CN110942076A - 一种陶瓷产品防伪标识生成方法及系统 - Google Patents

Abstract

本发明实施例提供一种陶瓷产品防伪标识生成方法及系统，该方法包括：获取目标陶瓷图像对应的类别；根据目标陶瓷图像对应的类别，通过若干预设算法提取目标陶瓷图像的若干类特征；对于任一类特征中的任一特征，根据任一特征的自身信息、任一特征与其它特征之间的相互关系，获取任一特征对应的指纹子向量，并根据任一类特征中每一特征对应的指纹子向量，获取任一类特征对应的指纹子特征；根据每一类特征对应的指纹子特征，生成目标陶瓷的指纹特征，以根据指纹特征生成目标陶瓷的防伪标识。本发明实施例根据指纹特征得到的防伪标识，确保了指纹特征的唯一性，同时也确保了防伪标识与实物商品的唯一对应关系。

Description

一种陶瓷产品防伪标识生成方法及系统

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种陶瓷产品防伪标识生成方法及系统。

背景技术

目前陶瓷领域存在造假问题严重，主要是存在缺乏科学有效的鉴别手段、防伪标识容易伪造、消费者辨识产品真伪难度大和产品追溯管理困难等问题。陶瓷产品的微观图像存在明显差异，可以通过陶瓷表面微观图像生成的陶瓷指纹来验证陶瓷产品的身份。

目前陶瓷产品的防伪标识与实务不是一一对应关系，无法根据陶瓷产品的防伪标识确定对应的陶瓷产品，从而难以确定陶瓷产品造假的问题。

发明内容

为了解决上述问题，本发明实施例提供一种陶瓷产品防伪标识生成方法及系统。

第一方面，本发明实施例提供一种陶瓷产品防伪标识生成方法，包括：获取目标陶瓷图像对应的类别；

根据所述目标陶瓷图像对应的类别，通过若干预设算法提取所述目标陶瓷图像的若干类特征；

对于任一类特征中的任一特征，根据所述任一特征的自身信息、所述任一特征与其它特征之间的相互关系，获取所述任一特征对应的指纹子向量，并根据所述任一类特征中每一特征对应的指纹子向量，获取所述任一类特征对应的指纹子特征；

根据每一类特征对应的指纹子特征，生成目标陶瓷的指纹特征，以根据所述指纹特征生成所述目标陶瓷的防伪标识。

优选地，所述根据所述任一特征的自身信息、所述任一特征与其它特征之间的相互关系，获取所述任一特征对应的指纹子向量，具体包括：

获取所述任一特征与每一其它特征的距离，将距离最小的前第一预设数值个特征作为临近特征；

将与所述任一特征距离最短的临近特征作为基准特征，将所述基准特征与所述任一特征的连线作为基准线；

获取所述任一特征的每一预设邻域，获取每一预设邻域对应的参考线与所述基准线之间的夹角，将夹角最小的邻域作为起始点，按照预设方向对每一预设邻域进行编号，将前第二预设数值个预设邻域作为邻域特征，每一预设邻域对应的参考线为每一预设邻域与所述任一特征之间的连线；

根据所述任一特征的自身信息、所述任一特征与所述第一预设数值个临近特征之间的方位关系、所述任一特征与所述第二预设数值个邻域特征之间的方位关系，获取所述任一特征对应的指纹子向量。

优选地，若所述任一类特征为细节点类型特征，所述任一特征的自身信息包括所述任一特征的圆心点坐标、所述任一特征的圆心点类型和所述任一特征的圆心点方向；

所述任一特征与所述第一预设数值个临近特征之间的方位关系包括每一临近特征与所述任一特征的距离、每一临近特征的类型、每一临近特征与所述任一特征的相对角度；

所述任一特征与所述第二预设数值个邻域特征之间的方位关系包括每一邻域与所述任一特征的距离、每一邻域的类型、每一邻域与所述任一特征的相对角度作为所述任一特征对应的指纹子向量。

优选地，若所述任一类特征为气泡点类型特征，所述任一特征的自身信息包括所述任一特征的中心坐标、所述任一特征的所占像素个数和所述任一特征的气泡特征；

所述任一特征与第一预设数值个临近代表特征之间的方位关系包括每一临近代表特征与所述任一特征的距离、每一临近代表特征长轴与短轴的比值、每一临近代表特征与所述任一特征的相对角度，所述临近代表特征为所占像素点最多、前第一预设数值个特征；

所述任一特征与第二预设数值个临近特征之间的方位关系包括每一临近特征与所述任一特征的距离、每一临近特征长轴与短轴的比值、每一临近特征与所述任一特征的相对角度。

优选地，若所述任一类特征为突变点类型特征，所述任一特征的自身信息包括所述任一特征的中心坐标、所述任一特征的所占像素个数和所述任一特征的突变点类型；

所述任一特征与所述第一预设数值个临近特征之间的方位关系包括每一临近特征与所述任一特征的距离、每一临近特征的类型、每一临近特征与所述任一特征的相对角度；

所述任一特征与所述第二预设数值个邻域特征之间的方位关系包括每一邻域与所述任一特征的距离、每一邻域的类型、每一邻域与所述任一特征的相对角度。

优选地，所述根据所述目标陶瓷图像对应的类别，通过若干预设算法提取所述目标陶瓷图像的若干类特征，具体包括：

若所述目标陶瓷图像对应的类别为光滑釉有纹理类型，利用第一预设算法对所述目标陶瓷图像进行细节点提取，获取所有细节点类型特征，利用第二预设算法对所述目标陶瓷图像进行气泡点提取，获取所有气泡点类型特征，利用第三预设算法对预处理后的目标陶瓷图像进行突变点检测，获取所有突变点类型特征；

若所述目标陶瓷图像对应的类别为光滑釉无纹理类型，利用所述第二预设算法对所述目标陶瓷图像进行气泡点提取，获取所有气泡点类型特征，利用所述第三预设算法对预处理后的目标陶瓷图像进行突变点检测，获取所有突变点类型特征；

若所述目标陶瓷图像对应的类别为磨砂釉类型或无釉粗打磨类型，利用所述第一预设算法对所述目标陶瓷图像进行细节点提取，获取所有细节点类型特征，利用所述第三预设算法对预处理后的目标陶瓷图像进行突变点检测，获取所有突变点类型特征；

若所述目标陶瓷图像对应的类别为无光釉有纹理类型、无釉细打磨有纹理类型和白瓷有纹理类型中的一种，利用所述第一预设算法对所述目标陶瓷图像进行细节点提取，获取所有细节点类型特征。

优选地，所述获取目标陶瓷图像对应的类别之前还包括：

获取所述目标陶瓷的初始图像，对所述初始图像进行灰度化、几何变换和图像增强处理，获取处理后的初始图像，并将处理后的初始图像作为所述目标陶瓷图像。

第二方面，本发明实施例提供一种陶瓷产品防伪标识生成系统，包括：类别模块，用于获取目标陶瓷图像对应的类别；

特征模块，用于根据所述目标陶瓷图像对应的类别，通过若干预设算法提取所述目标陶瓷图像的若干类特征；

指纹模块，用于对于任一类特征中的任一特征，根据所述任一特征的自身信息、所述任一特征与其它特征之间的相互关系，获取所述任一特征对应的指纹子向量，并根据所述任一类特征中每一特征对应的指纹子向量，获取所述任一类特征对应的指纹子特征；

防伪模块，用于根据每一类特征对应的指纹子特征，生成目标陶瓷的指纹特征，以根据所述指纹特征生成所述目标陶瓷的防伪标识。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现本发明第一方面提供的一种陶瓷产品防伪标识生成方法的步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明第一方面提供的一种陶瓷产品防伪标识生成方法的步骤。

本发明实施例提供一种陶瓷产品防伪标识生成方法及系统，首先对目标陶瓷图像进行分类，根据目标陶瓷图像所处类别来选择相应的特征提取算法，充分利用目标陶瓷图像中的有用信息；并且，根据特征的自身信息、特征与特征之间的相互关系生成指纹子向量，从而使得指纹特征具有旋转不变性、缩放不变性等特性，并且提高了指纹特征的鲁棒性。本发明实施例根据指纹特征得到的防伪标识，确保了指纹特征的唯一性，同时也确保了防伪标识与实物商品的唯一对应关系。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种陶瓷产品防伪标识生成方法流程图；

图2为本发明实施例中目标陶瓷图像的分类图；

图3为本发明实施例中提取不同类别的特征点提取方法及信息示意图；

图4为本发明实施例中细节点类型特征对应的指纹子向量的示意图；

图5为本发明实施例中气泡点类型特征对应的指纹子向量的示意图；

图6为本发明实施例中突变点类型特征对应的指纹子向量的示意图；

图7为本发明实施例中目标陶瓷的防伪标识生成流程图；

图8为本发明实施例提供的一种陶瓷产品防伪标识生成系统的结构图；

图9为本发明实施例提供的一种电子设备的实体结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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、完整地描述，显然，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的一种陶瓷产品防伪标识生成方法流程图，如图1所示，该方法包括：

S1，获取目标陶瓷图像对应的类别；

S2，根据所述目标陶瓷图像对应的类别，通过若干预设算法提取所述目标陶瓷图像的若干类特征；

S3，对于任一类特征中的任一特征，根据所述任一特征的自身信息、所述任一特征与其它特征之间的相互关系，获取所述任一特征对应的指纹子向量，并根据所述任一类特征中每一特征对应的指纹子向量，获取所述任一类特征对应的指纹子特征；

S4，根据每一类特征对应的指纹子特征，生成目标陶瓷的指纹特征，以根据所述指纹特征生成所述目标陶瓷的防伪标识。

需要说明的是，本发明实施例中的目标陶瓷图像是目标陶瓷的微观表面图像。

首先获取目标陶瓷的图像，要求输入的目标陶瓷图像的像素不低于600PPI，放大倍数不低于400倍，清晰度不低于预设数值，且亮度正常。

由于目标陶瓷表面的花纹和釉面种类不同，因此，可以根据目标陶瓷图像中的釉面和花纹种类，对目标陶瓷图像进行分类。

然后根据目标陶瓷图像所属类别，选择一个或者多个预设算法对目标陶瓷图像进行特征提取。举例地，本发明实施例中，如果目标陶瓷图像属于光滑釉有纹理类型，需要通过三种类型的预设算法对目标陶瓷图像进行特征提取，这三种类型的预设算法提取出来三种类型的特征；而对于有些类型的目标陶瓷图像，比如光滑釉无纹理类型，该种类型的陶瓷只需要两种类型的预设算法提取出来两种类型的特征；对于另外一些目标陶瓷图像，例如无光釉有纹理类型的，只能通过一种类型的预设算法提取出一种类型的特征。

由于不同种类的目标陶瓷图像之间差异比较大，为了能对每一类目标陶瓷都进行比较准确的特征提取，本发明实施例中先对目标陶瓷图像进行分类，根据目标陶瓷对应的类型，采取相应种类的预设算法进行特征提取，提取出相应种类的特征，这样可以充分利用目标陶瓷中的每一个有用信息，使得最后得到的指纹特征准确度更高。

得到目标图像的多类特征之后，对于任意一类特征，该类特征包括了很多个属于该类的特征，每个特征都对应一个指纹子向量，以该类中的任意一个特征为例进行说明指纹子向量包含的内容，该指纹子向量中包含有该特征的自身信息、该特征与该类中其它特征之间的相互关系，本发明实施例中，自身信息可以指该特征的坐标、所占像素点个数、该特征的类型等信息，具体可以根据实际情况进行确定。本发明实施例中，该特征与该类中其它特征之间的相互关系，可以是该特征与其它相邻特征之间的相对位置关系，也可以是该特征与其它邻域之间的相对位置关系，由于指纹子向量是对目标陶瓷图像进行处理得来的，而目标陶瓷图像在拍摄过程中，难免会存在缩放、旋转等变形情况，当存在这些情况时，两个来自同一产品的陶瓷中的自身信息就会不同，这样就会导致识别发生误差。因此，如果仅仅根据指纹子向量中包含的该特征自身信息来确定两个陶瓷是不是同一件产品，会有较大的误差。本发明实施例中，通过在指纹子向量中加入该特征与其它特征之间的相对位置关系来解决这种误差，即使拍摄的照片存在缩放、旋转或平移等变换情况，该特征的自身信息会发生改变，但是，该特征与其它特征之间的相互位置关系不发生改变，从而使得指纹子向量具有较好的鲁棒性。

该类型特征中每个特征都对应一个指纹子向量，这些指纹子向量共同构成了该类型特征对应的指纹子特征，如果这个目标陶瓷有多种类型的特征，那么每一类型特征对应的指纹子特征就共同组成了该目标陶瓷的指纹特征，如果这个目标陶瓷只有一种类型的特征，那么该类的指纹子特征就构成了该目标陶瓷的指纹特征。根据目标陶瓷的指纹特征，就可以得到该目标陶瓷的防伪标识。

本发明实施例提供一种陶瓷产品防伪标识生成方法，首先对目标陶瓷图像进行分类，根据目标陶瓷图像所处类别来选择相应的特征提取算法，充分利用目标陶瓷图像中的有用信息；并且，根据特征的自身信息、特征与特征之间的相互关系生成指纹子向量，从而使得指纹特征具有旋转不变性、缩放不变性等特性，并且提高了指纹特征的鲁棒性。本发明实施例根据指纹特征得到的防伪标识，确保了指纹特征的唯一性，同时也确保了防伪标识与实物商品的唯一对应关系。

在上述实施例的基础上，优选地，所述根据所述任一特征的自身信息、所述任一特征与其它特征之间的相互关系，获取所述任一特征对应的指纹子向量，具体包括：

获取所述任一特征与每一其它特征的距离，将距离最小的前第一预设数值个特征作为临近特征；

将与所述任一特征距离最短的临近特征作为基准特征，将所述基准特征与所述任一特征的连线作为基准线；

获取所述任一特征的每一预设邻域，获取每一预设邻域对应的参考线与所述基准线之间的夹角，将夹角最小的邻域作为起始点，按照预设方向对每一预设邻域进行编号，将前第二预设数值个预设邻域作为邻域特征，每一预设邻域对应的参考线为每一预设邻域与所述任一特征之间的连线；

根据所述任一特征的自身信息、所述任一特征与所述第一预设数值个临近特征之间的方位关系、所述任一特征与所述第二预设数值个邻域特征之间的方位关系，获取所述任一特征对应的指纹子向量。

本发明实施例中，任一特征与其它特征之间的相互关系包括两个方面，一个是该特征与临近特征之间的方位关系，一个是该特征与邻域特征之间的方位关系。

具体地，本发明实施例中，确定临近特征的方法如下：

在与该特征相同类型的所有特征中，计算每个特征与该特征之间的欧式距离，按照距离从小到大的顺序排列，取前第一预设数值个距离最小的特征作为临近特征。该特征与临近特征之间的方位关系包括：该特征与临近特征之间的欧式距离、该特征与临近特征之间的相对角度以及临近特征的类型。

本发明实施例中，邻域特征的确定方法如下：

在得到所有临近特征之后，将该特征、与该特征距离最短的临近特征之间的连线作为基准线，然后计算该特征的所有4邻域，将4邻域与该特征之间进行连线，按照预设方向，本发明实施例中，预设方向可以是顺时针方向，也可以是逆时针方向。

本发明实施例中，预设邻域可以是4邻域，以夹角最小的邻域为起始点，然后按照顺时针或者逆时针方向，对4邻域进行编号，取前第二预设数值个4邻域作为邻域特征。

预设邻域也可以是8邻域，以夹角最小的邻域为起始点，然后按照顺时针或者逆时针方向依次排列。对8邻域进行编号，取前第二预设数值个8邻域作为邻域特征。

最后根据该特征的自身信息、该特征与第一预设数值个临近特征之间的方位关系、该特征与第二预设数值个邻域特征之间的方位关系，获取该特征对应的指纹子向量。

在上述实施例的基础上，优选地，所述根据所述目标陶瓷图像对应的类别，通过若干预设算法提取所述目标陶瓷图像的若干类特征，具体包括：

若所述目标陶瓷图像对应的类别为光滑釉有纹理类型，利用第一预设算法对所述目标陶瓷图像进行细节点提取，获取所有细节点类型特征，利用第二预设算法对所述目标陶瓷图像进行气泡点提取，获取所有气泡点类型特征，利用第三预设算法对预处理后的目标陶瓷图像进行突变点检测，获取所有突变点类型特征；

若所述目标陶瓷图像对应的类别为光滑釉无纹理类型，利用所述第二预设算法对所述目标陶瓷图像进行气泡点提取，获取所有气泡点类型特征，利用所述第三预设算法对预处理后的目标陶瓷图像进行突变点检测，获取所有突变点类型特征

若所述目标陶瓷图像对应的类别为磨砂釉类型或无釉粗打磨类型，利用所述第一预设算法对所述目标陶瓷图像进行细节点提取，获取所有细节点类型特征，利用所述第三预设算法对预处理后的目标陶瓷图像进行突变点检测，获取所有突变点类型特征；

若所述目标陶瓷图像对应的类别为无光釉有纹理类型、无釉细打磨有纹理类型和白瓷有纹理类型中的一种，利用所述第一预设算法对所述目标陶瓷图像进行细节点提取，获取所有细节点类型特征。

图2为本发明实施例中目标陶瓷图像的分类图，如图2所示，根据目标陶瓷图像表面的纹理，然后根据目标陶瓷图像所属分类，采取预设算法对目标陶瓷图像进行特征提取，表1为本发明实施例中不同种类陶瓷图像表面特征提取方法，如表1所示，本发明实施例提取的特征类型总共有三种，分别为细节点类型特征、气泡点类型特征和突变点类型气泡特征，每种类型的特征提取方法不同。

表1

本发明实施例中，光滑釉有纹理的目标陶瓷图像，需要提取细节点类型特征、气泡点类型特征和突变点类型气泡特征三种类型的特征点；对于光滑釉无纹理类型、磨砂釉无纹理类型的目标陶瓷图像，需要提取气泡点类型特征、突变点类型特征两种类型的特征点；对于磨砂釉类型、无釉粗打磨类型的目标陶瓷图像，需要提取细节点类型特征、突变点类型特征两种类型的特征点；对于剩下种类的目标陶瓷类型，只需要提取细节点类型特征。

图3为本发明实施例中提取不同类别的特征点提取方法及信息示意图，如图3所示，对于细节点类型特征，先通过边缘检测算法，然后再利用细节点检测提取出细节点特征，该细节点特征包含有坐标、方向、类型等自身信息；对于气泡点类型特征，通过气泡特征提取，得到气泡点类型特征，该气泡点类型特征包含中心点坐标、像素个数、长轴与短轴之比等自身信息；对于突变点类型特征，通过突变点检测，得到突变点类型特征，该突变点类型特征包含中心点坐标、像素个数和类型等自身信息。

另外，本发明实施例中，提取细节点特征采用第一预设算法，第一预设算法可以为Harris，SURF，FAST，SIFT和BRIEF等，提取气泡点特征采用第二预设算法，第二预设算法可以为ORB算法等，提取突变点特征采用第三预设算法，第三预设算法可以为Mann-Kendall等算法。

在上述实施例的基础上，优选地，若所述任一类特征为细节点类型特征，所述任一特征的自身信息包括所述任一特征的圆心点坐标、所述任一特征的圆心点类型和所述任一特征的圆心点方向；

所述任一特征与所述第一预设数值个临近特征之间的方位关系包括每一临近特征与所述任一特征的距离、每一临近特征的类型、每一临近特征与所述任一特征的相对角度；

所述任一特征与所述第二预设数值个邻域特征之间的方位关系包括每一邻域与所述任一特征的距离、每一邻域的类型、每一邻域与所述任一特征的相对角度作为所述任一特征对应的指纹子向量。

对于细节点类型特征对应的指纹子向量，图4为本发明实施例中细节点类型特征对应的指纹子向量的示意图，表2为细节点类型特征对应的指纹子向量中每个元素表示的含义，结合图4和表2可知，本发明实施例中，该指纹子向量包括34个元素，每个位置元素的含义可以从表中找到。例如，该向量中的前两个元素分别表示该特征的圆心点横坐标和纵坐标，第3个元素表示该特征的圆心点类型，第4个元素表示该特征的圆心点方向。

表2

细节点坐标由细节点的坐标(x,y)、细节点方向、细节点分类、细节点的相邻点、细节点所在的脊线编号、细节点到其他细节点距离等几个部分组成，提取细节点时需要注意避免细节点间距过近而造成的干扰。

细节点可以被分为波峰端点，分支，孤立区域，毛刺，交叉，桥和短峰等类型，表3为本发明实施例中细节点类型及对应图像表，如表3所示：

表3

以上孤立区域、桥、交叉、分支、波峰端点、毛刺、短峰等均可以成为细节点类型特征，对于细节点类型特征对应的指纹子向量，该指纹子向量包括该特征的原点信息、细节点特征向量和细节点关系向量，原点信息就是该特征的圆心点坐标、圆心点类型和圆心点方向，后面的位数表示在向量中的位置。圆心点方向按照一定顺序进行量化，用“0-7”来表示圆心点方向。

细节点特征向量和细节点关系向量就是本发明实施例中该特征与其它特征的相互关系，本发明实施例中，细节点特征向量表示该特征与6个临近特征(也就是表中的临近点)之间的相互关系，以临近点1为例进行说明，该向量中包括该特征与临近点1之间的距离、临近点1的类型、临近点1与该特征的相对角度，其中相对角度是以以与原点最近临近点角度为0，顺时针计算角度。

细节点关系向量表示该特征与4个邻域之间的相互关系，以邻域1为例进行说明，相互关系表示该特征与邻域1之间的距离、邻域类型、该特征与邻域1的相对角度，本发明实施例中，特征与邻域之间的距离均为0，特征与邻域的相对角度从圆心点方向开始顺时针计算角度。

在上述实施例的基础上，优选地，若所述任一类特征为气泡点类型特征，所述任一特征的自身信息包括所述任一特征的中心坐标、所述任一特征的所占像素个数和所述任一特征的气泡特征；

所述任一特征与第一预设数值个临近代表特征之间的方位关系包括每一临近代表特征与所述任一特征的距离、每一临近代表特征长轴与短轴的比值、每一临近代表特征与所述任一特征的相对角度，所述临近代表特征为所占像素点最多、前第一预设数值个特征；

所述任一特征与第二预设数值个临近特征之间的方位关系包括每一临近特征与所述任一特征的距离、每一临近特征长轴与短轴的比值、每一临近特征与所述任一特征的相对角度。

对于气泡点类型特征，图5为本发明实施例中气泡点类型特征对应的指纹子向量的示意图，该类型对应的指纹子向量如表4所示，表4中给出了气泡点类型特征对应的指纹子向量中每个位置的元素所代表的含义。

表4

结合图5和表4可知，气泡点类型的指纹子向量的前两位表示该特征的中心点坐标，第三位元素表示该特征所占像素的个数，第四位元素表示气泡特征的类型，第五为元素到第7位元素表示该特征与临近特征1之间的欧式距离、长轴与短轴之比和相对角度，此处相对角度的计算与前面细节点类型特征对应的指纹子向量中的计算方法相同。该指纹子向量中第8位元素到第22位元素表示临近代表特征1、临近代表特征2、临近代表特征3和临近代表特征4与该特征之间的位置关系，此处，临近代表特征是通过如下方法筛选出来的：获取所有气泡类型特征所占的像素个数，将像素个数最多的前20个特征作为临近代表特征。该指纹子向量中第23位元素到第34位元素为临近特征2、临近特征3、临近特征4、临近特征5和临近特征6与该特征之间的关系，计算方法与临近特征1相同。

在上述实施例的基础上，优选地，若所述任一类特征为突变点类型特征，所述任一特征的自身信息包括所述任一特征的中心坐标、所述任一特征的所占像素个数和所述任一特征的突变点特征；

所述任一特征与所述第一预设数值个临近特征之间的方位关系包括每一临近特征与所述任一特征的距离、每一临近特征的类型、每一临近特征与所述任一特征的相对角度；

所述任一特征与所述第二预设数值个邻域特征之间的方位关系包括每一邻域与所述任一特征的距离、每一邻域的类型、每一邻域与所述任一特征的相对角度。

对于突变点类型特征，图6为本发明实施例中突变点类型特征对应的指纹子向量的示意图，突变点类型特征对应的指纹子向量如表5所示，结合图6和表5可知，突变点类型特征对应的指纹子向量中每个位置元素所代表的含义，本突变点类型指纹子向量与细节点类型指纹子向量类似，在此不再一一赘述。

表5

提取完特征之后，还可以对特征进行检验。特征检验是在特征选取完成后对需要的特征进行筛选。特征筛选指当某类特征点数量多于某个数时，本发明实施例中为20，选取占据像素个数最多的20个特征将被视为该类型特征的代表特征，并计算出这20个代表特征对应的指纹子向量。

为了提高陶瓷指纹特征的鲁棒性，依据特征间距离和与图像中心的距离，检测特征分布的均匀性，当不够均匀时会去除某些过于集中的特征，利用后续特征补充，直到特征分布基本均匀。

特征均匀分布检测用于保障当提取的图像与录入指纹的图像位置存在一定偏差时，部分特征的缺失不会影响图像的指纹检测。这种方法还能够尽可能去除因图像边缘畸变带来的影响。

在上述实施例的基础上，优选地，所述获取目标陶瓷图像对应的类别之前还包括：

获取所述目标陶瓷的初始图像，对所述初始图像进行灰度化、几何变换和图像增强处理，获取处理后的初始图像，并将处理后的初始图像作为所述目标陶瓷图像。

具体地，获取到目标陶瓷的初始图像后，需要对目标陶瓷图像进行处理，处理包括灰度化、集合变换、图像增强等操作。将预处理后的初始图像作为目标陶瓷图像。

还需要说明的是，本发明实施例中细节点类型特征对应的指纹子向量、气泡点类型特征对应的指纹子向量和突变点类型特征对应的指纹子向量都是一个一维数组，为了区分三类指纹向量，需要对于每一类指纹向量都需要有一个种类标识。

为了能够更快的完成匹配，加入了数据标识来标识指纹子向量信息是否存在，当该类指纹子向量信息不存在时可以直接匹配下一种类的指纹子向量信息；在同种类指纹子向量中，每一个有信息的指纹子向量编号要小于无信息指纹子向量。

每个陶瓷产品的指纹特征均有细节点特征类型对应的指纹子向量、气泡点类型特征对应的指纹子向量和突变点类型特征对应的指纹子向量组成。

对于某种类型的目标陶瓷图像，如果只能提取其中一种或者两者类型的特征，那么所缺失类型特征对应的指纹子向量用0填补。

其中细节点特征类型对应的指纹子向量编号为1-20，气泡点类型特征对应的指纹子向量编号为21-40，突变点类型特征对应的指纹子向量编号为41-60，该编号不可改变。但是，对于同种类向量内部所有有信息指纹子向量可随机排列。

综上，陶瓷指纹特征为由指纹向量编号、指纹向量种类标识符和指纹子向量共同构成的表，共由60个向量构成，其中每一种向量都是一个单独的集合，当检测到的特征点不足20个时，不足的用0补齐，表6为本发明实施例中目标陶瓷的指纹特征中所包含向量的含义，如表6所示。

表6

图7为本发明实施例中目标陶瓷的防伪标识生成流程图，如图7所示，获取到目标陶瓷图像后，对目标陶瓷图像进行分类，为方便后续处理，对目标陶瓷图像进行几何增强、灰度化等处理，此时检验目标陶瓷图像中的特征点数目是否足够，如果不足够，重新录入目标陶瓷图像。如果特征点数目足够，则根据目标陶瓷图像所属分类，采用相对应的预设算法对目标陶瓷图像进行特征提取，然后在重新检验提取到的特征是否足够，如果不足够，重新录入目标陶瓷图像，如果足够，根据提取到的特征生成指纹子向量，对生成的指纹子向量进行检验，检验其是否合格，如果不合格，重新录入目标陶瓷图像，如果合格，生成目标陶瓷的指纹特征，然后根据指纹特征生成目标陶瓷的防伪指令。

当输入的微观表面图像不符合标准时会需要重新输入图像，输入的微观表面图像当符合标准时最终生成陶瓷指纹为一个37×60的表。

综上，本发明实施例提供的陶瓷防伪标识，利用商品表面信息生成指纹特征作为商品身份验证标识，其标识度高难以伪造；陶瓷作为一个商品种类有着硬度高，不易磨损的特性，因此其表面信息可以长久保留，不会因为使用时间的增长而造成指纹信息失效。

针对利用移动显微设备进行拍摄活动时，光照分布、明暗、拍摄角度及指纹提取位置存在一定的偏差等问题，提供了一种尽可能降低拍摄环境可能对陶瓷指纹特征提取造成影响的特征向量生成方法，提高了便利性与鲁棒性。

图8为本发明实施例提供的一种陶瓷产品防伪标识生成系统的结构图，如图8所示，该系统包括：类别模块801、特征模块802、指纹模块803和防伪模块804，其中：

类别模块801用于获取目标陶瓷图像对应的类别；

特征模块802用于根据所述目标陶瓷图像对应的类别，通过若干预设算法提取所述目标陶瓷图像的若干类特征；

指纹模块803用于对于任一类特征中的任一特征，根据所述任一特征的自身信息、所述任一特征与其它特征之间的相互关系，获取所述任一特征对应的指纹子向量，并根据所述任一类特征中每一特征对应的指纹子向量，获取所述任一类特征对应的指纹子特征；

防伪模块804用于根据每一类特征对应的指纹子特征，生成目标陶瓷的指纹特征，以根据所述指纹特征生成所述目标陶瓷的防伪标识。

本发明实施例中类别模块801首先获取目标陶瓷图像对应的类别，特征模块802根据目标陶瓷图像对应的类别，采取相应的算法提取目标陶瓷图像的每类特征，指纹模块803根据每类特征，生成与每类特征对应的指纹子向量，并获取每一类特征对应的指纹子特征，防伪模块804根据每类特征对应的指纹子特征，得到目标陶瓷的指纹特征，并根据指纹特征生成防伪标识。

本发明实施例提供的系统实施例是为了实现上述各方法实施例的，具体流程和详细内容请参照上述方法实施例，此处不再赘述。

图9为本发明实施例提供的一种电子设备的实体结构示意图，如图9所示，该电子设备可以包括：处理器(processor)901、通信接口(Communications Interface)902、存储器(memory)903和总线904，其中，处理器901，通信接口902，存储器903通过总线904完成相互间的通信。通信接口902可以用于电子设备的信息传输。处理器901可以调用存储器903中的逻辑指令，以执行包括如下的方法：

获取目标陶瓷图像对应的类别；

根据所述目标陶瓷图像对应的类别，通过若干预设算法提取所述目标陶瓷图像的若干类特征；

对于任一类特征中的任一特征，根据所述任一特征的自身信息、所述任一特征与其它特征之间的相互关系，获取所述任一特征对应的指纹子向量，并根据所述任一类特征中每一特征对应的指纹子向量，获取所述任一类特征对应的指纹子特征；

根据每一类特征对应的指纹子特征，生成目标陶瓷的指纹特征，以根据所述指纹特征生成所述目标陶瓷的防伪标识。

此外，上述的存储器903中的逻辑指令可以通过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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明上述各方法实施例的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：

获取目标陶瓷图像对应的类别；

根据所述目标陶瓷图像对应的类别，通过若干预设算法提取所述目标陶瓷图像的若干类特征；

对于任一类特征中的任一特征，根据所述任一特征的自身信息、所述任一特征与其它特征之间的相互关系，获取所述任一特征对应的指纹子向量，并根据所述任一类特征中每一特征对应的指纹子向量，获取所述任一类特征对应的指纹子特征；

根据每一类特征对应的指纹子特征，生成目标陶瓷的指纹特征，以根据所述指纹特征生成所述目标陶瓷的防伪标识。

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上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。

Claims (10)

1.一种陶瓷产品防伪标识生成方法，其特征在于，包括：

获取目标陶瓷图像对应的类别；

根据所述目标陶瓷图像对应的类别，通过若干预设算法提取所述目标陶瓷图像的若干类特征；

对于任一类特征中的任一特征，根据所述任一特征的自身信息、所述任一特征与其它特征之间的相互关系，获取所述任一特征对应的指纹子向量，并根据所述任一类特征中每一特征对应的指纹子向量，获取所述任一类特征对应的指纹子特征；

根据每一类特征对应的指纹子特征，生成目标陶瓷的指纹特征，以根据所述指纹特征生成所述目标陶瓷的防伪标识。

2.根据权利要求1所述的陶瓷产品防伪标识生成方法，其特征在于，所述根据所述任一特征的自身信息、所述任一特征与其它特征之间的相互关系，获取所述任一特征对应的指纹子向量，具体包括：

获取所述任一特征与每一其它特征的距离，将距离最小的前第一预设数值个特征作为临近特征；

将与所述任一特征距离最短的临近特征作为基准特征，将所述基准特征与所述任一特征的连线作为基准线；

获取所述任一特征的每一预设邻域，获取每一预设邻域对应的参考线与所述基准线之间的夹角，将夹角最小的邻域作为起始点，按照预设方向对每一预设邻域进行编号，将前第二预设数值个预设邻域作为邻域特征，每一预设邻域对应的参考线为每一预设邻域与所述任一特征之间的连线；

根据所述任一特征的自身信息、所述任一特征与所述第一预设数值个临近特征之间的方位关系、所述任一特征与所述第二预设数值个邻域特征之间的方位关系，获取所述任一特征对应的指纹子向量。

3.根据权利要求2所述的陶瓷产品防伪标识生成方法，其特征在于，若所述任一类特征为细节点类型特征，所述任一特征的自身信息包括所述任一特征的圆心点坐标、所述任一特征的圆心点类型和所述任一特征的圆心点方向；

所述任一特征与所述第一预设数值个临近特征之间的方位关系包括每一临近特征与所述任一特征的距离、每一临近特征的类型、每一临近特征与所述任一特征的相对角度；

所述任一特征与所述第二预设数值个邻域特征之间的方位关系包括每一邻域与所述任一特征的距离、每一邻域的类型、每一邻域与所述任一特征的相对角度作为所述任一特征对应的指纹子向量。

4.根据权利要求2所述的陶瓷产品防伪标识生成方法，其特征在于，若所述任一类特征为突变点类型特征，所述任一特征的自身信息包括所述任一特征的中心坐标、所述任一特征的所占像素个数和所述任一特征的突变点类型；

所述任一特征与所述第一预设数值个临近特征之间的方位关系包括每一临近特征与所述任一特征的距离、每一临近特征的类型、每一临近特征与所述任一特征的相对角度；

所述任一特征与所述第二预设数值个邻域特征之间的方位关系包括每一邻域与所述任一特征的距离、每一邻域的类型、每一邻域与所述任一特征的相对角度。

5.根据权利要求1所述的陶瓷产品防伪标识生成方法，其特征在于，若所述任一类特征为气泡点类型特征，所述任一特征的自身信息包括所述任一特征的中心坐标、所述任一特征的所占像素个数和所述任一特征的气泡特征；

所述任一特征与第一预设数值个临近代表特征之间的方位关系包括每一临近代表特征与所述任一特征的距离、每一临近代表特征长轴与短轴的比值、每一临近代表特征与所述任一特征的相对角度，所述临近代表特征为所占像素点最多、前第一预设数值个特征；

所述任一特征与第二预设数值个临近特征之间的方位关系包括每一临近特征与所述任一特征的距离、每一临近特征长轴与短轴的比值、每一临近特征与所述任一特征的相对角度。

6.根据权利要求1所述的陶瓷产品防伪标识生成方法，其特征在于，所述根据所述目标陶瓷图像对应的类别，通过若干预设算法提取所述目标陶瓷图像的若干类特征，具体包括：

若所述目标陶瓷图像对应的类别为光滑釉有纹理类型，利用第一预设算法对所述目标陶瓷图像进行细节点提取，获取所有细节点类型特征，利用第二预设算法对所述目标陶瓷图像进行气泡点提取，获取所有气泡点类型特征，利用第三预设算法对预处理后的目标陶瓷图像进行突变点检测，获取所有突变点类型特征；

若所述目标陶瓷图像对应的类别为光滑釉无纹理类型，利用所述第二预设算法对所述目标陶瓷图像进行气泡点提取，获取所有气泡点类型特征，利用所述第三预设算法对预处理后的目标陶瓷图像进行突变点检测，获取所有突变点类型特征；

若所述目标陶瓷图像对应的类别为磨砂釉类型或无釉粗打磨类型，利用所述第一预设算法对所述目标陶瓷图像进行细节点提取，获取所有细节点类型特征，利用所述第三预设算法对预处理后的目标陶瓷图像进行突变点检测，获取所有突变点类型特征；

若所述目标陶瓷图像对应的类别为无光釉有纹理类型、无釉细打磨有纹理类型和白瓷有纹理类型中的一种，利用所述第一预设算法对所述目标陶瓷图像进行细节点提取，获取所有细节点类型特征。

7.根据权利要求1所述的陶瓷产品防伪标识生成方法，其特征在于，所述获取目标陶瓷图像对应的类别之前还包括：

获取所述目标陶瓷的初始图像，对所述初始图像进行灰度化、几何变换和图像增强处理，获取处理后的初始图像，并将处理后的初始图像作为所述目标陶瓷图像。

8.一种陶瓷产品防伪标识生成系统，其特征在于，包括：

类别模块，用于获取目标陶瓷图像对应的类别；

特征模块，用于根据所述目标陶瓷图像对应的类别，通过若干预设算法提取所述目标陶瓷图像的若干类特征；

指纹模块，用于对于任一类特征中的任一特征，根据所述任一特征的自身信息、所述任一特征与其它特征之间的相互关系，获取所述任一特征对应的指纹子向量，并根据所述任一类特征中每一特征对应的指纹子向量，获取所述任一类特征对应的指纹子特征；

防伪模块，用于根据每一类特征对应的指纹子特征，生成目标陶瓷的指纹特征，以根据所述指纹特征生成所述目标陶瓷的防伪标识。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1至7任一项所述陶瓷产品防伪标识生成方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述陶瓷产品防伪标识生成方法的步骤。

Images