CN111739036A - 一种基于高光谱的文件字迹伪造的检测方法 - Google Patents
一种基于高光谱的文件字迹伪造的检测方法 Download PDFInfo
- Publication number
- CN111739036A CN111739036A CN202010710973.XA CN202010710973A CN111739036A CN 111739036 A CN111739036 A CN 111739036A CN 202010710973 A CN202010710973 A CN 202010710973A CN 111739036 A CN111739036 A CN 111739036A
- Authority
- CN
- China
- Prior art keywords
- image
- handwriting
- spectral
- visible light
- transmitting
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 230000003595 spectral effect Effects 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 238000003709 image segmentation Methods 0.000 claims abstract description 13
- 239000003086 colorant Substances 0.000 claims abstract description 12
- 230000004927 fusion Effects 0.000 claims abstract description 12
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 11
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000003702 image correction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000005242 forging Methods 0.000 claims 3
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000011840 criminal investigation Methods 0.000 abstract 1
- 238000007689 inspection Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003958 fumigation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 1
- ZMZDMBWJUHKJPS-UHFFFAOYSA-M Thiocyanate anion Chemical compound [S-]C#N ZMZDMBWJUHKJPS-UHFFFAOYSA-M 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- ZMZDMBWJUHKJPS-UHFFFAOYSA-N hydrogen thiocyanate Natural products SC#N ZMZDMBWJUHKJPS-UHFFFAOYSA-N 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Character Input (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于高光谱的文件字迹伪造的检测方法,该方法通过高光谱相机采集待检测文件的图像信息,传输到预处理模块中进行预处理,然后将光谱图像传输到光谱分析模块中进行光谱信息分析,通过图像分割融合模块对图像进行分割,根据不同波段的光谱信息对分割后的图像采用不同颜色进行表征,同时将预处理后的可见光图像传输到图像分割融合模块中,将用颜色表征后的光谱范围与可见光图像进行融合,操作人员通过将融合后的图像与可见光图像进行对比即可判断是否存在字迹伪造及字迹伪造范围和伪造方式。本发明操做简单,工作量小,检测速度快,可作为公安刑侦案件侦破过程中字迹检测的一种无损检测手段,为案件侦破提供有力证据。
Description
技术领域
本发明属于高光谱检测和文件检测技术领域,涉及一种基于高光谱的文件字迹伪造的检测方法
背景技术
自古以来,合同、收据等都是交易和商业合作中保障权益的重要手段,当在合作中签合同时,签字按手印即生效。因此有人通过刮擦伪造字迹,或使用可擦或消退签字笔等不法手段篡改合同,伪造文件中的签名或文件中手写的交易金额字迹,从而谋取不正当利益。
合同收据也是公安机关在侦破案件的重要线索,刑侦人员在追查经济犯罪人员时,违法篡改合同字迹也可成为犯罪嫌疑人定罪的有力证据,维护公民的合法权益。因此,对合同、收据等文件的字迹检测就显得十分重要。
近年来,随着科学技术的不断发展,伪造字迹的手段层出不穷,当前的检测伪造字迹的方法有很多。对于擦刮伪造文件,主要有显微镜观察法、透光检验法、荧光检验法、碘熏检验法等;对于消退字迹,主要有紫外线、文检仪等多波段光源检验法。将可疑文件放在不同波长的紫光灯、蓝光灯下观察各部位的荧光是否有反应,如果有化学字迹消退则会被紫外线显现。还有使用硫氰酸气熏法、光源照射法等将消退字迹重新显现出来的方法。以上这些传统的检验方法有些受人为因素影响比较大造成检测结果不准确,有些检验方法会对文件本身造成损坏。
发明内容
为了解决上述传统检测方法的缺陷,本发明提供一种基于高光谱的文件字迹伪造的检验方法。该方法利用高光谱成像技术,对文件进行图像采集,分析待检测字迹部分的光谱,并对图像进行分割,将不同波段字迹的光谱用不同颜色进行表征后与可见光图像融合,最后通过将融合后的图像与原可见光图像对比实现对文件字迹伪造的在线无损检测。
一种基于高光谱的文件字迹伪造的检测方法,由图像采集模块中高光谱相机进行图像采集,将采集到的光谱图像和可见光图像进行预处理,由图像校正单元、图像去噪单元、图像增强单元进行预处理,将预处理后的光谱图像传输到光谱数据分析模块中进行光谱分析,将分析得到的光谱信息传输到图像分割融合模块中,通过图像分割单元对图像进行分割,根据分析得到的光谱信息对不同波段的光谱范围采用不同颜色进行表征,同时将预处理后的可见光图像传输到图像分割融合模块中,通过图像融合单元将经颜色表征后的不同波段光谱部分与可见光图像融合,得到融合后的图像,最后将融合后的图像传输到检测结果显示模块中显示出来,最后操作人员通过与原文件进行对比即可知道是否存在字迹伪造及伪造方式。整体上使得本发明方法可对文件字迹伪造实现较为快速准确的检测。
一种基于高光谱的文件字迹伪造的检测方法,包含以下步骤:
a)采用高光谱相机采集文件待检测部分光谱图像,将采集到的图像传输到预处理模块中进行预处理;
b)对采集到的光谱图像进行图像校正、图像去噪、图像增强等操作进行预处理,将预处理后的光谱图像传输到光谱分析模块中,将预处理后的可见光图像传输到图像分割融合模块中;
c)对预处理后的光谱图像进行光谱分析,得到被检测部分的不同波段光谱信息;
d)对图像进行分割,用颜色表征不同光谱波段的部分,并与预处理后的可见光图像进行融合;
e)将融合后的图像显示出来,通过与原文件或原文件的可见光图像对比便知道是否有伪造字迹及伪造方式。
所述步骤a)具体为:通过高光谱相机对待检测文件的字迹部分进行图像采集,并传输到预处理模块中进行预处理。
所述步骤b)具体为:对采集到的光谱图像进行图像校正、图像去噪、图像增强等操作去除随机噪声,增强字迹与背景的对比度,得到更加清晰完好的图像。
其中图像去噪采用二维中值滤波法对图像进行滤波,滤除随机信号噪声。首先,选取二维滑动模板,将板内像素按照像素值大小进行排序,将序列中的一点用邻域中各点值的中值代替,让周围的像素值接近真实值,从而消除孤立的噪声点,达到去噪目的。
进一步,二维中值滤波输出为
g(x,y)=med{f(x-k,y-l),(k,l∈P)}
其中,f(x,y),g(x,y)分别为原始图像和滤波后的图像,P为二维滑动模板,选取3*3区域。
所述步骤c)具体为:对预处理后的光谱图像进行光谱分析,得到待检测部分的不同波段的光谱信息。
所述步骤d)具体为:通过步骤c)分析出光谱信息后,对图像进行分割,然后根据分析出的光谱信息对不同光谱波段的部分用不同颜色进行表征,并与经过预处理后的可见光图像进行融合。
其中的图像分割方法采用自适应阈值算法,大津阈值法。按图像的灰度特性,将图像分成背景和目标两个部分,图像前景和背景的分割阈值记为T,属于前景的像素点数占整幅图像的比例记为w0,其平均灰度记为μ0;背景像素点数占整幅图像比例为w1,其平均灰度为μ1。图像的总平均灰度为μ=w0*μ0+w1*μ1,类间方差为Y=w0w1(μ0-μ1)2,采用遍历的方法得到使类间方差Y最大的阈值T,即得到最佳的分割阈值。
所述步骤e)具体为:将融合后的光谱图像显示出来,供给操作人员查看,并通过与原文件或原文件的可见光图像进行对比,操作人员即可判断是否存在字迹伪造以及伪造方式。
本发明的有益效果是:
1、采用二维中值滤波方法对图像进行去噪,消除随机噪声,得到更加清晰的图像,便于接下来地光谱分析。
2、采用光谱分析颜色表征的方法实现字迹检测,无需建立复杂庞大的数据库,工作量小,检测速度快,并且不会对文件造成损坏,是一种较好的无损检测方法。
3、本方法仅对不同波段的字迹进行颜色表征,并与预处理后可见光图像进行融合后显示出来供给操作人员查看,由操作人员对比判断是否存在字迹伪造现象,避免了由于签字双方在签字途中更换签字笔等小概率事件造成的检测误差。
附图说明
图1为本发明的原理总框图。
图2为本发明的原理单元框图。
具体实施方式
如图1和图2所示,一种基于高光谱的文件字迹伪造的检测方法,主要包括以下步骤:
a)首先,通过图像采集模块中的高光谱相机对待检测的文件进行图像采集,并将采集到的图像传输到预处理模块中进行预处理;
b)对步骤a)采集到的光谱图像进行预处理。通过图像校正单元对图像进行校正。由图像增强单元对图像进行增强,增强字迹与背景的对比度,便于分析处理。由图像去噪单元对图像进行滤波处理,消除随机噪声,得到更加清晰完好的图像。
其中图像去噪处理采用二维中值滤波方法进行处理,消除随机信号的影响,其输出公式为:
g(x,y)=med{f(x-k,y-l),(k,l∈P)}
上式中的f(x,y),g(x,y)分别为原始图像和滤波后的图像,P为二维滑动模板,选取3*3区域。
c)对预处理后的光谱图像通过光谱数据分析模块进行光谱分析,得到图像中的不同波段的光谱信息,并传输到图像分割融合模块中。
d)首先通过图像分割单元,采用大津阈值法对图像进行分割,按图像的灰度特性将图像分为背景和目标两个部分,并采用遍历的方法得到使类间方差最大的阈值T,即得到最佳的分割阈值。
图像的总平均灰度为:μ=w0*μ0+w1*μ1
类间方差为:Y=w0w1(μ0-μ1)2
上述式子中,w0为前景的像素点数占整幅图像的比例,μ0为其平均灰度;w1为背景像素点数占整幅图像比例,μ1为其平均灰度。
在进行图像分割后,通过步骤c)中分析得到的光谱信息,对不同光谱信息部分采用不同的颜色进行表征,并将其与预处理后的可见光图像通过图像融合单元进行融合,得到融合后的图像,将其传输到检测结果显示模块中。
e)将融合后的图像显示出来供给操作人员查看,通过与原文件或原文件的可见光图像的对比判断是否存在字迹伪造。在排除极小概率的事件发生的情况下,融合后的图像中,字迹或字迹周围如果出现不同颜色表征的部分则说明出现了字迹伪造。
本发明通过高光谱相机采集待检测文件的光谱图像,并进行图像校正、图像去噪、图像增强一系列预处理,得到更加清晰完好的图像,然后对其进行光谱分析,得到各部分的不同波段的光谱信息,并对图像进行分割,对不同光谱信息部分采用不同颜色进行表征,再与可见光图像进行融合,最后将融合后的图像显示出来,以供给操作人员查看,通过与原文件的可见光图像对比即可判断是否存在字迹伪造,整体上使得本发明方法可对文件字迹伪造实现较为快速准确的检测。
上述实施例仅为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做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。
其次:本发明公开实施例附图中,只涉及到与本公开实施例涉及到的结构,其他结构可参考通常设计,在不冲突情况下,本发明同一实施例及不同实施例可以相互组合。
Claims (5)
1.一种基于高光谱的文件字迹伪造的检测方法,其特征在于:包含以下步骤:
a)采用高光谱相机采集文件待检测部分图像,将采集到的图像传输到预处理模块中进行预处理;
b)对采集到的图像进行图像校正、图像去噪、图像增强操作进行预处理,将预处理后的光谱图像传输到光谱数据分析模块中,将预处理后的可见光图像传输到图像分割融合模块中;
c)对预处理后的光谱图像进行光谱分析,得到被检测部分的不同波段光谱信息,传输到图像分割融合模块中;
d)对图像进行分割,用不同颜色表征不同光谱波段的部分,并将其与预处理后可见光图像通过图像融合单元进行融合,将融合后的图像传输到检测结果显示模块中;
e)将融合后的图像显示出来供给操作人员查看,操作人员通过将融合后的图像与原文件或原文件的可见光图像进行对比从而判断是否有伪造字迹及伪造方式。
2.根据权利要求1所述的一种基于高光谱的文件字迹伪造的检测方法,其特征在于:所述步骤b)中的图像去噪方法采用二维中值滤波方法,消除随机信号噪声;
其输出公式为:
g(x,y)=med{f(x-k,y-l),(k,l∈P)}
上式中的f(x,y),g(x,y)分别为原始图像和滤波后的图像,P为二维滑动模板,选取3*3区域。
3.根据权利要求1所述的一种基于高光谱的文件字迹伪造的检测方法,其特征在于:所述步骤d)中的图像分割方法采用大津阈值法;
按图像的灰度特性,将图像分成背景和目标两个部分,图像前景和背景的分割阈值记为T,属于前景的像素点数占整幅图像的比例记为w0,其平均灰度记为μ0;背景像素点数占整幅图像比例为w1,其平均灰度为μ1;图像的总平均灰度为μ=w0*μ0+w1*μ1,类间方差为Y=w0w1(μ0-μ1)2,采用遍历的方法得到使类间方差Y最大的阈值T,即得到最佳的分割阈值。
4.根据权利要求1所述的一种基于高光谱的文件字迹伪造的检测方法,其特征在于:所述步骤d)中的图像融合是对光谱分析模块分析出的不同波段光谱范围应用不同颜色进行表征,将表征后的光谱范围图像与预处理后的可见光图像进行融合,即融合后的图像中不同波段的字迹部分覆盖有不同的颜色。
5.根据权利要求1所述的一种基于高光谱的文件字迹伪造的检测方法,其特征在于,所述步骤e)中将融合后的图像显示出来供给操作人员查看,操作人员通过将融合后的图像与预处理后的可见光图像进行对比,根据其颜色的种类及分布范围即可判断出字迹伪造的范围及伪造方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010710973.XA CN111739036B (zh) | 2020-07-22 | 2020-07-22 | 一种基于高光谱的文件字迹伪造的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010710973.XA CN111739036B (zh) | 2020-07-22 | 2020-07-22 | 一种基于高光谱的文件字迹伪造的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111739036A true CN111739036A (zh) | 2020-10-02 |
CN111739036B CN111739036B (zh) | 2022-09-09 |
Family
ID=72657277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010710973.XA Active CN111739036B (zh) | 2020-07-22 | 2020-07-22 | 一种基于高光谱的文件字迹伪造的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111739036B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113392786A (zh) * | 2021-06-21 | 2021-09-14 | 电子科技大学 | 基于归一化和特征增强的跨域行人重识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650811A (zh) * | 2016-12-26 | 2017-05-10 | 大连海事大学 | 一种基于近邻协同增强的高光谱混合像元分类方法 |
CN109272461A (zh) * | 2018-09-04 | 2019-01-25 | 张家港江苏科技大学产业技术研究院 | 基于中值滤波和全局直方图的红外图像增强方法 |
CN209400410U (zh) * | 2018-12-22 | 2019-09-17 | 上海市刑事科学技术研究院 | 基于高光谱成像技术的刑侦物证检验装置 |
CN111368712A (zh) * | 2020-03-02 | 2020-07-03 | 四川九洲电器集团有限责任公司 | 一种基于深度学习的高光谱图像伪装目标检测方法 |
-
2020
- 2020-07-22 CN CN202010710973.XA patent/CN111739036B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650811A (zh) * | 2016-12-26 | 2017-05-10 | 大连海事大学 | 一种基于近邻协同增强的高光谱混合像元分类方法 |
CN109272461A (zh) * | 2018-09-04 | 2019-01-25 | 张家港江苏科技大学产业技术研究院 | 基于中值滤波和全局直方图的红外图像增强方法 |
CN209400410U (zh) * | 2018-12-22 | 2019-09-17 | 上海市刑事科学技术研究院 | 基于高光谱成像技术的刑侦物证检验装置 |
CN111368712A (zh) * | 2020-03-02 | 2020-07-03 | 四川九洲电器集团有限责任公司 | 一种基于深度学习的高光谱图像伪装目标检测方法 |
Non-Patent Citations (1)
Title |
---|
王伟利: ""基于高光谱成像技术的字迹鉴定检测算法和实验研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113392786A (zh) * | 2021-06-21 | 2021-09-14 | 电子科技大学 | 基于归一化和特征增强的跨域行人重识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111739036B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qureshi et al. | Hyperspectral document image processing: Applications, challenges and future prospects | |
Khan et al. | Automated forgery detection in multispectral document images using fuzzy clustering | |
Raghunandan et al. | Riesz fractional based model for enhancing license plate detection and recognition | |
Kasaei et al. | New morphology-based method for robustiranian car plate detection and recognition | |
US7555161B2 (en) | Image analysis | |
Yimyam et al. | The automated parking fee calculation using license plate recognition system | |
Prabhakar et al. | A novel design for vehicle license plate detection and recognition | |
Gorai et al. | Document fraud detection by ink analysis using texture features and histogram matching | |
Suresh et al. | Indian currency recognition and verification using image processing | |
CN111739036B (zh) | 一种基于高光谱的文件字迹伪造的检测方法 | |
Raghunandan et al. | Fourier coefficients for fraud handwritten document classification through age analysis | |
Roy et al. | Automatic diagnosis of melanoma from dermoscopic image using real-time object detection | |
Gill et al. | Quality-assured fingerprint image enhancement and extraction using hyperspectral imaging | |
CN109934102B (zh) | 一种基于图像超分辨率的指静脉识别方法 | |
Chumuang et al. | Sorting red and green chilies by digital image processing | |
CN117529750A (zh) | 使用多重免疫荧光成像的组织学染色的数字合成 | |
Liu et al. | Adaptive and automatic red blood cell counting method based on microscopic hyperspectral imaging technology | |
CN105608674B (zh) | 一种基于图像配准、插值和去噪的图像增强方法 | |
Colaco et al. | Efficient Image Processing Technique for Authentication of Indian Paper Currency | |
Li et al. | Methyl green and nitrotetrazolium blue chloride co-expression in colon tissue: A hyperspectral microscopic imaging analysis | |
Arora et al. | A Robust Approach for Licence Plate Detection Using Deep Learning | |
CN115995059A (zh) | 一种施工现场安全帽佩戴检测方法和系统 | |
Abady et al. | An efficient technique for detecting document forgery in hyperspectral document images | |
Ciortan et al. | Color and hyperspectral image segmentation for historical documents | |
Singh et al. | Vehicle number plate recognition using matlab |
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 |