CN109816847A - 一种判断手写字迹涂改的方法、装置及终端设备 - Google Patents
一种判断手写字迹涂改的方法、装置及终端设备 Download PDFInfo
- Publication number
- CN109816847A CN109816847A CN201811565433.6A CN201811565433A CN109816847A CN 109816847 A CN109816847 A CN 109816847A CN 201811565433 A CN201811565433 A CN 201811565433A CN 109816847 A CN109816847 A CN 109816847A
- Authority
- CN
- China
- Prior art keywords
- image
- ratio
- connected domain
- target area
- pixel quantity
- 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.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明适用于图像处理技术领域,提供了一种判断手写字迹的方法、装置及终端设备,其中,方法包括:获取目标区域原图像;对所述目标区域原图像进行二值化,以获取二值化图像;对所述二值化图像进行细化,以获取细化图像;获取所述二值化图像中每个连通域的像素数量和所述细化图像中对应的每个连通域的像素数量的比例;若任一连通域的像素数量的比例超过预设比例阈值,则判断所述目标区域原图像存在涂改。本发明能够通过对手写票据中连通域的像素数量的比例对手写字迹是否涂改进行判断,提高了对票据进行真伪辨别的效率和准确率。
Description
技术领域
本发明属于图像处理技术领域,尤其涉及一种判断手写字迹涂改的方法、装置及终端设备。
背景技术
票据是按照一定形式制成﹑写明有付出一定货币金额义务的证件,是出纳或运送货物的凭证。广义的票据泛指各种有价证券,如债券、股票、提单等等。狭义的票据仅指以支付金钱为目的的有价证券,即出票人根据票据法签发的,由自己无条件支付确定金额或委托他人无条件支付确定金额给收款人或持票人的有价证券。在我国,票据即汇票、支票及本票的统称。票据一般是指商业上由出票人签发,无条件约定自己或要求他人支付一定金额,可流通转让的有价证券,持有人具有一定权力的凭证。属于票据的有:汇票、本票、支票、提单、存单、股票、债券等等。
票据鉴别仪是针对票据防伪的技术所研发的一种设备。票据鉴别仪具有长短波紫外线、磁性、水印等鉴别功能,可针对各类银行票据、凭证、人民币、外币、护照、身份证、保密文件等进行真伪鉴定,也能直观、方便、快速地对货币或票证的纸张、印刷、油墨、红外、紫外、纤维丝等特征进行专业鉴别,主要用于对银行承兑汇票、支票等票据进行综合鉴定,是银行、贴现公司专业鉴定人员必备的工具。
然而,支票等部分票据中存在用户手写内容的情况,现有的票据鉴别仪不能对其真伪进行鉴定。
发明内容
有鉴于此,本发明实施例提供了一种判断手写字迹涂改的方法、装置及终端设备,以解决现有技术中支票等部分票据中存在用户手写内容的情况,现有的票据鉴别仪不能对其真伪进行鉴定的问题。
本发明实施例的第一方面提供了一种判断手写字迹涂改的方法,包括:
获取目标区域原图像;
对所述目标区域原图像进行二值化,以获取二值化图像;
对所述二值化图像进行细化,以获取细化图像;
获取所述二值化图像中每个连通域的像素数量和所述细化图像中对应的每个连通域的像素数量的比例;
若任一连通域的像素数量的比例超过预设比例阈值,则判断所述目标区域原图像存在涂改。
可选的,所述获取目标区域原图像,包括:
获取目标区域的红外图像作为所述目标区域原图像。
可选的,所述若任一连通域的像素数量的比例超过预设比例阈值,则判断所述目标区域原图像存在涂改之前,还包括:
通过OCR对所述二值化图像和所述细化图像进行识别,获取OCR二值化图像和OCR细化图像;
若所述OCR二值化图像中存在一个以上的相同字符,则获取所述相同字符在所述OCR二值化图像中对应的连通域的像素数量和在所述OCR细化图像中对应的连通域的像素数量的比例;
若所述相同字符的比例不同,则提高所述相同字符对应的连通域的比例在均值计算公式中的权重。
可选的,所述若所述OCR二值化图像中存在一个以上的相同字符,则获取所述相同字符在所述OCR二值化图像中对应的连通域的像素数量和在所述OCR细化图像中对应的连通域的像素数量的比例之后,还包括:
若所述相同字符的比例不同,则提高所述预设比例阈值。
可选的,若任一连通域的像素数量的比例超过预设比例阈值,则判断所述目标区域原图像存在涂改,包括:
若任一连通域的像素数量的比例超过其他连通域的像素数量的比例的均值的阈值,则判断所述目标区域原图像存在涂改。
可选的,对所述二值化图像进行细化,以获取细化图像,包括:
获取所述二值化图像的边界点,并标记所述边界点为Pa;其中,所述边界点包括像素值为1或像素值为255且所述边界点的八邻域中包括至少一个像素值为0的点;
获取所述边界点的八邻域,按照预设排序方法标记所述边界点的八领域的点为Pb,Pc,Pd,Pe,Pf,Pg,Ph,Pi;
标记满足第一预设条件和/或第二预设条件的边界点;
重复标记所述满足第一预设条件和/或所述第二预设条件的边界点,直至没有满足所述第一预设条件和/或所述第二预设条件的边界点,以获取细化图像。
可选的,所述第一预设条件包括:
A、2≤N(Pa)≤6;
B、S(Pa)=1或B(Pa)∈{65,5,20,80,13,22,52,133,141,54};
C1、Pb*Pd*Pf=0;
D1、Pd*Pf*Ph=0;其中,所述N(Pa)为所述Pa的非零邻域点的数目,所述S(Pa)为按照所述预设排序方法获取的所述Pa八邻域点的值的变化次数,所述B(Pa)为所述Pa的八邻域点的二进制编码的值;
所述第二预设条件,包括:
A、2≤N(Pa)≤6;
B、S(Pa)=1或B(Pa)∈{65,5,20,80,13,22,52,133,141,54};
C2、Pb*Pd*Ph=0;
D2、Pb*Pf*Ph=0。
本发明实施例的第二方面提供了一种判断手写字迹涂改的装置,包括:
第一获取模块,用于获取目标区域原图像;
二值化模块,用于对所述目标区域原图像进行二值化,以获取二值化图像;
细化模块,用于对所述二值化图像进行细化,以获取细化图像;
第二获取模块,用于获取所述二值化图像中每个连通域的像素数量和所述细化图像中对应的每个连通域的像素数量的比例;
第一判断模块,用于若任一连通域的像素数量的比例超过预设比例阈值,则判断所述目标区域原图像存在涂改。
本发明实施例的第三方面提供了一种终端设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述方法的步骤。
本发明实施例通过获取目标区域原图像并进行二值化,以获取二值化图像,对二值化图像进行细化以获取细化图像,获取二值化图像中每个连通域的像素数量和细化图像中对应的每个连通域的像素数量的比例,并根据任一连通域的像素数量的比例是否超过其他连通域的像素数量的比例的均值,对手写票据中的手写字迹是否涂改进行检测,提高了对票据进行真伪辨别的效率和准确率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的判断手写字迹涂改的方法的流程示意图;
图2是本发明实施例二提供的判断手写字迹涂改的方法的流程示意图;
图3是本发明实施例三提供的判断手写字迹涂改的方法的流程示意图;
图4是本发明实施例四提供的判断手写字迹涂改的方法的流程示意图;
图5是本发明实施例五提供的判断手写字迹涂改的装置的结构示意图;
图6是本发明实施例六提供的终端设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外,术语“第一”、“第二”和“第三”等是用于区别不同对象,而非用于描述特定顺序。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一
如图1所示,本实施例提供一种判断手写字迹涂改的方法,该方法可以应用于如PC、手机、票据鉴别仪、平板电脑等终端设备。本实施例所提供的判断手写字迹涂改的方法,包括:
S101、获取目标区域原图像。
在具体应用中,获取目标区域原图像,其中,目标区域原图像是指包括判定目标在内的区域图像,在本实施例中,可通过摄像头拍摄、扫描仪扫描等多种方式获取目标区域原图像。
S102、对所述目标区域原图像进行二值化,以获取二值化图像。
在具体应用中,对目标区域原图像进行二值化,获取二值化图像,便于后续进行连通域的像素判断操作。
S103、对所述二值化图像进行细化,以获取细化图像。
在具体应用中,根据预设细化算法对二值化图像进行细化,以获取细化的图像。
S104、获取所述二值化图像中每个连通域的像素数量和所述细化图像中对应的每个连通域的像素数量的比例。
在具体应用中,获取二值化图像中每个连通域的像素数量和细化图像中的与二值化图像中连通域对应的每个连通域的像素数量的比例。例如:二值化图像中第一连通域的像素数量为1000,对应的细化图像中的第一连通域的像素数量为800,则比例为1.25。
S105、若任一连通域的像素数量的比例超过预设比例阈值,则判断所述目标区域原图像存在涂改。
在具体应用中,若获取的任一连通域的像素数量的比例超过预设比例阈值,则判断该连通域为涂改过的连通域,即目标区域原图像存在涂改。在一个实施例中,预设比例阈值包括除上述连通域以外的所有连通域的像素质量的比例的均值的阈值。例如,当前某一连通域的像素数量的比例为1.25,其他像素数量的比例的均值为1.2,则判断该连通域为涂改过的连通域,即目标区域原图像存在涂改。
在一个实施例中,所述步骤S101包括:
获取目标区域的红外图像作为所述目标区域原图像。
在具体应用中,通过红外感应装置获取目标区域的红外图像作为目标区域原图像,可避免目标区域的印刷图案对辨别目标区域内手写字迹是否存在涂改造成的影响,提高判断手写字迹是否存在涂改的效率。
在一个实施例中,所述方法,还包括:
若无法获取所述目标区域的连通域,则获取所述目标区域的可见光图像;
判断所述可见光图像是否存在表格;
若所述可见光图像存在表格,则根据所述表格对所述可见光图像进行分割,以获取所述目标区域的连通域。
在具体应用中,若无法获取目标区域的连通域,则判断目标区域的手写字迹可能存在连笔现象,(通过可见光相机)获取目标区域的可见光图像,并判断可见光图像是否存在表格,若可见光图像存在表格,则可根据表格对可见光图像进行分割,以获取目标区域的连通域。
在一个实施例中,所述方法,还包括:
获取所述目标区域原图像的字符的端点数;
若任一所述端点数超过预设端点阈值,则判断所述目标区域原图像存在涂改。
在具体应用中,获取目标区域原图像中所有字符的端点数,若任一字符的端点数超过预设端点阈值,则判断上述超过预设端点阈值的字符存在涂改,即目标区域原图像存在涂改。例如:预设端点阈值为5,若某一字符的端点数为6,则判断该字符存在涂改,即目标区域原图像存在涂改。
本实施例通过获取目标区域原图像并进行二值化,以获取二值化图像,对二值化图像进行细化以获取细化图像,获取二值化图像中每个连通域的像素数量和细化图像中对应的每个连通域的像素数量的比例,并根据任一连通域的像素数量的比例是否超过其他连通域的像素数量的比例的均值,对手写票据中的手写字迹是否涂改进行检测,提高了对票据进行真伪辨别的效率和准确率。
实施例二
如图2所示,本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中,步骤S105之前,还包括:
S201、通过OCR对所述二值化图像和所述细化图像进行识别,获取OCR二值化图像和OCR细化图像。
在具体应用中,通过OCR技术对二值化图像和细化图像进行识别,获取OCR二值化图像和OCR细化图像。其中,OCR技术是光学字符识别的缩写(Optical CharacterRecognition),OCR技术是通过扫描等光学输入方式将各种票据、报刊、书籍、文稿及其它印刷品的文字转化为图像信息,再利用文字识别技术将图像信息转化为可以使用的计算机输入技术。
S202、若所述OCR二值化图像中存在一个以上的相同字符,则获取所述相同字符在所述OCR二值化图像中对应的连通域的像素数量和在所述OCR细化图像中对应的连通域的像素数量的比例。
在具体应用中,若OCR二值化图像中存在某一字符的数量大于一(即一个以上的相同字符),则获取所有该字符在OCR二值化图像中对应的连通域的像素数量和该字符在OCR细化图像中对应的连通域的像素数量的比例。例如:若OCR二值化图像中字符9的数量为3,则获取上述3个字符9在OCR二值化图像中对应的连通域的像素数量和上述3个字符9在OCR细化图像中对应的连通域的像素数量的比例。
S203、若所述相同字符的比例不同,则提高所述相同字符对应的连通域的比例在均值计算公式中的权重。
在具体应用中,若相同字符在OCR二值化图像中对应的连通域的像素数量和在OCR细化图像中对应的连通域的像素数量的比例不相同,则提高相同字符对应的连通域的均值的权重。例如,第一个字符9的比例为1,第二个字符9的比例为1.2,第三个字符9的比例为1,则提高字符9对应的连通域的比例在均值计算公式中的权重。权重的提高量可根据具体情况进行设定,例如,提权重高10%。
在一个实施例中,可通过获取用户输入的标记指令,并根据标记指令用于对应的字符为重要字符,提高重要字符对应的连通域的比例在均值计算公式中的权重。例如:若当前目标区域原图像中的目标为金额,用户输入的标记指令指定第一个字符为重要字符,则提高重要字符对应的连通域的比例在均值计算公式中的权重(即提高金额的最高位的字符对应的连通域的比例在均值计算公式中的权重)。
本实施例通过对相同字符的比例是否相同的判断结果来设定其比例在均值计算公式中的权重,提高了对相同字符是否存在涂改的判断的准确率,进而提高了对目标区域原图像中的手写字迹是否存在涂改的判断的准确率。
实施例三
如图3所示,本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中,步骤S202之后,还包括:
S204、若所述相同字符的比例不同,则提高所述预设比例阈值。
在具体应用中,若相同字符在OCR二值化图像中对应的连通域的像素数量和在OCR细化图像中对应的连通域的像素数量的比例不相同,则提高相同字符对应的连通域的均值对应的预设比例阈值。预设比例阈值的提高量可根据具体情况进行设定,例如,提高10%的预设比例阈值。
本实施例通过对目标区域原图像中是否存在模糊字迹进行判断,进而对其进行分割,以获取字迹清晰的目标区域原图像,提高了对包含模糊字迹的目标区域原图像是否存在涂改的判断的准确率。
实施例四
如图4所示,本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中,步骤S103,包括:
S1031、获取所述二值化图像的边界点,并标记所述边界点为Pa;其中,所述边界点包括像素值为1或像素值为255且所述边界点的八邻域中包括至少一个像素值为0的点。
在具体应用中,获取二值化图像的边界点,并标记为Pa;其中,边界点包括像素值为1或像素值为255且该边界点的八邻域中包括至少一个像素值为0的点,八邻域是指以任意像素点Pa为中心的3×3区域,八邻域点为八邻域中除了Pa点以外的Pb到Pi的8个点。
S1032、获取所述边界点的八邻域,按照预设排序方法标记所述边界点的八领域的点为Pb,Pc,Pd,Pe,Pf,Pg,Ph,Pi。
在具体应用中,获取边界点的八邻域,按照预设排序方法标记边界点的八领域的点为Pb,Pc,Pd,Pe,Pf,Pg,Ph,Pi。例如:预设排序方法为顺时针排序法,以边界点Pa上面的点为起始点(即边界点Pa的第一个八邻域点),并标记为Pb。
S1033、标记满足第一预设条件和/或第二预设条件的边界点。
在具体应用中,标记满足第一预设条件和/或第二预设条件的边界点。
S1034、重复标记所述满足第一预设条件和/或所述第二预设条件的边界点,直至没有满足所述第一预设条件和/或所述第二预设条件的边界点,以获取细化图像。
在具体应用中,重复执行上述标记满足第一预设条件和/或所述第二预设条件的边界点的操作,直至没有满足第一预设条件和/或所述第二预设条件的边界点为止,以获取细化图像,其中,细化图像是指二值化图像中除标记点以外的图像。
在一个实施例中,所述第一预设条件包括:
A、2≤N(Pa)≤6;
B、S(Pa)=1或B(Pa)∈{65,5,20,80,13,22,52,133,141,54};
C1、Pb*Pd*Pf=0;
D1、Pd*Pf*Ph=0;其中,所述N(Pa)为所述Pa的非零邻域点的数目,所述S(Pa)为按照所述预设排序方法获取的所述Pa八邻域点的值的变化次数,所述B(Pa)为所述Pa的八邻域点的二进制编码的值;
所述第二预设条件,包括:
A、2≤N(Pa)≤6;
B、S(Pa)=1或B(Pa)∈{65,5,20,80,13,22,52,133,141,54};
C2、Pb*Pd*Ph=0;
D2、Pb*Pf*Ph=0。
在具体应用中,第一预设条件包括:
A、2≤N(Pa)≤6;
B、S(Pa)=1或B(Pa)∈{65,5,20,80,13,22,52,133,141,54};
C1、Pb*Pd*Pf=0;
D1、Pd*Pf*Ph=0;其中,N(Pa)为Pa的非零邻域点的数目,S(Pa)为按照预设排序方法获取的Pa八邻域点的值的变化次数,B(Pa)为Pa的八邻域点的二进制编码的值;在本实施例中,预设排序方法为顺时针排序法;Pa八邻域点的值的变化次数为Pa八邻域点的值从0至1的变化次数。
第二预设条件,包括:
A、2≤N(Pa)≤6;
B、S(Pa)=1或B(Pa)∈{65,5,20,80,13,22,52,133,141,54};
C2、Pb*Pd*Ph=0;
D2、Pb*Pf*Ph=0。
现有的细化算法中不包括上述条件B中对B(Pa)的限定,会导致部分该标记的点由于不满足细化算法删除条件而没有删除,使细化后图像纹路为非单一像素。上述遗漏的该标记的点包括:边界点的八邻域点中目标像素的个数为2个(共4种)或目标像素的个数为3个(共8种)或目标像素的个数为4个(共4种)的点,为了易于识别和计算这类点,将8领域点进行二进制编码,从Pa到Pi进行二进制编码,对所有遗漏的目标点的8领域进行编码转化为十进制,边界点的八邻域点中目标像素的个数为2个的点转化结果为65、5、20和80,边界点的八邻域点中目标像素的个数为3个的点转化结果为:13、97、22、208、67、88、52和133,边界点的八邻域点中目标像素的个数为4个点转化结果为141、99、54和216。
根据实验,在扫描过程中上述16种目标点不能全部删除,否则会出现断点。应适当选取删除点,实验发现删除以下组合中的10个点时细化结果最为良好。边界点的八邻域点中目标像素的个数为2个的点4种全部删除,编码组合为{65,5,20,80},边界点的八邻域点中目标像素的个数为3个的点中选择4种删除,编码组合为{13,22,52,133},边界点的八邻域点中目标像素的个数为4个中删除2个,编码组合为{141,54},即删除点集合为{65,5,20,80,13,22,52,133,141,54}。
本实施例通过优化的细化算法对目标区域原图像进行细化,优化了细化后图像的,为判断目标区域原图像是否存在涂改奠定了基础。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例五
如图5所示,本实施例提供一种判断手写字迹涂改的装置100,用于执行实施例一中的方法步骤。本实施例提供的判断手写字迹涂改的装置100,包括:
第一获取模块101,用于获取目标区域原图像;
二值化模块102,用于对所述目标区域原图像进行二值化,以获取二值化图像;
细化模块103,用于对所述二值化图像进行细化,以获取细化图像;
第二获取模块104,用于获取所述二值化图像中每个连通域的像素数量和所述细化图像中对应的每个连通域的像素数量的比例;
第一判断模块105,用于若任一连通域的像素数量的比例超过预设比例阈值,则判断所述目标区域原图像存在涂改。
在一个实施例中,所述第一获取模块101,包括:
第一获取单元,用于获取目标区域的红外图像作为所述目标区域原图像。
在一个实施例中,所述装置100,还包括:
识别模块,用于通过OCR对所述二值化图像和所述细化图像进行识别,获取OCR二值化图像和OCR细化图像;
第三获取模块,用于若所述OCR二值化图像中存在一个以上的相同字符,则获取所述相同字符在所述OCR二值化图像中对应的连通域的像素数量和在所述OCR细化图像中对应的连通域的像素数量的比例;
第二判断模块,用于若所述相同字符的比例不同,则提高所述相同字符对应的连通域的比例在均值计算公式中的权重。
在一个实施例中,所述装置100,还包括:
第三判断模块,用于若所述相同字符的比例不同,则提高所述预设比例阈值。
在一个实施例中,所述第一判断模块105,包括:
第一判断单元,用于若任一连通域的像素数量的比例超过其他连通域的像素数量的比例的均值的阈值,则判断所述目标区域原图像存在涂改。
在一个实施例中,所述细化模块103,包括:
第二获取单元,用于获取所述二值化图像的边界点,并标记所述边界点为Pa;其中,所述边界点包括像素值为1或像素值为255且所述边界点的八邻域中包括至少一个像素值为0的点;
第三获取单元,用于获取所述边界点的八邻域,按照预设排序方法标记所述边界点的八领域的点为Pb,Pc,Pd,Pe,Pf,Pg,Ph,Pi;
标记单元,用于标记满足第一预设条件和/或第二预设条件的边界点;
第二判断单元,用于重复标记所述满足第一预设条件和/或所述第二预设条件的边界点,直至没有满足所述第一预设条件和/或所述第二预设条件的边界点,以获取细化图像。
在一个实施例中,所述第一预设条件包括:
A、2≤N(Pa)≤6;
B、S(Pa)=1或B(Pa)∈{65,5,20,80,13,22,52,133,141,54};
C1、Pb*Pd*Pf=0;
D1、Pd*Pf*Ph=0;其中,所述N(Pa)为所述Pa的非零邻域点的数目,所述S(Pa)为按照所述预设排序方法获取的所述Pa八邻域点的值的变化次数,所述B(Pa)为所述Pa的八邻域点的二进制编码的值;
所述第二预设条件,包括:
A、2≤N(Pa)≤6;
B、S(Pa)=1或B(Pa)∈{65,5,20,80,13,22,52,133,141,54};
C2、Pb*Pd*Ph=0;
D2、Pb*Pf*Ph=0。
在一个实施例中,所述装置100,还包括:
第五获取模块,用于获取所述目标区域原图像的字符的端点数;
第四判断模块,用于若任一所述端点数超过预设端点阈值,则判断所述目标区域原图像存在涂改。
本实施例通过获取目标区域原图像并进行二值化,以获取二值化图像,对二值化图像进行细化以获取细化图像,获取二值化图像中每个连通域的像素数量和细化图像中对应的每个连通域的像素数量的比例,并根据任一连通域的像素数量的比例是否超过其他连通域的像素数量的比例的均值,对手写票据中的手写字迹是否涂改进行检测,提高了对票据进行真伪辨别的效率和准确率。
实施例六
图6是本实施例提供的终端设备的示意图。如图6所示,该实施例的终端设备6包括:处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62,例如判断手写字迹涂改的程序。所述处理器60执行所述计算机程序62时实现上述各个判断手写字迹涂改的方法实施例中的步骤,例如图1所示的步骤S101至S105。或者,所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能,例如图5所示模块101至105的功能。
示例性的,所述计算机程序62可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器61中,并由所述处理器60执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序62在所述终端设备6中的执行过程。例如,所述计算机程序62可以被分割成第一获取模块、二值化模块、细化模块、第二获取模块和第一判断模块,各模块具体功能如下:
第一获取模块,用于获取目标区域原图像;
二值化模块,用于对所述目标区域原图像进行二值化,以获取二值化图像;
细化模块,用于对所述二值化图像进行细化,以获取细化图像;
第二获取模块,用于获取所述二值化图像中每个连通域的像素数量和所述细化图像中对应的每个连通域的像素数量的比例;
第一判断模块,用于若任一连通域的像素数量的比例超过预设比例阈值,则判断所述目标区域原图像存在涂改。
所述终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是终端设备6的示例,并不构成对终端设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述终端设备6的内部存储单元,例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备,例如所述终端设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字卡(Secure Digital,SD),闪存卡(Flash Card)等。进一步地,所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种判断手写字迹涂改的方法,其特征在于,包括:
获取目标区域原图像;
对所述目标区域原图像进行二值化,以获取二值化图像;
对所述二值化图像进行细化,以获取细化图像;
获取所述二值化图像中每个连通域的像素数量和所述细化图像中对应的每个连通域的像素数量的比例;
若任一连通域的像素数量的比例超过预设比例阈值,则判断所述目标区域原图像存在涂改。
2.如权利要求1所述的判断手写字迹涂改的方法,其特征在于,所述获取目标区域原图像,包括:
获取目标区域的红外图像作为所述目标区域原图像。
3.如权利要求1所述的判断手写字迹涂改的方法,其特征在于,所述若任一连通域的像素数量的比例超过预设比例阈值,则判断所述目标区域原图像存在涂改之前,还包括:
通过OCR对所述二值化图像和所述细化图像进行识别,获取OCR二值化图像和OCR细化图像;
若所述OCR二值化图像中存在一个以上的相同字符,则获取所述相同字符在所述OCR二值化图像中对应的连通域的像素数量和在所述OCR细化图像中对应的连通域的像素数量的比例;
若所述相同字符的比例不同,则提高所述相同字符对应的连通域的比例在均值计算公式中的权重。
4.如权利要求3所述的判断手写字迹涂改的方法,其特征在于,所述若所述OCR二值化图像中存在一个以上的相同字符,则获取所述相同字符在所述OCR二值化图像中对应的连通域的像素数量和在所述OCR细化图像中对应的连通域的像素数量的比例之后,还包括:
若所述相同字符的比例不同,则提高所述预设比例阈值。
5.如权利要求1所述的判断手写字迹涂改的方法,其特征在于,若任一连通域的像素数量的比例超过预设比例阈值,则判断所述目标区域原图像存在涂改,包括:
若任一连通域的像素数量的比例超过其他连通域的像素数量的比例的均值的阈值,则判断所述目标区域原图像存在涂改。
6.如权利要求1所述的判断手写字迹涂改的方法,其特征在于,对所述二值化图像进行细化,以获取细化图像,包括:
获取所述二值化图像的边界点,并标记所述边界点为Pa;其中,所述边界点包括像素值为1或像素值为255且所述边界点的八邻域中包括至少一个像素值为0的点;
获取所述边界点的八邻域,按照预设排序方法标记所述边界点的八领域的点为Pb,Pc,Pd,Pe,Pf,Pg,Ph,Pi;
标记满足第一预设条件和/或第二预设条件的边界点;
重复标记所述满足第一预设条件和/或所述第二预设条件的边界点,直至没有满足所述第一预设条件和/或所述第二预设条件的边界点,以获取细化图像。
7.如权利要求6所述的判断手写字迹涂改的方法,其特征在于,所述第一预设条件,包括:
A、2≤N(Pa)≤6;
B、S(Pa)=1或B(Pa)∈{65,5,20,80,13,22,52,133,141,54};
C1、Pb*Pd*Pf=0;
D1、Pd*Pf*Ph=0;其中,所述N(Pa)为所述Pa的非零邻域点的数目,所述S(Pa)为按照所述预设排序方法获取的所述Pa八邻域点的值的变化次数,所述B(Pa)为所述Pa的八邻域点的二进制编码的值;
所述第二预设条件,包括:
A、2≤N(Pa)≤6;
B、S(Pa)=1或B(Pa)∈{65,5,20,80,13,22,52,133,141,54};
C2、Pb*Pd*Ph=0;
D2、Pb*Pf*Ph=0。
8.一种判断手写字迹涂改的装置,其特征在于,包括:
第一获取模块,用于获取目标区域原图像;
二值化模块,用于对所述目标区域原图像进行二值化,以获取二值化图像;
细化模块,用于对所述二值化图像进行细化,以获取细化图像;
第二获取模块,用于获取所述二值化图像中每个连通域的像素数量和所述细化图像中对应的每个连通域的像素数量的比例;
第一判断模块,用于若任一连通域的像素数量的比例超过预设比例阈值,则判断所述目标区域原图像存在涂改。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811565433.6A CN109816847B (zh) | 2018-12-20 | 2018-12-20 | 一种判断手写字迹涂改的方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811565433.6A CN109816847B (zh) | 2018-12-20 | 2018-12-20 | 一种判断手写字迹涂改的方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109816847A true CN109816847A (zh) | 2019-05-28 |
CN109816847B CN109816847B (zh) | 2021-01-01 |
Family
ID=66601760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811565433.6A Active CN109816847B (zh) | 2018-12-20 | 2018-12-20 | 一种判断手写字迹涂改的方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109816847B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110400309A (zh) * | 2019-07-29 | 2019-11-01 | 联想(北京)有限公司 | 图像处理方法和装置 |
CN110458998A (zh) * | 2019-07-11 | 2019-11-15 | 深圳怡化电脑股份有限公司 | 票据检测方法、票据检测装置及终端 |
CN112258724A (zh) * | 2019-07-05 | 2021-01-22 | 深圳怡化电脑股份有限公司 | 票据真伪鉴定方法、装置、终端及储存介质 |
CN112307195A (zh) * | 2019-07-31 | 2021-02-02 | 智慧芽信息科技(苏州)有限公司 | 一种专利信息展示方法、装置、设备及存储介质 |
CN112907705A (zh) * | 2021-05-10 | 2021-06-04 | 北京世纪好未来教育科技有限公司 | 涂改图像生成方法、装置、设备及存储介质 |
CN112966538A (zh) * | 2019-11-27 | 2021-06-15 | 深圳怡化电脑股份有限公司 | 一种票据检测方法、装置、计算机设备及存储介质 |
CN113096301A (zh) * | 2019-12-19 | 2021-07-09 | 深圳怡化电脑股份有限公司 | 票据的检验方法、装置、电子设备及存储介质 |
CN115131910A (zh) * | 2022-05-30 | 2022-09-30 | 华中科技大学同济医学院附属协和医院 | 一种基于大数据的票据检验系统 |
CN116403098A (zh) * | 2023-05-26 | 2023-07-07 | 四川金投科技股份有限公司 | 一种票据篡改检测方法及系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04311285A (ja) * | 1991-04-09 | 1992-11-04 | Seiko Epson Corp | ストローク抽出法 |
JPH0728943A (ja) * | 1993-07-14 | 1995-01-31 | Oki Electric Ind Co Ltd | 文字画像補正装置 |
CN1205474A (zh) * | 1997-07-15 | 1999-01-20 | 株式会社理光 | 字体识别装置和方法及储存字体识别程序的信息存储媒体 |
JP2000339409A (ja) * | 1999-05-31 | 2000-12-08 | Matsushita Electric Ind Co Ltd | 文字最適2値化装置 |
CA2222240C (en) * | 1995-06-05 | 2001-04-24 | United Parcel Service Of America, Inc. | Method and apparatus for non-contact signature imaging |
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN102129546A (zh) * | 2010-01-15 | 2011-07-20 | 富士通株式会社 | 二值图像的识别方法和识别装置 |
CN202083657U (zh) * | 2011-05-11 | 2011-12-21 | 黄建同 | 黑色字迹的添改字迹鉴别仪 |
CN102567725A (zh) * | 2011-12-23 | 2012-07-11 | 国网电力科学研究院 | 一种金融ocr系统手写体数字串的软切分方法 |
CN103093228A (zh) * | 2013-01-17 | 2013-05-08 | 上海交通大学 | 一种在自然场景图像中基于连通域的中文检测方法 |
CN103106656A (zh) * | 2013-01-21 | 2013-05-15 | 西安理工大学 | 基于轮廓波变换的图像签名生成及篡改检测与定位方法 |
CN103455816A (zh) * | 2012-05-28 | 2013-12-18 | 阿里巴巴集团控股有限公司 | 一种笔画宽度提取方法、装置及一种文字识别方法、系统 |
CN103559490A (zh) * | 2013-10-11 | 2014-02-05 | 华南理工大学 | 基于二值图像连通域统计的答题卡自动评分方法 |
CN105005969A (zh) * | 2015-06-18 | 2015-10-28 | 辰通智能设备(深圳)有限公司 | 一种票据图像涂改检测方法及系统 |
CN105205823A (zh) * | 2015-09-23 | 2015-12-30 | 成都融创智谷科技有限公司 | 一种基于形态学的图像分割方法 |
CN106156773A (zh) * | 2016-06-27 | 2016-11-23 | 湖南大学 | 一种文本图像的分割方法及装置 |
CN107341487A (zh) * | 2016-04-28 | 2017-11-10 | 科大讯飞股份有限公司 | 一种涂抹字符的检测方法及系统 |
CN107977665A (zh) * | 2017-12-15 | 2018-05-01 | 北京科摩仕捷科技有限公司 | 一种发票中关键信息的识别方法及计算设备 |
-
2018
- 2018-12-20 CN CN201811565433.6A patent/CN109816847B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04311285A (ja) * | 1991-04-09 | 1992-11-04 | Seiko Epson Corp | ストローク抽出法 |
JPH0728943A (ja) * | 1993-07-14 | 1995-01-31 | Oki Electric Ind Co Ltd | 文字画像補正装置 |
CA2222240C (en) * | 1995-06-05 | 2001-04-24 | United Parcel Service Of America, Inc. | Method and apparatus for non-contact signature imaging |
CN1205474A (zh) * | 1997-07-15 | 1999-01-20 | 株式会社理光 | 字体识别装置和方法及储存字体识别程序的信息存储媒体 |
JP2000339409A (ja) * | 1999-05-31 | 2000-12-08 | Matsushita Electric Ind Co Ltd | 文字最適2値化装置 |
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN102129546A (zh) * | 2010-01-15 | 2011-07-20 | 富士通株式会社 | 二值图像的识别方法和识别装置 |
CN202083657U (zh) * | 2011-05-11 | 2011-12-21 | 黄建同 | 黑色字迹的添改字迹鉴别仪 |
CN102567725A (zh) * | 2011-12-23 | 2012-07-11 | 国网电力科学研究院 | 一种金融ocr系统手写体数字串的软切分方法 |
CN103455816A (zh) * | 2012-05-28 | 2013-12-18 | 阿里巴巴集团控股有限公司 | 一种笔画宽度提取方法、装置及一种文字识别方法、系统 |
CN103093228A (zh) * | 2013-01-17 | 2013-05-08 | 上海交通大学 | 一种在自然场景图像中基于连通域的中文检测方法 |
CN103106656A (zh) * | 2013-01-21 | 2013-05-15 | 西安理工大学 | 基于轮廓波变换的图像签名生成及篡改检测与定位方法 |
CN103559490A (zh) * | 2013-10-11 | 2014-02-05 | 华南理工大学 | 基于二值图像连通域统计的答题卡自动评分方法 |
CN105005969A (zh) * | 2015-06-18 | 2015-10-28 | 辰通智能设备(深圳)有限公司 | 一种票据图像涂改检测方法及系统 |
CN105205823A (zh) * | 2015-09-23 | 2015-12-30 | 成都融创智谷科技有限公司 | 一种基于形态学的图像分割方法 |
CN107341487A (zh) * | 2016-04-28 | 2017-11-10 | 科大讯飞股份有限公司 | 一种涂抹字符的检测方法及系统 |
CN106156773A (zh) * | 2016-06-27 | 2016-11-23 | 湖南大学 | 一种文本图像的分割方法及装置 |
CN107977665A (zh) * | 2017-12-15 | 2018-05-01 | 北京科摩仕捷科技有限公司 | 一种发票中关键信息的识别方法及计算设备 |
Non-Patent Citations (2)
Title |
---|
何东健: "《数字图像处理》", 28 February 2015 * |
杨德强,赵杨,刘丽梅: "笔迹鉴别的字符预处理方法研究", 《计算机与数字工程》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258724A (zh) * | 2019-07-05 | 2021-01-22 | 深圳怡化电脑股份有限公司 | 票据真伪鉴定方法、装置、终端及储存介质 |
CN110458998A (zh) * | 2019-07-11 | 2019-11-15 | 深圳怡化电脑股份有限公司 | 票据检测方法、票据检测装置及终端 |
CN110458998B (zh) * | 2019-07-11 | 2021-11-16 | 深圳怡化电脑股份有限公司 | 票据检测方法、票据检测装置及终端 |
CN110400309A (zh) * | 2019-07-29 | 2019-11-01 | 联想(北京)有限公司 | 图像处理方法和装置 |
CN112307195A (zh) * | 2019-07-31 | 2021-02-02 | 智慧芽信息科技(苏州)有限公司 | 一种专利信息展示方法、装置、设备及存储介质 |
WO2021018016A1 (zh) * | 2019-07-31 | 2021-02-04 | 智慧芽信息科技(苏州)有限公司 | 一种专利信息展示方法、装置、设备及存储介质 |
CN112966538A (zh) * | 2019-11-27 | 2021-06-15 | 深圳怡化电脑股份有限公司 | 一种票据检测方法、装置、计算机设备及存储介质 |
CN113096301A (zh) * | 2019-12-19 | 2021-07-09 | 深圳怡化电脑股份有限公司 | 票据的检验方法、装置、电子设备及存储介质 |
CN112907705A (zh) * | 2021-05-10 | 2021-06-04 | 北京世纪好未来教育科技有限公司 | 涂改图像生成方法、装置、设备及存储介质 |
CN115131910A (zh) * | 2022-05-30 | 2022-09-30 | 华中科技大学同济医学院附属协和医院 | 一种基于大数据的票据检验系统 |
CN115131910B (zh) * | 2022-05-30 | 2024-02-13 | 华中科技大学同济医学院附属协和医院 | 一种基于大数据的票据检验系统 |
CN116403098A (zh) * | 2023-05-26 | 2023-07-07 | 四川金投科技股份有限公司 | 一种票据篡改检测方法及系统 |
CN116403098B (zh) * | 2023-05-26 | 2023-08-08 | 四川金投科技股份有限公司 | 一种票据篡改检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109816847B (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816847A (zh) | 一种判断手写字迹涂改的方法、装置及终端设备 | |
CN103221980B (zh) | 处理钞票的方法 | |
CN107180479B (zh) | 一种票据鉴别方法、装置、设备和存储介质 | |
CN110264288A (zh) | 基于信息识别技术的数据处理方法及相关装置 | |
CN101537751B (zh) | 一种防伪印刷的处理方法 | |
US20140046841A1 (en) | Distributed processing of a check image | |
CN102208092A (zh) | 财务票据报销自动处理方法 | |
CN103390187A (zh) | 一种基于二维码并具有校验功能的包装盒及其实现方法 | |
CN107316373B (zh) | 一种纸币识别方法、装置、终端设备及可读存储介质 | |
CN107133571A (zh) | 一种将纸质发票自动生成财务报表的系统及方法 | |
US20140010403A1 (en) | Method and apparatus for generating and authenticating security documents | |
CN107331026A (zh) | 一种纸币识别方法及装置 | |
Piekarczyk | Hierarchical random graph model for off-line handwritten signatures recognition | |
CN107767541A (zh) | 一种纸币的识别方法、装置、终端设备和存储介质 | |
CN105788064B (zh) | 票据鉴别方法及装置 | |
CN111462388A (zh) | 一种票据检验方法、装置、终端设备及存储介质 | |
CN103020506B (zh) | 一种结合拍照和条形码识别技术的Key设备和方法 | |
CN103279784B (zh) | 一种二维防伪标签及其生产方法 | |
CN107464334A (zh) | 纸币的识别方法、识别装置及终端设备 | |
CN107437188A (zh) | 一种利用条形码快速实现防伪验证的方法 | |
CN204087331U (zh) | 自动存取款机 | |
CN111292464B (zh) | 一种现金机具金标在线评测系统 | |
CN109800745A (zh) | 票据检测方法、装置、终端及计算机可读存储介质 | |
CN113077355B (zh) | 保险理赔方法、装置、电子设备及存储介质 | |
Ogbuju et al. | Deep learning for genuine Naira banknotes |
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 |