像的配准,以及随后对所配准的材料主体图像相对于所述参考图像的第二关系印记的另一计算,所述第二关系印记用于确定所述关系签名。
21.根据权利要求18所述的方法,包括所述材料主体图像相对于所述参考图像的第一关系印记的第一计算,基于所述第一关系印记对所述材料主体图像相对于所述参考图像的配准,以及随后对所配准的图像相对于所述参考图像的第二关系印记的第二计算,基于所述第二关系印记对所配准的图像相对于所述参考图像的配准,以及随后所配准的材料主体图像相对于所述参考图像的第三关系印记的另一计算,所述第三关系印记用于确定所述关系签名。
22.根据权利要求21所述的方法,其特征在于,记录所述关系印记与记录所使用的至少一个图像相关联。
23.根据权利要求21所述的方法,还包括视觉和/或音色和/或触觉地表示所述关系印记的步骤。
24.根据权利要求21所述的方法,用于视觉加密机制。
25.根据权利要求1所述的方法,其中,所述关系印记被记录,作为根据所述关系印记所属的类链接到其参考点的相似性矢量集的列表。
26.根据权利要求1所述的方法,还包括使用所述关系印记的认知调节作为所述材料主体图像相对于所述参考图像的关系刺激的步骤。
27.一种用于对材料主体进行统一认证的方法,其中:
每个要被认证的材料主体属于包括认证区域的主体族,所述认证区域具有基本随机的、不易再现的、固有的连续介质结构,
使用相同的参考图像来认证一组材料主体,
并且包括:
根据权利要求1的方法,为每个材料主体确定参考图像和材料主体的认证区域的至少一个图像之间的关系印记的步骤,
从每个关系印记确定关系签名的步骤,
将与所述参考图像相关联的所述关系签名记录为真实关系签名集的步骤,
认证候选材料主体的步骤,包括:
根据权利要求1所述的方法确定所述参考图像和所述候选材料主体的认证区域的图像之间的关系印记,
从所述关系印记确定所述候选材料主体的所述关系签名,
将所述候选关系签名与所述真实关系签名集中的关系签名进行比较,并且如果根据阈值水平,所述候选关系签名类似于所述真实关系签名集中的一个关系签名,则认为所述候选材料主体是真实的
28.根据权利要求27所述的统一认证的方法,其中,所述主体的图像相对于所述参考图像进行配准。
29.根据权利要求27所述的统一认证的方法,其中,记录所述认证区域在所述材料主体上的位置。
30.根据权利要求27所述的统一认证的方法,其中,记录所述材料主体图像。
31.根据权利要求27所述的统一认证的方法,其中,每个关系签名与对应材料主体图像相关联地被记录,并且在认证步骤之后,将与认证的材料主体的关系签名相对应的记录的图像与所述材料主体的所述候选图像进行比较以检查完整性。
32.根据权利要求27或31所述的统一认证的方法,其中,使用包括可视化触摸屏的电子设备来进行候选主体的认证步骤,并且所述电子设备适于允许通过所述触摸屏上的两个接触点的位移来修改所述图像的可视化放大率和/或所述图像的位移。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1654385 | 2016-05-17 | ||
FR1654385 | 2016-05-17 | ||
FR1656796A FR3054057B1 (fr) | 2016-07-13 | 2016-07-13 | Procede d'authentification augmentee d'un sujet materiel |
FR1656796 | 2016-07-13 | ||
PCT/FR2017/051196 WO2017198950A1 (fr) | 2016-05-17 | 2017-05-17 | Procédé d'authentification augmentée d'un sujet matériel |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109478243A CN109478243A (zh) | 2019-03-15 |
CN109478243B true CN109478243B (zh) | 2023-08-18 |
Family
ID=59070997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780043661.4A Active CN109478243B (zh) | 2016-05-17 | 2017-05-17 | 材料主体的增强认证的方法 |
Country Status (10)
Country | Link |
---|---|
US (1) | US10990845B2 (zh) |
EP (1) | EP3459013A1 (zh) |
JP (1) | JP7257631B2 (zh) |
KR (1) | KR102488516B1 (zh) |
CN (1) | CN109478243B (zh) |
AU (1) | AU2017266477B2 (zh) |
BR (1) | BR112018073706A8 (zh) |
CA (1) | CA3024562A1 (zh) |
RU (1) | RU2770174C2 (zh) |
WO (1) | WO2017198950A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3407232B1 (en) * | 2017-05-23 | 2021-07-28 | Ordnance Survey Limited | Spatiotemporal authentication |
CH717251A2 (de) | 2020-03-23 | 2021-09-30 | 4Art Holding Ag | Verfahren zur Beurteilung von Kontrasten von Oberflächen. |
CH717252A2 (de) | 2020-03-23 | 2021-09-30 | 4Art Holding Ag | Verfahren zur Wiedererkennung von Oberflächen. |
CN112583900B (zh) * | 2020-12-02 | 2023-04-07 | 深圳市互盟科技股份有限公司 | 云计算的数据处理方法及相关产品 |
CN113327105B (zh) * | 2021-08-03 | 2021-10-19 | 杭州志卓科技股份有限公司 | 一种基于数字图像处理的b2b在线支付交易方法 |
FR3126529A1 (fr) | 2021-09-01 | 2023-03-03 | Kerquest | Procédé de mise en relation d’une image candidate avec une image de référence. |
CN115278141B (zh) * | 2022-09-27 | 2023-01-17 | 成都中星世通电子科技有限公司 | 一种多制式的模拟图像信号解调还原方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2359313A1 (en) * | 2008-10-14 | 2011-08-24 | Sicpa Holding Sa | Method and system for item identification |
CN103294989A (zh) * | 2011-10-20 | 2013-09-11 | 比奥Id股份公司 | 生物数据采集过程中区别真实脸部和二维脸部图像的方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7912291B2 (en) * | 2003-11-10 | 2011-03-22 | Ricoh Co., Ltd | Features for retrieval and similarity matching of documents from the JPEG 2000-compressed domain |
JP2005284792A (ja) * | 2004-03-30 | 2005-10-13 | Sharp Corp | 画像照合装置、画像照合方法、画像照合プログラムおよび画像照合プログラムを記録したコンピュータ読取り可能な記録媒体 |
US20060083414A1 (en) * | 2004-10-14 | 2006-04-20 | The Secretary Of State For The Home Department | Identifier comparison |
US20090060348A1 (en) * | 2007-08-28 | 2009-03-05 | Donald Martin Monro | Determination of Image Similarity |
JP4577410B2 (ja) * | 2008-06-18 | 2010-11-10 | ソニー株式会社 | 画像処理装置、画像処理方法およびプログラム |
JP5590960B2 (ja) * | 2010-05-06 | 2014-09-17 | キヤノン株式会社 | 画像形成装置、画像形成方法およびプログラム |
FR2962828B1 (fr) * | 2010-07-19 | 2012-08-17 | Advanced Track & Trace | Procedes et dispositifs de marquage et d'authentification d'un produit par un consommateur. |
JP5500024B2 (ja) * | 2010-09-27 | 2014-05-21 | 富士通株式会社 | 画像認識方法及び装置並びにプログラム |
JP2015505983A (ja) * | 2011-12-02 | 2015-02-26 | シー・エス・アイ・アールCsir | 物質解析システム、方法、および装置 |
US10033979B2 (en) * | 2012-03-23 | 2018-07-24 | Avigilon Fortress Corporation | Video surveillance systems, devices and methods with improved 3D human pose and shape modeling |
JP5833499B2 (ja) * | 2012-05-29 | 2015-12-16 | Kddi株式会社 | 高次元の特徴ベクトル集合で表現されるコンテンツを高精度で検索する検索装置及びプログラム |
US9449384B2 (en) * | 2014-04-30 | 2016-09-20 | Mitsubishi Electric Research Laboratories, Inc. | Method for registering deformable images using random Markov fields |
CN104283876A (zh) * | 2014-09-29 | 2015-01-14 | 小米科技有限责任公司 | 操作授权方法及装置 |
KR102121534B1 (ko) * | 2015-03-10 | 2020-06-10 | 삼성전자주식회사 | 시퀀스 간의 유사성을 결정하는 방법 및 디바이스 |
-
2017
- 2017-05-17 BR BR112018073706A patent/BR112018073706A8/pt unknown
- 2017-05-17 RU RU2018140509A patent/RU2770174C2/ru active
- 2017-05-17 JP JP2018560857A patent/JP7257631B2/ja active Active
- 2017-05-17 WO PCT/FR2017/051196 patent/WO2017198950A1/fr unknown
- 2017-05-17 US US16/302,255 patent/US10990845B2/en active Active
- 2017-05-17 AU AU2017266477A patent/AU2017266477B2/en active Active
- 2017-05-17 EP EP17730852.5A patent/EP3459013A1/fr active Pending
- 2017-05-17 CN CN201780043661.4A patent/CN109478243B/zh active Active
- 2017-05-17 CA CA3024562A patent/CA3024562A1/fr active Pending
- 2017-05-17 KR KR1020187036613A patent/KR102488516B1/ko active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2359313A1 (en) * | 2008-10-14 | 2011-08-24 | Sicpa Holding Sa | Method and system for item identification |
CN103294989A (zh) * | 2011-10-20 | 2013-09-11 | 比奥Id股份公司 | 生物数据采集过程中区别真实脸部和二维脸部图像的方法 |
Non-Patent Citations (1)
Title |
---|
Scale-Rotation Invariant Pattern Entropy for Keypoint-Based Near-Duplicate Detection;Wan-Lei Zhao 等;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;20090228;第412-423页,附图 * |
Also Published As
Publication number | Publication date |
---|---|
KR102488516B1 (ko) | 2023-01-13 |
BR112018073706A8 (pt) | 2023-04-04 |
CN109478243A (zh) | 2019-03-15 |
RU2770174C2 (ru) | 2022-04-14 |
WO2017198950A1 (fr) | 2017-11-23 |
JP2019523474A (ja) | 2019-08-22 |
US20190279029A1 (en) | 2019-09-12 |
JP7257631B2 (ja) | 2023-04-14 |
AU2017266477A1 (en) | 2018-12-06 |
EP3459013A1 (fr) | 2019-03-27 |
BR112018073706A2 (pt) | 2019-02-26 |
RU2018140509A3 (zh) | 2020-09-25 |
KR20190008922A (ko) | 2019-01-25 |
CA3024562A1 (fr) | 2017-11-23 |
RU2018140509A (ru) | 2020-05-18 |
US10990845B2 (en) | 2021-04-27 |
AU2017266477B2 (en) | 2022-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109478243B (zh) | 材料主体的增强认证的方法 | |
Neal et al. | Measuring shape | |
CN103038781A (zh) | 隐藏图像信号发送 | |
CN108369636B (zh) | 用于认证和/或检查对象完整性的方法 | |
Wyzykowski et al. | Level three synthetic fingerprint generation | |
JP6845492B2 (ja) | 画像照合装置 | |
WO2002009024A1 (en) | Identity systems | |
Panetta et al. | Unrolling post-mortem 3D fingerprints using mosaicking pressure simulation technique | |
CN112488137A (zh) | 样本获取方法、装置、电子设备及机器可读存储介质 | |
Khoje et al. | Evaluation of ripplet transform as a texture characterization for Iris recognition | |
Raja et al. | Color adaptive quantized patterns for presentation attack detection in ocular biometric systems | |
Li et al. | An image copy move forgery detection method using QDCT | |
Turner et al. | Underestimation of visual texture slant by human observers: a model | |
WO2021192216A1 (ja) | 個体識別システム | |
Lubna et al. | Detecting Fake Image: A Review for Stopping Image Manipulation | |
Rani et al. | Pre filtering techniques for face recognition based on edge detection algorithm | |
Nandakumar et al. | How little do we need for 3-d shape perception? | |
Liu et al. | A Multilevel Visual Feature-Based Approach for Measuring the Spatial Information in Remote Sensing Images | |
Kashyap et al. | Robust and Optimized Algorithm for Detection of Copy-Rotate-Move Tempering | |
Kumari et al. | Comparative Study of Various Forgery Detection Approach for Image Processing. | |
FR3054057A1 (fr) | Procede d'authentification augmentee d'un sujet materiel | |
Cu | On the use of pattern recognition technique to develop data hiding schemes: application to document security | |
Pakala et al. | Forgery Detection in Medical Image and Enhancement using Modified CLAHE Method | |
Othman | Mixing Biometric Data For Generating Joint Identities and Preserving Privacy | |
Saber | ANALYSIS OF MULTI RESOLUTION WEBER IN DETECTING IMAGES FORGERY |
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 |