CN109919276A - 一种基于产品表面纹理图像特征的防伪方法 - Google Patents

一种基于产品表面纹理图像特征的防伪方法 Download PDF

Info

Publication number
CN109919276A
CN109919276A CN201910029462.9A CN201910029462A CN109919276A CN 109919276 A CN109919276 A CN 109919276A CN 201910029462 A CN201910029462 A CN 201910029462A CN 109919276 A CN109919276 A CN 109919276A
Authority
CN
China
Prior art keywords
image
child partition
label
products
official
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.)
Withdrawn
Application number
CN201910029462.9A
Other languages
English (en)
Inventor
向绪友
周超
贺艺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hu-Nan's Agriculture Information And Graduate School Of Engineering
Original Assignee
Hu-Nan's Agriculture Information And Graduate School Of Engineering
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hu-Nan's Agriculture Information And Graduate School Of Engineering filed Critical Hu-Nan's Agriculture Information And Graduate School Of Engineering
Priority to CN201910029462.9A priority Critical patent/CN109919276A/zh
Publication of CN109919276A publication Critical patent/CN109919276A/zh
Priority to US16/740,590 priority patent/US20200226772A1/en
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/42—Analysis of texture based on statistical description of texture using transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0833—Tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1417—2D bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
    • G06K7/1443—Methods for optical code recognition including a method step for retrieval of the optical code locating of the code in an image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
    • G06K7/1452—Methods for optical code recognition including a method step for retrieval of the optical code detecting bar code edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
    • G06K7/1456—Methods for optical code recognition including a method step for retrieval of the optical code determining the orientation of the optical code with respect to the reader and correcting therefore
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/004—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency using digital security elements, e.g. information coded on a magnetic thread or strip
    • G07D7/0043—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency using digital security elements, e.g. information coded on a magnetic thread or strip using barcodes
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/20—Testing patterns thereon
    • G07D7/202—Testing patterns thereon using pattern matching
    • G07D7/2033—Matching unique patterns, i.e. patterns that are unique to each individual paper

Abstract

本发明涉及一种基于产品表面纹理图像特征的产品真伪识别方法。包括：获取具有唯一标识的标签；将标签植入所述产品表面具有唯一纹理特征的产品识别区；使用图像采集设备采集已植入标签的产品的表面产品识别区的图像，获得官方产品图像，并采用多分区的纹理图像特征值计算方法，获得官方产品图像特征；基于标签图像的标识和官方产品图像特征，采用相似分区的纹理图像特征值匹配方法，将需要识别真伪的用户产品图像进行匹配验证，根据匹配验证结果给出真伪结论。上述方法采用多分区计算特征值和相似分区匹配特征值技术，精准体现纹理图像的差异性，有效减少误判，有利于提高计算机程序化产品真伪识别认证效率和准确率。

Description

一种基于产品表面纹理图像特征的防伪方法
技术领域
本发明涉及图像防伪技术领域，尤其涉及一种基于产品表面纹理图像特征的防伪方法。
背景技术
目前，现有主流防伪技术主要有：材料防伪、油墨防伪、结构性纹理防伪、RFID防伪等等，这些技术在相当长的时间内发挥了有效的防伪作用，但仍存在一些不足，特别是基于结构性纹理的防伪仍然存在以下不足：
以国内专利“CN99801139.8，结构纹理防伪方法”为代表的结构纹理防伪方法，根据纹理特征，采用特定的排列组合方法生成一组代码作为产品的特征码，在进行真伪判断时需要人工按指定的方法识别和判定产品表面是否存在指定的特征值，或计算出特征值后通过在线查询其合法性，或如国内专利“CN105184594A”中介绍的计算出特征值后在线获取纹理图片通过人工比较实物与图片是否相符。显然，这类方法存在难于操作，人工干预过多，认证结果人为因素影响大等系列问题。
而以国内专利“CN108537555A，非专用APP自动识别纹理真假的防伪方法”为代表的结构纹理防伪方法，则侧重于用构造标签的物理特性实现，虽然减轻上述人工操作工作量和难度，但仍然需要人工参与，且认证过程会破坏产品物理结构或需要借助于专用仪器设备，这是在某些购买场景下是不能接受的，例如，采购礼品或赠品。另外，过于“微观”细节会因销售过程转运产品等行为使真品变成“赝品”，从而影响产品生产销售方利益，有失公允。
也就是说，目前利用结构纹理实现防伪的技术，最关键的问题是：缺乏一种使用方便、仅依赖产品特点、可程序化实现的自动无损标记与认证方法。因此，提出一种基于产品表面纹理图像特征进行产品真伪识别的防伪方法是非常必要的。
发明内容
(一)发明目的
为解决上述问题，本发明提供一种基于产品表面纹理图像特征进行产品真伪识别的防伪方法，采用多分区计算特征值和相似分区匹配特征值技术，使特征值更加全面、精准体现纹理图像的差异性。
(二)技术方案
为了达到上述目的，本发明采用的主要技术方案包括：
1、一种基于产品表面纹理图像特征的防伪方法，其特征在于，所述方法包括：
S1、获取具有唯一标识的标签；
S2、将标签植入所述产品表面具有唯一纹理特征的产品识别区；
S3、使用图像采集设备采集已植入标签的产品的表面产品识别区的图像，获得官方产品图像，并采用多分区的纹理图像特征值计算方法，获得官方产品图像特征；
S4、基于标签图像的标识和官方产品图像特征，采用相似分区的纹理图像特征值匹配方法，将需要识别真伪的用户产品图像进行匹配验证，根据匹配验证结果给出真伪结论。
所述步骤S1包括：
S1a、获取具有唯一标识的标签结构；
所述标签结构包括编码器(120)和定位器(110)；所述编码器(120)具有产品的唯一性序列号信息，所述定位器(110)包括至少四个在所述编码器(120)外任意位置的定位点，所述定位点用于在后续步骤中作为图像变换的基准点；
S1b、根据标签结构获得标签；
S1c、使用图像采集设备采集标签的图像，获得标签图像；
S1d、采用图像分析处理方法，获取以任意一个定位点x为原点的坐标系中，所有标签图像中定位点的坐标bPi；其中，i为定位点的编号，i＝1,2,3…n；
S1e、将标签、标签图像和标签图像的标识存储于存储器；
其中，标签图像的标识包括标签图像定位点的坐标、采集标签结构图像时的视距和品质、标签的序列号信息。
所述步骤S1a中的标签结构还包括定界器(140)和定向器(130)；
所述定界器(140)为定位器(110)的边界线；
所述定向器(130)为边界线的方向。
所述步骤S3包括：
S3a、使用图像采集设备采集已植入标签的产品表面产品的产品识别区的图像，获得第一图像；
S3b、采用图像分析处理方法，根据第一图像中的标签的定位点的坐标第一图像进行透视变换，获得官方产品图像；
S3c、采用预先设定的子分区生成策略，将官方产品图像分成多个有效子分区；
S3d、获得子分区纹理类别、子分区关联算法，并根据子分区纹理类别、子分区关联算法获得有效子分区的子分区特征值；
S3e、根据子分区相对于官方产品图像中标签图像的位置，获得每一个有效子分区的子分区定位；
S3f、获取官方产品图像的序列号，将官方产品图像、子分区生成策略、官方产品图像特征与官方产品图像的序列号一一对应存储于存储器；
所述官方产品图像特征包括子分区纹理类别、子分区关联算法、官方产品每个子分区的子分区定位和子分区特征值。
可选地，所述步骤S3还包括：
S3g、对官方产品图像特征做重复检查，若对官方产品图像特征不唯一，则调整子分区的纹理类别，重复步骤S3d-S3f，重新获取官方产品图像特征。
所述步骤S3b包括：
S3b1、采用图像分析处理方法，获取第一图像中的标签的所有定位点的坐标pPi；
S3b2、使用第一图像定位点的坐标pPi作为透视变换的源图像特征点，使用bPi+pPx作为透视变换的目标图像特征点，获得第一图像透视变换矩阵iM，其中，i为定位点的编号，i＝1,2,3…n，x为作为原点的定位点的编号；
S3b3、使用第一图像透视变换矩阵iM对第一图像进行透视变换，获得官方产品图像。
可选地，所述步骤S3c，还包括以下步骤：
对所有的子分区进行筛选，剔除的不与标签相交的图像的子分区，获得有效子分区。
所述步骤S3d包括：
S3d1、获取每一个有效子分区的纹理类别；
S3d2、根据每一个有效子分区纹理类别，获得子分区关联算法；
S3d3、用子分区关联的算法获得每一个有效子分区的特征值。
所述步骤S3f包括：
S3f1、通过对官方产品图像中编码器的信息进行解码，获得标签序列号；
S3f2、将官方产品图像、子分区生成策略、官方产品图像特征与官方产品图像的序列号一一对应存储于存储器。
优选地，所述步骤S3f2包括：
根据官方产品图像特征获得的包含官方产品图像特征的数据实体；使用标签序列号做主健，将官方产品图像、子分区生成策略、数据实体存储于存储器。
所述步骤S4包括：
S4a、使用图像采集设备采集待识别真伪的产品的识别区的图像，获得第二图像；
S4b、采用图像分析处理方法，根据第二图像中的标签的定位点的坐标第二图像进行透视变换，获得用户产品图像；
S4c、识别用户产品图像中的标签序列号，获取标签序列号对应的官方产品图像信息；
S4d、采用标签序列号对应的官方产品图像子分区生成策略，将用户产品图像分成多个子分区；
S4e、基于标签序列号对应的官方产品图像子分区定位和子分区关联算法，对有效子分区进行匹配，根据匹配结果给出待识别用户产品真伪的结论。
所述步骤S4b包括：
S4b1、采用图像分析处理方法，获取第二图像中的标签的所有定位点的坐标cPi；
S4b2、使用第二图像定位点的坐标cPi作为透视变换的源图像特征点，使用bPi+cPx作为透视变换的目标图像特征点，获得第二图像透视变换矩阵cM；
S4b3、使用第二图像透视变换矩阵cM对第二图像进行透视变换，获得用户产品图像。
所述步骤S4e包括：
S4e1、根据子分区相对于官方产品图像中标签图像的位置，获取每一个用户产品子分区的子分区定位；
S4e2、判断用户产品图像子分区中是否存在至少一个子分区与官方产品图像中任一子分区定位匹配，若不存在，则给出待识别用户产品为伪的结论；若存在，则执行步骤S4e3；
S4e3、获取任意一对相互匹配的用户品图像子分区cr和官方产品图像子分区ir，基于匹配的官方产品图像子分区ir的子分区关联算法，获得匹配的用户品图像子分区cr的特征值；
S4e4、判断获得匹配的用户品图像子分区cr的特征值与匹配的官方产品图像子分区ir的特征值是否一致，若是，则给出匹配的结论，若否，则执行步骤S4e5；
S4e5、基于匹配的用户品图像子分区cr生成多个相似分区；所述相似分区与匹配的用户品图像子分区cr除了在用户品图像中的位置不同外，其他属性均相同；
S4e6、基于匹配的官方产品图像子分区ir的子分区关联算法，依次获得所有相似分区的特征值，判断是否存在至少一个相似分区的特征值与匹配的官方产品图像子分区ir的特征值一致，若是，则给出匹配的结论，若是则给出不匹配的结论；
重复步骤S4e3-S4e6，对所有子分区进行匹配比对；
S4e7、根据匹配结果获得子分区的匹配率，则若匹配率大于预设阈值，则给出待识别用户产品为真的结论；所述匹配率的计算公式为：
匹配率＝(获得匹配结论的用户产品子分区数/用户产品子分区总数)x100。
(三)有益效果
本发明的有益效果是：本发明采用多分区计算特征值和相似分区匹配特征值技术，使特征值更加全面、精准体现纹理图像的差异性，有效减少误判，有利于提高计算机程序化产品真伪识别认证效率和准确率。
附图说明
图1为本发明实施例标签结构示意图；
图2为本发明实施例标签结构像素座标系与定位点关系图；
图3为本发明实施例第一图像示意图；
图4为本发明实施例标准化后的官方产品图像示意图；
图5为本发明实施例子子分区生成策略等距离经纬线分区结果示意图；
图6为本发明实施例第二图像示意图；
图7为本发明实施例标准化后的用户产品图像示意图；
图8为本发明实施例基于产品表面纹理图像特征的防伪方法流程图。
具体实施方式
为了更好的解释本发明，以便于理解，下面通过具体实施方式，对本发明作详细描述。
实施例一
如图8所示，本实施例提供一种基于产品表面纹理图像特征的防伪方法，具体地，方法包括下述步骤：
S1、获取具有唯一标识的标签。
本实施例中，标签，用于标示产品，具有定位、定向、定界和自我标示作用，具有唯一性。标签图像，用于将官方产品图像和用户产品图像统一到同一计算环境。官方产品图像是合法的产品图像，即在产品生产中，合法生产，并记录在案的官方产品的图像，也具有唯一性。用户产品图像是需要辨别真伪的疑似产品的图像。
具体地，步骤S1包括：
S1a、获取具有唯一标识的标签结构。
如图1所示，标签结构包括编码器120和定位器110；所述编码器120具有产品的唯一性序列号信息，所述定位器110包括四个编码器120外任意位置的点，为定位点；
优选地，标签结构还包括定界器140和定向器130；所述定界器140为定位器110的边界线；所述定向器130为边界线的方向。
其中，编码器120，具有产品的唯一性序列号信息，可以是图形，字符串、条形码和二维码中的一种，也可以是字符串、条形码和二维码的组合。在应用范围内，编码器中具有唯一性的序列号。
本实施例中，定位器110，包含4个定位点，用作下述步骤中各种图像变换运行的基准点。指定任意4个点作为透视变换的特征点。为了描述方便，参考图1所示，本实施例中，图标111、图标112、图标113和图标114为定位器110的四个定位点，也是下述步骤中图像变换，例如透视变换的特征点，简称为变换基准点，且4个定位点呈矩形分布，每个点是矩形的顶点，矩形左上角是图标114；在具体实现中，可选择构成任意形状的任意4个点，但指定后不可变更。
定界器140，优选地，标签结构还包括定界器140，定界器140为定位器110的边界线，本发明实施例中，由围绕标签编码器120的四条边线包括，左边线、上边线、右边线和下边线。左边线为定位点113到定位点114的连线，上边线为定位点114到定位点111的连线，右边线为定位点111到定位点112的连线，下边线为定位点112到定位点113的连线，四条边线组成矩形。在实际应用中，四条边线组成形状不限于本实施例所示的矩形，可设置成任意的其它形状，例如椭圆形灯。
定向器130，优选地，标签结构还包括定向器130，所述定向器130为边界线的方向，本发明实施例中，定向器130是从定位点113指向定位点114的一个带箭头的直线，箭头向上，且平行于左边线。
S1b、根据标签结构获得标签。
根据标签结构制作可植入产品表面的标签。
S1c、使用图像采集设备采集标签结构的图像，获得标签图像。
使用成像设备拍摄根据步骤S1b获得的标签结构的图像，获得防伪标签图像。优选地，拍摄时，预先设置好拍摄的视距bL和品质bD，视线垂直对准标签结构的中心。优选地，bL为如120mm，bD为300DPI。
S1d、采用图像分析处理方法，获取以任意一个定位点x为原点的坐标系中，所有标签图像中定位点的坐标bPi；其中，i为定位点的编号，i＝1,2,3…n。
如图2所示，基于图像分析处理方法，以图标114为原点，获得以图标114为原点像素座标系中，所有定位点，即后续步骤中，透视变换的基准点的座标值，bPi；其中，i为定位点的编号。本实施例中，4个定位点的坐标记作(bP1,bP2,bP3,bP4)。
S1e、将标签、标签图像和标签图像的标识存储于存储器。
其中，标签图像的标识包括标签图像定位点的坐标、采集标签结构图像时的视距和品质、标签的序列号信息。例如，将标签图像、标签图像定位点的坐标(bP1,bP2,bP3,bP4)、采集标签结构图像时的视距bL和品质bD存储在存储器中。
可选的，将标签、标签图像和标签图像的标识存储于数据库，例如，可进行网络通信的服务器或者云平台上。
S2、将标签图像植入具有唯一纹理特征的产品识别区。
使用时，将步骤S1获得的标签植于产品识别区，产品识别区为每个产品个体存在的具有唯一性纹理特征的表面区域；在产品范围内，每个产品个体在相似的表面位置存在独特的稳定的纹理特征图案。将标签图像植入具有唯一纹理特征的产品识别区后，标签与产品形成整体。如有位移，其位移距离小于预定值，例如0.01mm。
S3、使用图像采集设备采集已植入标签的产品的表面产品识别区的图像，获得官方产品图像，并采用多分区的纹理图像特征值计算方法，获得官方产品图像特征。
官方产品是产品生产者认可产品，官方产品为结构性固态或经包装后形成固态，产品表面存在独特的纹理且在产品范围内具有唯一性；所述纹理所在的表面区域称为识别区，经过步骤S2采用产品与标签图像一一对应方式在所述识别区内适当位置植入标签图像后，标签图像与产品形成整体，产生位移的距离小于预定值。用户产品是疑似官方产品的产品，也是需要识别真伪的产品。通过步骤，采用多分区纹理图像特征值计算方法，获得官方产品图像及其特征值，用于验证用户产品的真伪。
S3a、使用图像采集设备采集已植入标签的产品表面产品的产品识别区的图像，获得第一图像。
如图3所示，用成像设备拍摄已植入标签的产品表面产品识别区，获得第一图像500。第一图像500中，存在相对完整的标签图像510。
S3b、采用图像分析处理方法，根据第一图像中的标签的定位点的坐标第一图像进行透视变换，获得官方产品图像。
采用图像分析处理方法，对第一图像进行透视变换，对第一图像进行标准化，获得官方产品图像
S3b1、采用图像分析处理方法，获取第一图像中的标签的所有定位点的坐标pPi。
本实施例中，获取计算第一图像500中定位点511、512、513、514的坐标，作为变换基准点的座标(pP1,pP2,pP3,pP4)。
S3b2、使用第一图像定位点的坐标pPi作为透视变换的源图像特征点，使用bPi+pPx作为透视变换的目标图像特征点，获得第一图像透视变换矩阵iM，其中，i为定位点的编号，i＝1,2,3…n，x为作为原点的定位点的编号。
本实施例中，用第一图像定位点的坐标(pP1,pP2,pP3,pP4)作为透视变换的源图像特征点，使用(bP1+iP4,bP2+iP4,bP3+iP4,bP4+iP4)作透视变换的目标图像特征点，获得第一图像透视变换矩阵iM。这里，bPk(k＝1,2,3,4)和iP4的座标值分别为(u1,v1)和(u2,v2)，bPk+iP4产生值为(u3,v3)的新座标，其中，u3＝u1+u2，v3＝v1+v2。
S3b3、使用第一图像透视变换矩阵iM对第一图像进行透视变换，获得标准化的官方产品图像。
使用第一图像透视变换矩阵iM对第一图像500作透视变换，获得标准化的官方产品图像600。
S3c、采用预先设定的子分区生成策略，将官方产品图像分成多个有效子分区。
使用预先设定子分区生成策略，为了描述更清晰，将本实施例中，子分区生成策略命名为Pstrategy，本实施例中，子分区生成策略Pstrategy为用等距离经纬线分割图像生成子分区。基于子分区生成策略Pstrategy将身份图像600分成多个子分区{R}。
优选的，执行一个子分区筛选过程，剔除部分作用有限的子分区，被剔除的子分区不参与法定特征生成计算。
在执行步骤S3d前，可执行一个子分区筛选过程，剔除部分作用有限的子分区。
优选的，尽可能选择邻近标签图像610的子分区。
S3d、获得子分区纹理类别、子分区关联算法，并根据子分区纹理类别、子分区关联算法获得有效子分区的子分区特征值。
S3d1、获取每一个有效子分区的纹理类别。
获取每一个子分区纹理类别Ttype。可根据产品表面子分区的纹理特征，采用机器标记或人工定义的方式，获得子分区纹理类别。
机器标记为通过软件或硬件实现的计算机程序来判断产品表面纹理图像特征，并定义子分区纹理类别。例如，通过机器识别，将分区640定义为手纹型、分区641为条纹型，分区642为斑点型。
人工定义的方式为即人为判断子分区纹理特征，并设置子分区纹理类别。
S3d2、根据每一个有效子分区纹理类别，获得子分区关联算法。
根据子分区纹理类别对应的特征值计算方法，获得子分区特征值计算的算法Talg，即子分区关联算法。
例如，若子分区640的纹理类别为指纹型，则该子分区关联的特征值算法为计算纹理中有分叉点的线段个数，若子分区641的纹理类别为条纹型则该子分区关联的特征值算法为计算纹理的条纹数。
在实际应用中，可预先建立用于建立纹理类别与算法的对应关系的算法表。根据算法表获得子分区关联算法。
S3d3、用子分区关联的算法获得每一个有效子分区的特征值。
用子分区关联的算法Talg，获得每一个子分区的特征值Tval；Tval可为但不仅限于文字、图形、数值、图像，或以上形式的组合。
S3e、根据子分区相对于官方产品图像中标签图像的位置，获得每一个有效子分区的子分区定位。
根据每一个子分区相对于标签图像610的位置，用子分区相对于标签图像610的位置作子分区的标示符，获得的子分区位置的标签图像610相对位置的计算方法，称为子分区定位Tloc。
例如，每个子分区的中心到标签图像610中心的距离和与上边线的夹角的联合，作为子分区相当位置的计算方法，由此，获得每个子分区定位Tloc。
S3f、获取官方产品图像的序列号，将官方产品图像、子分区生成策略、官方产品图像特征与官方产品图像的序列号一一对应存储于存储器。
所述官方产品图像特征包括子分区纹理类别、子分区关联算法、官方产品每个子分区的子分区定位和子分区特征值。
S3f1、通过对官方产品图像中编码器的信息进行解码，获得标签序列号。
S3f2、将官方产品图像信息与官方产品图像的序列号一一对应存储于存储器。
将子分区类型Ttype、子分区关联算法Talg、子分区子分区定位算法Tloc和子分区的特征值Tval存储于存储器。
优选地，步骤S3f2包括：
根据官方产品法定特征获得的包含官方产品法定特征的数据实体RT；所述官方产品图像特征包括子分区纹理类别、子分区关联算法、官方产品每个子分区的子分区定位和子分区特征值。
本实施例中，使用一个数据实体RT，记录子分区类型Ttype、子分区关联算法Talg、子分区定位算法Tloc和子分区的特征值Tval：
RT(Ttype、Talg、Tloc、Tval)
每一个有效子分区生成一个数据实体RT，所有子分区的数据实体RT构成了官方产品图像600官方产品图像特征Plegal。
一个产品存在且仅存在一个官方产品特征Plegal，即官方产品法定特征。
优选的，使用标签序列号做主健，将官方产品图像、子分区生成策略、数据实体RT存储于存储器。
可解码官方产品图像中编码器630的信息获得标签序列号iPsn，使用标签序列号iPsn做主健，将存储官方产品图像的序列号iPsn、官方产品图像600、分区策略Pstrategy、官方产品图像特征Plegal存储于存储器。
S3g、对官方产品图像特征做重复检查，若官方产品图像特征不唯一，则调整子分区的纹理类别，重复步骤S3d-S3f，重新获取官方产品图像特征。
优选的，官方产品图像特征Plegal生成后，做重复性检验。当有重复时，尝试通过调整某些子分区的纹理类别Talg规避重复性；或，通过人工干预规避重复性。
若不规避重复，可设定允许存在重复。
S4、基于标签图像的标识和官方产品图像特征，采用相似分区的纹理图像特征值匹配方法，将需要识别真伪的用户产品图像进行匹配验证，根据匹配验证结果给出真伪结论。
S4a、使用图像采集设备采集待识别真伪的产品的识别区的图像，获得第二图像；
认证产品真伪时，用成像设备拍摄待识别真伪的产品的识别区，生成第二图像700。第二图像700中，存在相对完整的标签图像710。
S4b、采用图像分析处理方法，根据第二图像中的标签的定位点的坐标第二图像进行透视变换，获得用户产品图像；
采用图像分析处理方法，对第二图像进行标准化处理，获得用户产品图像。
S4b1、采用图像分析处理方法，获取第二图像中的标签的所有定位点的坐标cPi。
获取第二图像700中定位点711、712、713、714的坐标，作为变换基准点的座标，结果记为(cP1,cP2,cP3,cP4)。
S4b2、使用第二图像定位点的坐标cPi作为透视变换的源图像特征点，使用bPi+cPx作为透视变换的目标图像特征点，获得第二图像透视变换矩阵cM。
本实施例中，用(cP1,cP2,cP3,cP4)作透视变换的源图像特征点，(bP1+cP4,bP2+cP4,bP3+cP4,bP4+cP4)作透视变换的目标图像特征点，生成透视变换矩阵cM。这里，bPk(k＝1,2,3,4)和cP4的座标值分别为(u1,v1)和(u2,v2)，bPk+cP4产生值为(u3,v3)的新座标，其中，u3＝u1+u2，v3＝v1+v2。
S4b3、使用第二图像透视变换矩阵cM对第二图像进行透视变换，获得标准化的用户产品图像。
用cM对第二图像700作透视变换，生成用户产品图像800。
S4c、识别用户产品图像中的标签序列号，获取标签序列号对应的官方产品图像信息；
从待识别的用户产品图像800中的编码器830提取标签序列号，记为cPsn；查询标签序列号cPsn对应的经步骤S3中获得的官方产品图像特征Plegal、分区策略Pstrategy。
S4d、采用标签序列号对应的官方产品图像子分区生成策略，将用户产品图像分成多个子分区。
官方产品图像特征Plegal中指定的子分区生成策略，生成用户产品图像800有效子分区组，记为{cR}。
S4e、基于标签序列号对应的官方产品图像子分区定位和子分区关联算法，对有效子分区进行匹配，根据匹配结果给出待识别用户产品真伪的结论。
判断官方产品图像特征中任一子分区的特征值是与被用户产品图像中有效分区匹配。官方产品图像特征Plegal所携带的任一子分区ir，用下列步骤判断定是否被{cR}匹配，当官方产品图像特征Plegal中子分区匹配率大于某个预定值，例如95，则视产品为真品，产生“肯定”结论，否则产生“否定”结论；其中，匹配率＝(被匹配子分区数/子分区总数)x100；
S4e1、根据子分区相对于官方产品图像中标签图像的位置，获取每一个用户产品子分区的子分区定位。
获取用户产品子分区{CR}的子分区定位。
S4e2、判断用户产品图像子分区中是否存在至少一个子分区与官方产品图像中任一子分区定位匹配，若不存在，则给出待识别用户产品为伪的结论；若存在，则执行步骤S4e3；
用户产品子分区{CR}中存在一个子分区cr和官方产品子分区{ir}中的一个子分区ir的子分区定位Tloc值相同或近似相同，则cr为ir的对等子分区。
S4e3、获取任意一对相互匹配的用户品图像子分区cr和官方产品图像子分区ir，基于匹配的官方产品图像子分区ir的子分区关联算法，获得匹配的用户品图像子分区cr的特征值。
获取用户产品子分区{CR}中与官方产品子分区{ir}对等的其中一对子分区cr和ir，获取ir的子分区关联算法，用ir标示的算法计算cr的特征值。
S4e4、判断获得匹配的用户品图像子分区cr的特征值与匹配的官方产品图像子分区ir的特征值是否一致，若是，则给出匹配的结论，若否，则执行步骤S4e5；
当cr和ir的特征值相等时视为ir是匹配的。
S4e5、基于匹配的用户品图像子分区cr生成多个相似分区；所述相似分区与匹配的用户品图像子分区cr除了在用户品图像中的位置不同外，其他属性均相同；
如果仍未被匹配，基于cr生成多个cr的相似子分区。相似子分区除了位置和大小不同外其它属性均与cr相同。
S4e6、基于匹配的官方产品图像子分区ir的子分区关联算法，依次获得所有相似分区的特征值，判断是否存在至少一个相似分区的特征值与匹配的官方产品图像子分区ir的特征值一致，若是，则给出匹配的结论，若是则给出不匹配的结论。
如果存在一个相似子分区的特征值与ir的特征值相同视为cr与ir匹配。
重复步骤S4e3-S4e6，对所有子分区进行匹配比对。
S4e7、根据匹配结果获得子分区的匹配率，则若匹配率大于预设阈值，则给出待识别用户产品为真的结论；所述匹配率的计算公式为：
匹配率＝(获得匹配结论的用户产品子分区数/用户产品子分区总数)x100。
当官方产品图像特征Plegal中子分区匹配率大于某个预定值(如95)，则视产品为真品，产生“肯定”结论，否则产生“否定”结论；其中，匹配率＝(被匹配子分区数/子分区总数)x100。
可选的，如果存在用户产品图像(800)清晰度太差、尺寸太小、不能获取序列号等不满足应用要求的情况，产生“不确定”结论。
实施例二
本实施例说明用本发明所述方法，基于一批称为Tag的标签对一批称为Produce的产品实现真伪认证。Produce可以是现实中用透明真空包装袋包装后的风干鱼或其它，Tag是结合所述方法的具有特殊结构的标签。
本实施例中，标签Tag具有以下特征：
1)所有个体标签形状、大小、结构一致；
2)个体存在唯一的序列号，序列号以二维码或其它方式存在个体中，可读；
3)印刷品图像精度不宜低于350DPI。
4)个体内容的实际位置和形状与设计位置和形状的差别不宜不大于2个PPI；
5)使用时，个体植于Produce个体的识别区，产品形成一体，如有位移，其位移距离小于预定值(如1个PPI)；
6)使用时，Tag之个体与Produce之个体一一对应。
产品Produce具有以下产品特征：
1)个体是结构性固态或经包装后形成固态；
2)所有个体外形相似；
3)每个个体在相似的表面位置存在独特的稳定的纹理图案，且在Produce范围内具有唯一性；纹理图案所在的区域称为识别区。
具体地，本实施例包括以下步骤：
S1、获取具有唯一标识的标签。
S1a、获取具有唯一标识的标签结构。
本实施例所用标签的结构如图1所示，长方形，由定位器110、二维码120、边界器140和定向器130组成。
定位器由4个定位点组成，分别为图标111、图标112、图标113和图标114。
二维码120携带标签序列号，
定向器130所指方向是垂直标签下边缘线向上，其起点是图标113，终点是图标114。
边界器140是标签的四条边线。
S1b、根据标签结构获得标签。
S1c、使用图像采集设备采集标签的图像，获得标签图像。
用成像设备拍摄标签的正俯视图生成标准标签图像。拍摄视距bL为120mm，成像精度bD为350DPI。
S1d、采用图像分析处理方法，获取以任意一个定位点x为原点的坐标系中，所有标签图像中定位点的坐标bPi；其中，i为定位点的编号，i＝1,2,3…n。
在如图2所示的图标(114)位于原点的像素座标系中，按下列类似C语言伪代码所表示的步骤计算各定位点座标：
其中，w是图像的宽度，h是图像的高度。
从上述代码可得到：
图标110的座标为(r,t)，记为bP1；
图标111的座标为(r,b)，记为bP2；
图标113的座标为(l,b)，记为bP3；
图标114的座标为(l,t)，记为bP4；
本实施例中，bP1、bP2、bP3和bP4是标准透视变换目标图像特征点座标，记为(bp1，bP2，bP3，bP4)。
可选择，计算出定位点111与112间、112与113间、113与114间和114与111间的距离。
可选择，计算出定向图形120所指方向，本实施例中，方向为90度，表示垂直于标准标签图像100下边缘指向上边缘。
S1e、将标签、标签图像和标签图像的标识存储于存储器；
其中，标签图像的标识包括标签图像定位点的坐标、采集标签结构图像时的视距和品质、标签的序列号信息。
将标签、标签图像100、标签图像定位点的坐标(bp1，bP2，bP3，bP4)、采集标签图像时的视距和品质存储于存储器。
S2、将标签植入所述产品表面具有唯一纹理特征的产品识别区。
S3、使用图像采集设备采集已植入标签的产品的表面产品识别区的图像，获得官方产品图像，并采用多分区的纹理图像特征值计算方法，获得官方产品图像特征。
S3a、使用图像采集设备采集已植入标签的产品表面产品的产品识别区的图像，获得第一图像。
用成像设备拍摄产品识别区获得第一图像500，记为G1，如图3所示。
第一图像G1中的定位点511、定位点512、定位点513和定位点514在图3所示的座标系中像素座标(u,v)分别记为pP1，pP2，pP3和pP4。
S3b、采用图像分析处理方法，根据第一图像G1中的标签的定位点的坐标第一图像进行透视变换，获得官方产品图像。
S3b1、采用图像分析处理方法，获取第一图像G1中的标签的所有定位点的坐标pPi；
采用图像分处理方法，计算第一图像G1中的定位点的坐标pP1，pP2，pP3和pP4的值。
S3b2、使用第一图像定位点的坐标pPi作为透视变换的源图像特征点，使用bPi+pPx作为透视变换的目标图像特征点，获得第一图像透视变换矩阵iM。x为作为原点的定位点的编号。
本实施例中，pP4为原点，值为(u1，v1)，则第一图像G1透视变换的目标图像特征点座标bPi'＝bPi+pPx，即：
bP1'＝bP1+(u1，v1)
bP2'＝bP2+(u1，v1)
bP3'＝bP3+(u1，v1)
bP4'＝bP4+(u1，v1)
上述加运算得到一个新座标，其结果的u分量是右边两个u分量之和，v分量是右边两个v分量之和。
S3b3、使用第一图像透视变换矩阵iM对第一图像进行透视变换，获得官方产品图像。
用第一图像定位点的坐标(pP1，pP2，pP3，pP4)作透视变换的源特征点，第一图像透视变换目标图像特征点座标(bP1'，bP2'，bP3'，bP4')作目标特征点，生成图像透视变换矩阵iM；用iM对官方产品图像G1做图像透视变换获得官方产品图像600，记为G2，如图4所示。
S3c、采用预先设定的子分区生成策略，将官方产品图像分成多个有效子分区。
本实施例中，预先设定的子分区生成策略为：用官方产品图像G2中心点为参考点，用经纬分割官方产品图像G2生成多个子分区，经纬线之间的间隔距离是预置值，经线间和纬线间的间隔距离都设置10mm。在实际应用中，经线间和纬线间的间隔距离是一个经验值，优选采用本实施例的数值，本实施例的数值是反复测试验证得出的最佳选择。
采用上述分割方法后产生图5的结果。如图所示，生成9个分区，分别为分区640、分区641、分区642、分区643、分区644、分区645、分区646、分区647和分区648。G2的分区记为iR，9个分区组合在一起形成G2的分区组。
优选地，对所有的子分区进行筛选，剔除的不与标签相交的图像的子分区，获得有效子分区。
本实施例中，基于图像分析处理，从分区组中选出不与标签610相交的分区，共7个，分别为分区640、分区641、分区642、分区645、分区646、分区647和分区648。所述的7个分区为G2的有效分区，组合在一起形成官方产品图像G2的有效分区组。
优选地，基于图像分析处理，采用预定策略从有效分区组选出一个或多个分区，本实施例采用“全选”策略选出全部候选分区，共7个分区。中选的分区为后续步骤中，进行匹配的认证分区，组合在一起形成官方产品图像G2的有效子分区{iR}。
S3d、获得子分区纹理类别、子分区关联算法，并根据子分区纹理类别、子分区关联算法获得有效子分区的子分区特征值。
S3d1、获取每一个有效子分区的纹理类别。
本实施例中，预先定于4种纹理类别，分别为Tux1，Tux2，Tux3和Tux4。其中，Tux1为指纹型，Tux2为条纹型，Tux3为斑点型，Tux4为普通型。在具体实现中，不属于Tux1和Tux2和Tux3的纹理的类别设置成Tux4。
对于官方产品图像G2的有效子分区{iR}中的每一个子分区iR赋与iR的纹理类别R_type。由于实施例中的纹理与指纹纹理类似，设置R_type为Tux1；实际应用中，由机器根据纹理特点自动选择，或通过人工选择，或用机器自动与人工相结合的方式选择。
S3d2、根据每一个有效子分区纹理类别，获得子分区关联算法。
本实例中，预定义一个纹理类别与算法对应表，用于建立纹理类别与算法的对应关系。根据设定的纹理类别，定于纹理类别的特征值计算算法，分别为Alg1，Alg2，Alg3和Alg4。其中，Alg1为计算有分叉点的线段个数，Alg2为计算端点分别在上下边缘上的线段个数，Alg3为统计斑点个数，Alg4为计算灰度值小于128的像素个数。其中，Tux1对应Agl1，Tux2对应Agl2，Tux3对应Agl3，Tux4对应Agl4。
根据预定义的纹理类别与算法对应表，对赋与子分区iR赋予关联算法R_agl。由于在类别与算法对应用表中，Tux1对应的算法为Agl1，设置R_agl为Alg1；
S3d3、用子分区关联的算法获得每一个有效子分区的特征值。
用算法Alg1计算官方产品图像有效子分区iR的子分区特征值记为R_value。本实施例中，特征值是iR中有分叉的线段个数。
S3e、根据子分区相对于官方产品图像中标签图像的位置，获得每一个有效子分区的子分区定位。
根据子分区相对于官方产品图像中标签图像的位置赋与iR子分区定位，即标示符R_id。R_id的值用(d，a)表示，其中，d是iR中心与标签610之间的距离，a是定向线620与有向直线650之间的夹角620按顺时针方向旋转与650重合产生的夹角θ。
S3f、获取官方产品图像的序列号，将官方产品图像、子分区生成策略、官方产品图像特征与官方产品图像的序列号一一对应存储于存储器。
所述官方产品图像特征包括子分区纹理类别、子分区关联算法、官方产品每个子分区的子分区定位和子分区特征值。
S3f1、通过对官方产品图像中编码器的信息进行解码，获得标签序列号。
扫描官方产品图像G2中的二维码630，获得标签序列号，例如，SN0321，记为Psn，作为产品序列号。
S3f2、将官方产品图像、子分区生成策略、官方产品图像特征与官方产品图像的序列号一一对应存储于存储器。
生成一数据实体R_Object，将上述步骤获得的子分区定位R_id、子分区纹理类别R_type、子分区关联算法R_agl和子分区特征值R_value存储在R_Object中。本实施例中，数据实体R_Object为C++类对象。
优选地，为官方产品有效子分区{iR}构造一个数据实体，记为G2T，将所有的数据实体R_object存储在G2T中。G2T称为编号为Psn的产品的法定特征。
优选地，用Psn作主健，存储官方产品图像G2、第一图像G1，官方产品图像定位点坐标pP1、pP2、pP3和pP3。
优选地，用Psn作主健，存储官方产品图像法定特征G2T，使官方产品图像法定特征G2T可查询检索。本实施例中，G2T为C++类对象。
S4、基于标签图像的标识和官方产品图像特征，采用相似分区的纹理图像特征值匹配方法，将需要识别真伪的用户产品图像进行匹配验证，根据匹配验证结果给出真伪结论。
S4a、使用图像采集设备采集待识别真伪的产品的识别区的图像，获得第二图像。
用成像设备拍摄产品识别区生成第二图像700，记为G3，如图6所示。
S4b、采用图像分析处理方法，根据第二图像G3中的标签的定位点的坐标第二图像进行透视变换，获得用户产品图像。
S4b1、采用图像分析处理方法，获取第二图像G3中的标签的所有定位点的坐标cPi。
G3中定位点711、定位点712、定位点713和定位点714在图6所示的座标系中像素座标(u,v)分别记为cP1，cP2，cP3和cP4。
S4b2、使用第二图像定位点的坐标cPi作为透视变换的源图像特征点，使用bPi+cPx作为第二图像透视变换的目标图像特征点，获得第二图像透视变换矩阵cM。
cP4为原点，值为(u1，v1)，则第二图像透视变换的目标图像特征点座标：
bP1'＝bP1+(u1，v1)
bP2'＝bP2+(u1，v1)
bP3'＝bP3+(u1，v1)
bP4'＝bP4+(u1，v1)
上述加运算得到一个新座标，其结果的u分量是右边两个u分量之和，v分量是右边两个v分量之和。
用第二图像定位点的坐标(cP1，cP2，cP3，cP4)作透视变换的源特征点，第二图像透视变换的目标图像特征点座标(bP1'，bP2'，bP3'，bP4')作目标特征点，生成图像透视变换矩阵cM；
S4b3、使用第二图像透视变换矩阵cM对第二图像进行透视变换，获得用户产品图像。
用cM对第二图像G3做图像透视变换生成用户产品图像800，记为G4，如图7所示。
S4c、识别用户产品图像G4中的标签序列号，获取标签序列号对应的官方产品图像信息。
扫描用户产品图像G4中的二维码(830)，获得标签序列号(如，SN0321)，记为uPsn。
S4d、采用标签序列号对应的官方产品图像子分区生成策略，将用户产品图像分成多个子分区。
用uPsn作主健，查询得到官方产品的法定特征G2T。
从官方产品的法定特征G2T中取出官方产品有效子分区{iR}。
根据G2T中相同方法对用户产品图像G4进行分区，获得用户产品图像G4的有效子分区{cR}。
S4e、基于标签序列号对应的官方产品图像子分区定位和子分区关联算法，对有效子分区进行匹配，根据匹配结果给出待识别用户产品真伪的结论。
S4e1、根据子分区相对于官方产品图像中标签图像的位置，获取每一个用户产品子分区的子分区定位。
获得用户产品图像G4的有效子分区{cR}的子分区定位。
S4e2、判断用户产品图像子分区中是否存在至少一个子分区与官方产品图像中任一子分区定位匹配，若不存在，则给出待识别用户产品为伪的结论；若存在，则执行步骤S4e3。
判断iR是否存在于{cR}中，如果不存在，产生“伪”结论。
设iR的R_id＝(d1,a1)，如果iR存在于{cR}，则{cR}有一分区cR，cR＝(d2,a2),且，d1、a1、d2和a2满足以下条件:
|d1-d2|<＝ΔX，|a1-a1|<＝ΔY
其中,ΔX和ΔY是预定值，本实施例中分别设置为4和4。
则认为iR存在于{cR}中，cR是iR的对等分区，即cR与iR相互匹配。
S4e3、获取任意一对相互匹配的用户品图像子分区cr和官方产品图像子分区ir，基于匹配的官方产品图像子分区ir的子分区关联算法，获得匹配的用户品图像子分区cr的特征值。
S4e4、判断获得匹配的用户品图像子分区cr的特征值与匹配的官方产品图像子分区ir的特征值是否一致，若是，则给出匹配的结论，若否，则执行步骤S4e5；
用iR中指定的算法(R_agl)，计算cR的特征值，比较iR和cR的特值值，如果相等表示iR被匹配。
S4e5、基于匹配的用户品图像子分区cr生成多个相似分区；所述相似分区与匹配的用户品图像子分区cr除了在用户品图像中的位置不同外，其他属性均相同。
构造相似分区序列。设iR在G4中的对等分区为cR，cR在G4的范围为(l，t，w，h)，记为reg，其中，l和t是uR左上角的像素座标，w和h是uR的宽度和高度。
生成一系列cR的相似分区，记为{cR'}。所述uR相似分区，除位置和大小不同于cR外其它属性均相同。本实施例中，通过变化(l，t，w，h)的值生成256个uR的相似分区。既，{cR'}大小为256。
S4e6、基于匹配的官方产品图像子分区ir的子分区关联算法，依次获得所有相似分区的特征值，判断是否存在至少一个相似分区的特征值与匹配的官方产品图像子分区ir的特征值一致，若是，则给出匹配的结论，若是则给出不匹配的结论。
重复步骤S4e3-S4e6，对所有子分区进行匹配比对。
依次计算中相似分区的特征值，直到iR被匹配为止；
如果iR仍未被匹配，说明iR匹配失败。
S4e7、根据匹配结果获得子分区的匹配率，则若匹配率大于预设阈值，则给出待识别用户产品为真的结论；所述匹配率的计算公式为：
匹配率＝(获得匹配结论的用户产品子分区数/用户产品子分区总数)x100。
当({iR}中被匹配的分区数/{iR}中的分区数)x100的值小于98时，产生“否定”结论，否则，产生肯定结论。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
最后应说明的是：以上所述的各实施例仅用于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：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，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范围。

Claims (10)

1.一种基于产品表面纹理图像特征的防伪方法，其特征在于，所述方法包括：
S1、获取具有唯一标识的标签；
S2、将标签植入所述产品表面具有唯一纹理特征的产品识别区；
S3、使用图像采集设备采集已植入标签的产品的表面产品识别区的图像，获得官方产品图像，并采用多分区的纹理图像特征值计算方法，获得官方产品图像特征；
S4、基于标签图像的标识和官方产品图像特征，采用相似分区的纹理图像特征值匹配方法，将需要识别真伪的用户产品图像进行匹配验证，根据匹配验证结果给出真伪结论。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1包括：
S1a、获取具有唯一标识的标签结构；
所述标签结构包括编码器(120)和定位器(110)；所述编码器(120)具有产品的唯一性序列号信息，所述定位器(110)包括至少四个在所述编码器(120)外任意位置的定位点，所述定位点用于在后续步骤中作为图像变换的基准点；
S1b、根据标签结构获得标签；
S1c、使用图像采集设备采集标签的图像，获得标签图像；
S1d、采用图像分析处理方法，获取以任意一个定位点x为原点的坐标系中，所有标签图像中定位点的坐标bPi；其中，i为定位点的编号，i＝1,2,3…n；
S1e、将标签、标签图像和标签图像的标识存储于存储器；
其中，标签图像的标识包括标签图像定位点的坐标、采集标签结构图像时的视距和品质、标签的序列号信息。
3.根据权利要求2所述的方法，其特征在于，所述步骤S1a中的标签结构还包括定界器(140)和定向器(130)；
所述定界器(140)为定位器(110)的边界线；
所述定向器(130)为边界线的方向。
4.根据权利要求2或3所述的方法，其特征在于，所述步骤S3包括：
S3a、使用图像采集设备采集已植入标签的产品表面产品的产品识别区的图像，获得第一图像；
S3b、采用图像分析处理方法，根据第一图像中的标签的定位点的坐标第一图像进行透视变换，获得官方产品图像；
S3c、采用预先设定的子分区生成策略，将官方产品图像分成多个有效子分区；
S3d、获得子分区纹理类别、子分区关联算法，并根据子分区纹理类别、子分区关联算法获得有效子分区的子分区特征值；
S3e、根据子分区相对于官方产品图像中标签图像的位置，获得每一个有效子分区的子分区定位；
S3f、获取官方产品图像的序列号，将官方产品图像、子分区生成策略、官方产品图像特征与官方产品图像的序列号一一对应存储于存储器；
所述官方产品图像特征包括子分区纹理类别、子分区关联算法、官方产品图像每个子分区的子分区定位和子分区特征值。
5.根据权利要求4所述的方法，其特征在于，所述步骤S3b包括：
S3b1、采用图像分析处理方法，获取第一图像中的标签的所有定位点的坐标pPi；
S3b2、使用第一图像定位点的坐标pPi作为透视变换的源图像特征点，使用bPi+pPx作为透视变换的目标图像特征点，获得第一图像透视变换矩阵iM，其中，i为定位点的编号，i＝1,2,3…n，x为作为原点的定位点的编号；
S3b3、使用第一图像透视变换矩阵iM对第一图像进行透视变换，获得官方产品图像。
6.根据权利要求4所述的方法，其特征在于，所述步骤S3d包括：
S3d1、获取每一个有效子分区的纹理类别；
S3d2、根据每一个有效子分区纹理类别，获得子分区关联算法；
S3d3、用子分区关联的算法获得每一个有效子分区的特征值。
7.根据权利要求6所述的方法，其特征在于，所述步骤S3f包括：
S3f1、通过对官方产品图像中编码器的信息进行解码，获得标签序列号；
S3f2、将官方产品图像、子分区生成策略、官方产品图像特征与官方产品图像的序列号一一对应存储于存储器。
8.根据权利要求4所述的方法，其特征在于，所述步骤S4包括：
S4a、使用图像采集设备采集待识别真伪的产品的识别区的图像，获得第二图像；
S4b、采用图像分析处理方法，根据第二图像中的标签的定位点的坐标第二图像进行透视变换，获得用户产品图像；
S4c、识别用户产品图像中的标签序列号，获取标签序列号对应的官方产品图像信息；
S4d、采用标签序列号对应的官方产品图像子分区生成策略，将用户产品图像分成多个子分区；
S4e、基于标签序列号对应的官方产品图像子分区定位和子分区关联算法，对有效子分区进行匹配，根据匹配结果给出待识别用户产品真伪的结论。
9.根据权利要求8所述的方法，其特征在于，所述步骤S4b包括：
S4b1、采用图像分析处理方法，获取第二图像中的标签的所有定位点的坐标cPi；
S4b2、使用第二图像定位点的坐标cPi作为透视变换的源图像特征点，使用bPi+cPx作为透视变换的目标图像特征点，获得第二图像透视变换矩阵cM；
S4b3、使用第二图像透视变换矩阵cM对第二图像进行透视变换，获得用户产品图像。
10.根据权利要求8所述的方法，其特征在于，所述步骤S4e包括：
S4e1、根据子分区相对于官方产品图像中标签图像的位置，获取每一个用户产品子分区的子分区定位；
S4e2、判断用户产品图像子分区中是否存在至少一个子分区与官方产品图像中任一子分区定位匹配，若不存在，则给出待识别用户产品为伪的结论；若存在，则执行步骤S4e3；
S4e3、获取任意一对相互匹配的用户品图像子分区cr和官方产品图像子分区ir，基于匹配的官方产品图像子分区ir的子分区关联算法，获得匹配的用户品图像子分区cr的特征值；
S4e4、判断获得匹配的用户品图像子分区cr的特征值与匹配的官方产品图像子分区ir的特征值是否一致，若是，则给出匹配的结论，若否，则执行步骤S4e5；
S4e5、基于匹配的用户品图像子分区cr生成多个相似分区；所述相似分区与匹配的用户品图像子分区cr除了在用户品图像中的位置不同外，其他属性均相同；
S4e6、基于匹配的官方产品图像子分区ir的子分区关联算法，依次获得所有相似分区的特征值，判断是否存在至少一个相似分区的特征值与匹配的官方产品图像子分区ir的特征值一致，若是，则给出匹配的结论，若是则给出不匹配的结论；
重复步骤S4e3-S4e6，对所有子分区进行匹配比对；
S4e7、根据匹配结果获得子分区的匹配率，则若匹配率大于预设阈值，则给出待识别用户产品为真的结论；所述匹配率的计算公式为：
匹配率＝(获得匹配结论的用户产品子分区数/用户产品子分区总数)x 100。
CN201910029462.9A 2019-01-13 2019-01-13 一种基于产品表面纹理图像特征的防伪方法 Withdrawn CN109919276A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910029462.9A CN109919276A (zh) 2019-01-13 2019-01-13 一种基于产品表面纹理图像特征的防伪方法
US16/740,590 US20200226772A1 (en) 2019-01-13 2020-01-13 Anti-counterfeiting method based on feature of surface texture image of products

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910029462.9A CN109919276A (zh) 2019-01-13 2019-01-13 一种基于产品表面纹理图像特征的防伪方法

Publications (1)

Publication Number Publication Date
CN109919276A true CN109919276A (zh) 2019-06-21

Family

ID=66960275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910029462.9A Withdrawn CN109919276A (zh) 2019-01-13 2019-01-13 一种基于产品表面纹理图像特征的防伪方法

Country Status (2)

Country Link
US (1) US20200226772A1 (zh)
CN (1) CN109919276A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111680768A (zh) * 2020-05-27 2020-09-18 广州怡成软件开发有限责任公司 一种防伪标识识别方法及系统
CN113379720A (zh) * 2021-06-29 2021-09-10 云南昆船设计研究院有限公司 一种基于茶饼图像特征编码的茶饼防伪方法
CN116776909A (zh) * 2023-08-28 2023-09-19 四川星点网络技术有限公司 一种瓶盖二维码溯源系统

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11436853B1 (en) * 2019-03-25 2022-09-06 Idemia Identity & Security USA LLC Document authentication
CN111798740B (zh) * 2020-07-29 2022-11-25 云南易见纹语科技有限公司 防伪标记、系统、生成方法以及防伪标记识别方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106327534A (zh) * 2016-08-31 2017-01-11 杭州沃朴物联科技有限公司 一种基于定位块的轮胎内壁纹理识别方法
US20170041543A1 (en) * 2015-08-06 2017-02-09 Taro Kikuchi Image processing device and recording medium
WO2017047862A1 (ko) * 2015-09-18 2017-03-23 민운기 영상의 색 히스토그램 및 질감 정보를 이용한 영상 키 인증 방법 및 시스템

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5615288A (en) * 1993-04-26 1997-03-25 Fuji Xerox Co., Ltd. Singular value decomposition coding and decoding apparatuses
CN1074563C (zh) * 1998-08-08 2001-11-07 陈明发 结构纹理防伪方法
JP4292837B2 (ja) * 2002-07-16 2009-07-08 日本電気株式会社 パターン特徴抽出方法及びその装置
CN2715245Y (zh) * 2003-09-22 2005-08-03 兆日科技（深圳）有限公司 一种纹理密码标签
US7900837B2 (en) * 2007-03-14 2011-03-08 Microsoft Corporation Optical fiber paper reader
US8774455B2 (en) * 2011-03-02 2014-07-08 Raf Technology, Inc. Document fingerprinting
US8903181B2 (en) * 2011-12-28 2014-12-02 Venkatesh Gangadharan Low cost unique identification generation using combination of patterns and unique code images
CN104145278B (zh) * 2012-05-07 2017-12-12 北京谱福溯码信息技术开发有限公司 正品认证用标签、该标签的认证代码生成方法、该标签的认证方法及系统、用于认证该标签的便携终端及用于该标签的认证的计算机可读性记录介质
TWI471815B (zh) * 2012-12-07 2015-02-01 Chunghwa Picture Tubes Ltd 手勢辨識裝置及方法
TWI497422B (zh) * 2012-12-25 2015-08-21 Univ Nat Chiao Tung 車牌影像辨識系統及方法
WO2014115782A1 (ja) * 2013-01-22 2014-07-31 株式会社東芝 超音波診断装置、画像処理装置及び画像処理方法
GB2522189A (en) * 2014-01-10 2015-07-22 Authenticate Now Ltd Authentication system, method and label
US20160267494A1 (en) * 2014-08-22 2016-09-15 Sense Digital Co., Ltd. Tactile anti-forgery method using random raised structures
KR102202690B1 (ko) * 2015-01-08 2021-01-13 삼성전자주식회사 지문 인식 방법, 장치 및 시스템
JP2017119370A (ja) * 2015-12-28 2017-07-06 セイコーエプソン株式会社 ラベル作成装置、システム、およびラベル
WO2017153971A1 (en) * 2016-03-11 2017-09-14 Bilcare Limited A system for product authentication and method thereof
US10229487B2 (en) * 2017-02-27 2019-03-12 Amazon Technologies, Inc. Optical vibrometric testing of container for items
WO2019134431A1 (zh) * 2018-01-02 2019-07-11 海南亚元防伪技术研究所（普通合伙） 手撕纹理防伪方法及其产品和材料
US10977534B1 (en) * 2018-08-29 2021-04-13 Verinetics Compositions, systems, and methods for unique identifiers embedded in machine verifiable marks having error correction features
US10628647B1 (en) * 2019-01-30 2020-04-21 Innoview Sarl Authentication and tracking by hidden codes
US11429800B2 (en) * 2020-05-13 2022-08-30 Hong Fu Jin Precision Industry (Wuhan) Co., Ltd. Object recognition system and related device
US11270468B1 (en) * 2020-12-18 2022-03-08 Facebook Technologies, Llc. Joint color image and texture data compression

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170041543A1 (en) * 2015-08-06 2017-02-09 Taro Kikuchi Image processing device and recording medium
WO2017047862A1 (ko) * 2015-09-18 2017-03-23 민운기 영상의 색 히스토그램 및 질감 정보를 이용한 영상 키 인증 방법 및 시스템
CN106327534A (zh) * 2016-08-31 2017-01-11 杭州沃朴物联科技有限公司 一种基于定位块的轮胎内壁纹理识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王俊一: "基于纹理特征的自动指纹识别系统研究", 《中国优秀博硕士学位论文全文数据库 (硕士) 信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111680768A (zh) * 2020-05-27 2020-09-18 广州怡成软件开发有限责任公司 一种防伪标识识别方法及系统
CN113379720A (zh) * 2021-06-29 2021-09-10 云南昆船设计研究院有限公司 一种基于茶饼图像特征编码的茶饼防伪方法
CN113379720B (zh) * 2021-06-29 2022-08-09 云南昆船设计研究院有限公司 一种基于茶饼图像特征编码的茶饼防伪方法
CN116776909A (zh) * 2023-08-28 2023-09-19 四川星点网络技术有限公司 一种瓶盖二维码溯源系统
CN116776909B (zh) * 2023-08-28 2023-11-03 四川星点网络技术有限公司 一种瓶盖二维码溯源系统

Also Published As

Publication number Publication date
US20200226772A1 (en) 2020-07-16

Similar Documents

Publication Publication Date Title
CN109919276A (zh) 一种基于产品表面纹理图像特征的防伪方法
JP2020161149A (ja) 真贋判定方法、真贋判定システム、及びそのプログラム
CN108229379A (zh) 图像识别方法、装置、计算机设备和存储介质
CN108230321A (zh) 缺陷检测方法及装置
CN105550660B (zh) 一种机织物组织结构种类的识别方法
CN109977949A (zh) 边框微调的文本定位方法、装置、计算机设备及存储介质
CN105654123B (zh) 一种机织物组织图的识别方法
CN113379720B (zh) 一种基于茶饼图像特征编码的茶饼防伪方法
CN110020647A (zh) 一种违禁品目标检测方法、装置及计算机设备
EP2232399A2 (en) Document verification using dynamic document identification framework
CN106303233A (zh) 一种基于表情融合的视频隐私保护方法
Habib et al. Distinguishing feature selection for fabric defect classification using neural network
CN109146879A (zh) 一种检测骨龄的方法及装置
CN104700620B (zh) 一种基于交通卡口的套牌车辆识别方法和装置
CN108780506A (zh) 使用纸张表面和移动相机的伪造品检测方案
CN109003331A (zh) 一种图像重构方法
CN108898673A (zh) 一种重构脚部三角网格模型处理方法及系统
CN110197259A (zh) 基于小批量数据集与深度学习算法的晶圆缺陷检测方法
CN107851201A (zh) 用于确定标记是否真实的方法和计算装置
CN115293311B (zh) 基于微点码的彩色水印防伪方法和装置
CN108509870A (zh) 一种基于图像匹配的中华绒螯蟹唯一性识别方法
CN109032073A (zh) 一种基于图像重构和参数化的脚部鞋楦模型构建系统
CN108140107A (zh) 快速、高精度的大型指纹验证系统
CN107832359A (zh) 一种图片检索方法及系统
CN108629265A (zh) 用于瞳孔定位的方法和装置

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Xiang Xuyou

Inventor after: Zhou Chao

Inventor after: He Yi

Inventor after: Luo Sainan

Inventor after: Liu Xuewen

Inventor before: Xiang Xuyou

Inventor before: Zhou Chao

Inventor before: He Yi

WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20190621