CN116403098B - 一种票据篡改检测方法及系统 - Google Patents
一种票据篡改检测方法及系统 Download PDFInfo
- Publication number
- CN116403098B CN116403098B CN202310604872.8A CN202310604872A CN116403098B CN 116403098 B CN116403098 B CN 116403098B CN 202310604872 A CN202310604872 A CN 202310604872A CN 116403098 B CN116403098 B CN 116403098B
- Authority
- CN
- China
- Prior art keywords
- image
- region
- interest
- bill
- area
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 67
- 238000012937 correction Methods 0.000 claims abstract description 62
- 238000004891 communication Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 24
- 239000002989 correction material Substances 0.000 claims abstract description 19
- 238000003708 edge detection Methods 0.000 claims description 39
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000007670 refining Methods 0.000 claims description 6
- 239000007788 liquid Substances 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 8
- 238000007689 inspection Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000002372 labelling Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000013043 chemical agent Substances 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/95—Pattern authentication; Markers therefor; Forgery detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种票据篡改检测方法及系统,属于图像处理领域,其中,所述方法包括获取待检测票据的图像组;基于图像组,判断待检测票据是否存在涂改液篡改、白块篡改、挖补篡改和/或涂改,具体包括:获取彩色感兴趣区域图像并转化为灰度图像;获取紫外灰度感兴趣区域图像;若像素点在灰度图像中的像素值大于第一像素值阈值且在紫外灰度感兴趣区域图像中的像素值小于第二像素值阈值,则将像素点设置为白色,生成二值化图像;基于二值化图像中的面积最大的连通区域中的非零像素点的个数,判断待检测票据是否存在涂改液篡改,用于解决现有技术中通过人力完成票据的检查效率及准确率较低的技术问题,具有提高票据篡改检测的效率及准确度的优点。
Description
技术领域
本说明书涉及图像处理领域,特别涉及一种票据篡改检测方法及系统。
背景技术
票据是指人们在各项社会活动中直接形成的各种形式的具有保存价值的原始记录,票据的形式多种多样。重要票据是指支票、汇票、押品、印鉴卡、证件等,涂改票据是将原有的记录内容抹去或重新添加,改变票据的真实内容,使之适合行为人的需要。
相关技术中,通过人力进行票据篡改的检测,完成一份票据的检查需要耗费大量的人力、物力,并且容易出现由于人类疲劳造成的错误。
因此,需要提供一种票据篡改检测方法及系统,用于提高票据篡改检测的效率及准确度。
发明内容
本说明书实施例之一提供一种票据篡改检测方法,所述方法包括:获取待检测票据的图像组,其中,所述图像组包括彩色图像、红外灰度图像及紫外灰度图像;基于所述图像组,判断所述待检测票据是否存在涂改液篡改、白块篡改、挖补篡改和/或涂改。
在一些实施例中,基于所述图像组,判断所述待检测票据是否存在涂改液篡改,包括:基于所述彩色图像,获取彩色感兴趣区域图像;基于所述紫外灰度图像,获取紫外灰度感兴趣区域图像;将所述彩色感兴趣区域图像转化为灰度图像;基于所述灰度图像及所述紫外灰度感兴趣区域图像,生成二值化图像;确定所述二值化图像中的连通区域;基于面积最大的连通区域中的非零像素点的个数,判断所述待检测票据是否存在涂改液篡改。
在一些实施例中,所述基于所述灰度图像及所述紫外灰度感兴趣区域图像,生成二值化图像,包括:遍历所述灰度图像及所述紫外灰度感兴趣区域图像,对于每个像素点,若所述像素点在所述灰度图像中的像素值大于第一像素值阈值且在所述紫外灰度感兴趣区域图像中的像素值小于第二像素值阈值,则将所述像素点设置为白色。
在一些实施例中,基于所述图像组,判断所述待检测票据是否存在白块篡改,包括:基于所述彩色图像,获取彩色感兴趣区域图像;基于所述紫外灰度图像,获取紫外灰度感兴趣区域图像;将所述彩色感兴趣区域图像转化为灰度图像;基于所述灰度图像及所述紫外灰度感兴趣区域图像,生成二值化图像;确定所述二值化图像中的连通区域;基于所述二值化图像中的连通区域的最大面积,判断所述待检测票据是否存在白块篡改。
在一些实施例中,所述基于所述灰度图像及所述紫外灰度感兴趣区域图像,生成二值化图像,包括:遍历所述灰度图像及所述紫外灰度感兴趣区域图像,对于每个像素点,若所述像素点在所述灰度图像中的像素值大于第三像素值阈值且在所述紫外灰度感兴趣区域图像中的像素值大于第四像素值阈值,则将所述像素点设置为白色。
在一些实施例中,基于所述图像组,判断所述待检测票据是否存在挖补篡改,包括:基于所述红外灰度图像,获取至少一个红外感兴趣区域图像;对于每个所述红外感兴趣区域图像,对所述红外感兴趣区域图像进行两次不同阈值范围的边缘分割,获取第一边缘检测图像和第二边缘检测图像,对所述第一边缘检测图像和所述第二边缘检测图像做异或运算,基于异或运算结果,判断所述红外感兴趣区域图像是否存在挖补篡改。
在一些实施例中,基于所述图像组,判断所述待检测票据是否存在涂改,包括:基于所述红外灰度图像,获取至少一个红外感兴趣区域图像;对于每个所述红外感兴趣区域图像,确定所述红外感兴趣区域图像的第二连通区域,基于所述第二连通区域,判断所述待检测票据是否存在涂改。
在一些实施例中,基于所述图像组,所述基于所述连通区域,判断所述待检测票据是否存在涂改,包括:基于所述第二连通区域,确定所述红外感兴趣区域图像中的涂改区域;基于所述涂改区域的面积,判断所述待检测票据是否存在涂改。
在一些实施例中,基于所述图像组,判断所述待检测票据是否存在涂改,包括:基于所述红外灰度图像,获取至少一个红外感兴趣区域图像;对于每个所述红外感兴趣区域图像,对所述红外感兴趣区域图像进行二值化,获取二值化图像,对所述二值化图像进行细化操作,确定细化操作后的二值化图像中的非零像素点比例,基于所述非零像素点比例,确定所述红外感兴趣区域图像中的涂改区域,基于所述涂改区域的面积,判断所述待检测票据是否存在涂改。
本说明书实施例之一提供一种票据篡改检测系统,所述系统包括;图像获取模块,用于获取待检测票据的图像组,其中,所述图像组包括彩色图像、红外灰度图像及紫外灰度图像;篡改检测模块,用于基于所述图像组,判断所述待检测票据是否存在涂改液篡改、白块篡改、挖补篡改和/或涂抹篡改。
相比于现有技术,本说明书提供的一种票据篡改检测方法及系统,利用了票据本身的特征,原理简单,计算量小,利用扫描图像正确检测出票据图像是否被变造过,无需人工操作,用于解决在批量票据自动化处理过程中因票据变造造成的票据无效现象,减少人工整理票据的时间以及偶尔的失误,提升批量进行票据篡改检测的效率及准确度。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的票据篡改检测系统的模块示意图;
图2是根据本说明书一些实施例所示的票据篡改检测方法的流程示意图;
图3是根据本说明书一些实施例所示的电子设备的结构示意图;
图4是根据本说明书一些实施例所示的判断待检测票据是否存在涂改液篡改的流程示意图;
图5是根据本说明书一些实施例所示的判断待检测票据是否存在白块篡改的流程示意图;
图6是根据本说明书一些实施例所示的判断待检测票据是否存在挖补篡改的流程示意图;
图7是根据本说明书一些实施例所示的判断待检测票据是否存在涂抹涂改的流程示意图;
图8是根据本说明书一些实施例所示的判断待检测票据是否存在描粗涂改的流程示意图;
图9是根据本说明书一些实施例所示的涂抹涂改的示意图;
图10是根据本说明书一些实施例所示的描粗涂改的示意图。
实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的票据篡改检测系统的模块示意图。如图1所示,票据篡改检测系统可以包括图像获取模块及篡改检测模块。
图像获取模块可以用于获取待检测票据的图像组,其中,图像组包括彩色图像、红外灰度图像及紫外灰度图像。
篡改检测模块可以用于基于图像组,判断待检测票据是否存在涂改液篡改、白块篡改、挖补篡改和/或涂抹篡改。
需要注意的是,以上对于拉货计划自动管理系统及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图1中披露的图像获取模块及篡改检测模块可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图2是根据本说明书一些实施例所示的票据篡改检测方法的流程示意图。下面呈现的票据篡改检测方法的操作示意图是说明性的。在一些实施例中,可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外,图2中示出的和下面描述的票据篡改检测方法的操作的顺序并非限制性的。如图2所示,票据篡改检测方法可以包括下述步骤。
步骤210,获取待检测票据的图像组。在一些实施例中,步骤210可以由图像获取模块执行。
图像组包括彩色图像、红外灰度图像及紫外灰度图像。在一些实施例中,图像获取模块可以通过彩色扫描仪采集得到待检测票据的彩色图像,通过红外扫描仪采集待检测票据的红外灰度图像,通过紫外扫描仪采集待检测票据的紫外灰度图像。
步骤220,基于图像组,判断待检测票据是否存在涂改液篡改、白块篡改、挖补篡改和/或涂改。在一些实施例中,步骤220可以由篡改检测模块执行。
涂改液篡改是指使用涂改液或其他化学试剂涂抹修改票据的篡改方式。票据被涂改液或其他化学试剂涂抹后所残留下的篡改痕迹,在彩色图像上呈现白色,紫外图像上呈现为黑色。
图4是根据本说明书一些实施例所示的判断待检测票据是否存在涂改液篡改的流程示意图,如图4所示,在一些实施例中,篡改检测模块基于图像组,判断待检测票据是否存在涂改液篡改,包括:
步骤410,基于彩色图像,获取彩色感兴趣区域图像;
在一些实施例中,图像获取模块可以通过任意方式获取彩色感兴趣区域图像。例如,可以以彩色图像的左边1/4处作为彩色感兴趣区域的左边界,右边1/4出作为彩色感兴趣区域的右边界,上边1/4处作为彩色感兴趣区域的上边界,下边1/4处作为彩色感兴趣区域的下边界,确定彩色感兴趣区域图像。
步骤420,基于紫外灰度图像,获取紫外灰度感兴趣区域图像;
在一些实施例中,图像获取模块可以通过任意方式获取紫外灰度感兴趣区域图像。例如,可以以紫外灰度图像的左边1/4处作为紫外灰度感兴趣区域的左边界,右边1/4出作为紫外灰度感兴趣区域的右边界,上边1/4处作为紫外灰度感兴趣区域的上边界,下边1/4处作为紫外灰度感兴趣区域的下边界,确定紫外灰度感兴趣区域图像。
步骤430,将彩色感兴趣区域图像转化为灰度图像;
步骤440,基于灰度图像及紫外灰度感兴趣区域图像,生成二值化图像(也可称为“第一二值化图像”);
在一些实施例中,可以遍历灰度图像及紫外灰度感兴趣区域图像,对于每个像素点,若像素点在灰度图像中的像素值大于第一像素值阈值且在紫外灰度感兴趣区域图像中的像素值小于第二像素值阈值,则将像素点设置为白色。
例如,为变量,用/>表示二值化图像中水平位置为/>,垂直位置为/>像素点处的值,图像获取模块可以基于以下公式生成二值化图像:
其中,表示第一像素值阈值,/>表示第二像素值阈值,/>、可以通过OSTU最大类间差算法确定。在一些实施例中,/>。
步骤450,确定二值化图像中的连通区域;
在一些实施例中,图像获取模块可以通过OpenCV的cvSmooth函数对二值化图像进行中值滤波。
在一些实施例中,图像获取模块可以运用连通域标记算法得到滤波后的二值化图像的各连通区域,并去除其中的小面积区域,小面积区域是指其中非零像素点的个数小于的区域,剩余共N个连通区域。其中,/>是过滤噪声点的阈值,/>一般为可接受的连通域中噪声点的个数,例如,/>。
步骤460,基于面积最大的连通区域中的非零像素点的个数,判断待检测票据是否存在涂改液篡改。
当涂改液检测到的区域面积中最大连通域中非零像素点的个数超过个数阈值时,表明票据有涂改液篡改。
例如,用A表示涂改液二值图像中最大的连通域的非零像素点个数,其中表示第n个连通区域,当/>时,表示票据有涂改液篡改。
白块篡改即在票据上去除一块,用白纸代替原始票据的篡改方式。白块在紫外灰度图像上显示为白色,在彩色图像上呈现白色。
图5是根据本说明书一些实施例所示的判断待检测票据是否存在白块篡改的流程示意图。如图5所示,在一些实施例中,篡改检测模块基于图像组,判断待检测票据是否存在白块篡改,包括:
步骤510,基于彩色图像,获取彩色感兴趣区域图像;
关于彩色感兴趣区域图像的更多描述可以参考上述,此处不再赘述。
步骤520,基于紫外灰度图像,获取紫外灰度感兴趣区域图像;
关于紫外灰度感兴趣区域图像的更多描述可以参考上述,此处不再赘述。
步骤530,将彩色感兴趣区域图像转化为灰度图像;
步骤540,基于灰度图像及紫外灰度感兴趣区域图像,生成二值化图像(也可称为“第二二值化图像”);
在一些实施例中,可以遍历灰度图像及紫外灰度感兴趣区域图像,对于每个像素点,若像素点在灰度图像中的像素值大于第三像素值阈值且在紫外灰度感兴趣区域图像中的像素值大于第四像素值阈值,则将像素点设置为白色。
例如,为变量,用/>表示二值化图像中水平位置为/>,垂直位置为/>像素点处的值,图像获取模块可以基于以下公式生成二值化图像:
其中,表示第三像素值阈值,/>表示第四像素值阈值,/>的值一般通过OSTU算法确定。在一些实施例中,/>。
步骤550,确定二值化图像中的连通区域;
在一些实施例中,篡改检测模块可以对二值化图像进行1次大小为3*3结构元素的腐蚀操作。
在一些实施例中,篡改检测模块可以运用连通域标记算法得到各连通区域,并去除小面积区域。关于小面积区域的更多描述可以参考上述,此处不再赘述。
步骤560,基于二值化图像中的连通区域的最大面积,判断待检测票据是否存在白块篡改。
在一些实施例中,篡改检测模块可以遍历剩下连通区域,找出面积最大的矩形区域,确定其面积,该面积即为二值化图像中的连通区域的最大面积,是白块篡改面积的可接受面积阈值,当二值化图像中的连通区域的最大面积大于该可接受面积阈值时,判定为有白块篡改。在一些实施例中,/>。
挖补是一个简单易行,但防伪难度比较大的篡改方式,将其他票据相应文字剪切下来,粘贴到当前票据的对应文字处。
图6是根据本说明书一些实施例所示的判断待检测票据是否存在挖补篡改的流程示意图。如图6所示,在一些实施例中,篡改检测模块基于图像组,判断待检测票据是否存在挖补篡改,包括:
步骤610,基于红外灰度图像,获取至少一个红外感兴趣区域图像;
红外感兴趣区域图像可以为票据中可能存在挖补篡改的区域。在一些实施例中,篡改检测模块可以裁剪待检测票据的红外灰度图像中的各要素检测区域,得到至少一个红外感兴趣区域图像。
步骤620,对于每个红外感兴趣区域图像,对红外感兴趣区域图像进行两次不同阈值范围的边缘分割,获取第一边缘检测图像和第二边缘检测图像,对第一边缘检测图像和第二边缘检测图像做异或运算,基于异或运算结果,判断红外感兴趣区域图像是否存在挖补篡改。
在一些实施例中,步骤620可以具体包括以下步骤:
步骤621,篡改检测模块可以利用canny算子边缘检测方法,对红外感兴趣区域图像进行两次不同阈值范围的边缘分割,分别得到强边缘检测图像B(即“第一边缘检测图像”)和弱边缘检测图像C(即“第二边缘检测图像”)。
步骤622,对图像B和图像C进行异或运算,得到图像D;
步骤623,对图像D进行直线检测,根据直线长度筛选掉一些噪声,将直线长度大于一定长度的直线记录下来,得到图像E;
步骤624,将图像D和图像E进行相与运算,得到图像F;
步骤625,运用连通域标记算法去除图像中的小面积连通区域;
步骤626,对去除小面积连通区域后的图像进行多边形逼近;
步骤627,计算去除小面积连通区域后的图像中的非零像素值个数;
步骤628,非零像素点个数便为挖补像素个数。
步骤629,当多边形拟合成功且挖补像素点超过阈值时,判断红外感兴趣区域图像存在挖补篡改,即待检测票据是否存在挖补篡改,否则,该红外感兴趣区域不存在挖补,选取下一个红外感兴趣区域重复执行步骤621至步骤629,直至所有的红外感兴趣区域均判断完。
涂改是指使用笔直接对票据进行修改的篡改方式,可以包括涂抹涂改、描粗涂改,其中,如图9所示,涂抹涂改是用黑色签字笔把原有的信息涂抹掉,重新书写,如图10所示,描粗涂改是在通过将原有数字描黑描粗的方法,修改原有的数字变为新数字。
图7是根据本说明书一些实施例所示的判断待检测票据是否存在涂抹涂改的流程示意图。如图7所示,在一些实施例中,篡改检测模块基于图像组,判断待检测票据是否存在涂抹涂改,包括:
步骤710,基于红外灰度图像,获取至少一个红外感兴趣区域图像;
关于获取至少一个红外感兴趣区域图像的更多描述可以参见上述,此处不再赘述。
步骤720,对于每个红外感兴趣区域图像,确定红外感兴趣区域图像的第二连通区域,基于第二连通区域,判断待检测票据是否存在涂改。
在一些实施例中,对于每个红外感兴趣区域图像,篡改检测模块可以对红外感兴趣区域图像进行OTSU二值化,将黑色区域二值化为255,其他区域为0,并对二值化图像做一次闭运算,对闭运算后的二值化图像进行连通域标记,将连通域标记后的区域去除小面积区域,对于剩下每个连通区域(即“第二连通区域”),计算其面积。
在一些实施例中,篡改检测模块可以基于第二连通区域,确定红外感兴趣区域图像中的涂改区域;基于涂改区域的面积,判断待检测票据是否存在涂改。
在一些实施例中,对于每个第二连通区域,若该第二连通区域的面积大于阈值,则将直接统计为涂改区域,将各涂改区域进行矩形框合并;取涂改区域的最大值,作为该红外感兴趣区域的涂改面积,当涂改面积大于阈值/>,表明该红外感兴趣区域发生了涂改,即判断待检测票据是否存在涂抹涂改;否则,进入下一红外感兴趣区域的判断。
在一些实施例中,对于非涂改区域,对该连通区域进行细化操作,计算细化前后的非零像素点的比例,当比例大于一定值,直接统计为涂改区域,将各涂改区域进行矩形框合并;取涂改区域的最大值,作为该红外感兴趣区域的涂改面积,当涂改面积大于阈值,表明该红外感兴趣区域发生了涂改,即判断待检测票据是否存在涂抹涂改;否则,进入下一红外感兴趣区域的判断。
在一些实施例中,将各涂改区域进行矩形框合并可以包括以下流程:
步骤721,判断是否满足上下合并条件,其中,上下合并条件至少包括上下位置关系条件、面积差值条件、宽度差值条件、距离条件,如果满足下列条件,则满足上下矩形合并条件,进入步骤722,否则,进入步骤723。
1)位置关系检测:
判断两个矩形是否为一上一下的位置关系,即;
判断两个矩形左右方向是相交的,即:
或者:
2)面积检测:
两个矩形的面积相差不大
3)宽度检测:
两个矩形的宽度相差不大
4)距离检测:
两个矩形的距离相差不大
当同时满足位置关系、面积、宽度和距离条件时,说明2个矩形满足上下矩形合并的条件。
其中,为矩形框1的左、上边界和宽、高,/>为矩形框2的左、上边界和宽、高。/>为矩形框1的面积/>,/>为矩形框2的面积。/>为面积因子,/>为宽度因子,/>为距离因子,在本发明实施例中,,
步骤722,进行上下矩形合并,进入步骤723;
步骤723,判断是否满足左右合并条件,其中,左右合并条件至少包括左右位置关系条件、面积差值条件、宽度差值条件、距离条件,如果满足下列条件,则满足左右矩形合并条件,进入步骤724,否则,进入步骤725。
1)位置关系检测:
判断两个矩形是否为一左一右的位置关系,即;
判断两个矩形上下方向是相交的,即:
或者:
2)面积检测:
两个矩形的面积相差不大
3)宽度检测:
两个矩形的宽度相差不大
4)距离检测:
两个矩形的距离相差不大
当同时满足位置关系、面积、宽度和距离条件时,说明2个矩形满足左右矩形合并的条件,进入步骤724。
步骤724,进行左右矩形合并,进入步骤725;
步骤725,判断是否满足相交合并条件,如果矩形框相交时,则满足相交合并条件,进入步骤726,否则,矩形框不进行合并。
如果,则矩形框不相交;否则,进入步骤722,相交面积大于合并后总面积的/>倍,则满足合并条件。
步骤726,进行相交合并;
其中,为矩形框合并后的左、上边界和宽、高,/>为矩形框1的左、上边界和宽、高,/>为矩形框2的左、上边界和宽、高。
在一些实施例中,如果所有的红外感兴趣区域均未检测出存在涂抹涂改,则判断待检测票据未发生涂抹涂改,如果存在至少一个红外感兴趣区域均检测出存在涂抹涂改,则判断待检测票据发生涂抹涂改。
图8是根据本说明书一些实施例所示的判断待检测票据是否存在描粗涂改的流程示意图。如图8所示,在一些实施例中,篡改检测模块基于图像组,判断待检测票据是否存在描粗涂改,包括:
步骤810,基于红外灰度图像,获取至少一个红外感兴趣区域图像;
关于获取至少一个红外感兴趣区域图像的更多描述可以参见上述,此处不再赘述。
步骤820,对于每个红外感兴趣区域图像,对红外感兴趣区域图像进行二值化,获取二值化图像,对二值化图像进行细化操作,确定细化操作后的二值化图像中的非零像素点比例,基于非零像素点比例,确定红外感兴趣区域图像中的涂改区域,基于涂改区域的面积,判断待检测票据是否存在涂改。
关于对红外感兴趣区域图像进行二值化的更多描述可以参见上述,此处不再赘述。
在一些实施例中,篡改检测模块可以对闭运算后的二值化图像进行连通域标记,将连通域标记后的区域去除小面积区域,对于剩下每个区域,判断各个区域的面积,如果面积大于阈值,则将直接统计为涂改区域。
在一些实施例中,对于非涂改区域,将每个连通域区域对应的红外图像区域和二值化图像区域裁剪出来,计算该红外区域的均值和方差,将二值化图像区域做细化操作,计算细化前后的非零像素点比例,统计满足比例大于阈值,且均值小于/>区域,统计为涂改区域,
在一些实施例中,篡改检测模块可以统计各涂改区域面积最大区域,如果该面积最大阈值的阈值大于阈值,则该票据被篡改,否则,进行下一红外感兴趣区域的描粗涂改检测。
在一些实施例中,当所有红外感兴趣区域图像都描黑涂改检测完都不存在描粗涂改,则判断票据无描粗涂改。
需要说明的是,上述有关票据篡改检测方法的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对票据篡改检测方法进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图3是根据本说明书一些实施例所示的电子设备的结构示意图,如图3所示,其是可以应用于本发明的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示,电子设备包括计算单元,其可以根据存储在只读存储器(ROM)中的计算机程序或者从存储单元加载到随机访问存储器(RAM)中的计算机程序,来执行各种适当的动作和处理。在RAM中,还可存储设备操作所需的各种程序和数据。计算单元、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
电子设备中的多个部件连接至I/O接口,包括:输入单元、输出单元、存储单元以及通信单元。输入单元可以是能向电子设备输入信息的任何类型的设备,输入单元可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元可以包括但不限于磁盘、光盘。通信单元允许电子设备通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元执行上文所描述的各个方法和处理。例如,在一些实施例中,票据篡改检测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元。在一些实施例中,计算机程序的部分或者全部可以经由ROM和/或通信单元而被载入和/或安装到电子设备上。在一些实施例中,计算单元可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行票据篡改检测方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (9)
1.一种票据篡改检测方法,其特征在于,包括:
获取待检测票据的图像组,其中,所述图像组包括彩色图像、红外灰度图像及紫外灰度图像;
基于所述图像组,判断所述待检测票据是否存在涂改液篡改、白块篡改和/或挖补篡改;
其中,所述基于所述图像组,判断所述待检测票据是否存在涂改液篡改,包括:
基于所述彩色图像,获取彩色感兴趣区域图像;
基于所述紫外灰度图像,获取紫外灰度感兴趣区域图像;
将所述彩色感兴趣区域图像转化为灰度图像;
遍历所述灰度图像及所述紫外灰度感兴趣区域图像,对于每个像素点,若所述像素点在所述灰度图像中的像素值大于第一像素值阈值且在所述紫外灰度感兴趣区域图像中的像素值小于第二像素值阈值,则将所述像素点设置为白色,生成二值化图像;
确定所述二值化图像中的连通区域;
基于面积最大的连通区域中的非零像素点的个数,判断所述待检测票据是否存在涂改液篡改;
所述基于所述图像组,判断所述待检测票据是否存在挖补篡改,包括:
基于所述红外灰度图像,获取至少一个红外感兴趣区域图像;
对于每个所述红外感兴趣区域图像,对所述红外感兴趣区域图像进行两次不同阈值范围的边缘分割,获取第一边缘检测图像和第二边缘检测图像,对所述第一边缘检测图像和所述第二边缘检测图像做异或运算,基于异或运算结果,判断所述红外感兴趣区域图像是否存在挖补篡改;
所述对所述红外感兴趣区域图像进行两次不同阈值范围的边缘分割,获取第一边缘检测图像和第二边缘检测图像,对所述第一边缘检测图像和所述第二边缘检测图像做异或运算,基于异或运算结果,判断所述红外感兴趣区域图像是否存在挖补篡改,包括:
利用canny算子边缘检测方法,对红外感兴趣区域图像进行两次不同阈值范围的边缘分割,分别得到第一边缘检测图像和第二边缘检测图像;
对所述第一边缘检测图像和所述第二边缘检测图像进行异或运算,得到异或图像;
对所述异或图像进行直线检测,将直线长度大于长度阈值的直线记录下来,得到直线检测图像;
将所述异或图像和所述直线检测图像进行相与运算,得到目标图像;
运用连通域标记算法去除所述目标图像中的小面积连通区域;
对去除小面积连通区域后的目标图像进行多边形逼近;
计算所述去除小面积连通区域后的目标图像中的非零像素值个数;
当多边形拟合成功且所述去除小面积连通区域后的目标图像中的非零像素值个数超过非零像素值个数时,判断所述红外感兴趣区域图像存在挖补篡改;所述基于所述图像组,判断所述待检测票据是否存在白块篡改,包括:
基于所述彩色图像,获取彩色感兴趣区域图像;
基于所述紫外灰度图像,获取紫外灰度感兴趣区域图像;
将所述彩色感兴趣区域图像转化为灰度图像;
基于所述灰度图像及所述紫外灰度感兴趣区域图像,生成二值化图像;
确定所述二值化图像中的连通区域;
基于所述二值化图像中的连通区域的最大面积,判断所述待检测票据是否存在白块篡改。
2.根据权利要求1所述的一种票据篡改检测方法,其特征在于,所述基于所述灰度图像及所述紫外灰度感兴趣区域图像,生成二值化图像,包括:
遍历所述灰度图像及所述紫外灰度感兴趣区域图像,对于每个像素点,若所述像素点在所述灰度图像中的像素值大于第三像素值阈值且在所述紫外灰度感兴趣区域图像中的像素值大于第四像素值阈值,则将所述像素点设置为白色。
3.根据权利要求1或2所述的一种票据篡改检测方法,其特征在于,基于所述图像组,进一步判断所述待检测票据是否存在涂改,具体包括:
基于所述红外灰度图像,获取至少一个红外感兴趣区域图像;
对于每个所述红外感兴趣区域图像,对所述红外感兴趣区域图像进行OTSU二值化,将黑色区域二值化为255,其他区域为0,并对二值化图像做一次闭运算,对闭运算后的二值化图像进行连通域标记,将连通域标记后的区域去除小面积区域,获取所述红外感兴趣区域图像对应的至少一个第二连通区域;
基于所述至少一个第二连通区域,判断所述待检测票据是否存在涂改。
4.根据权利要求3所述的一种票据篡改检测方法,其特征在于,基于所述图像组,所述基于所述连通区域,判断所述待检测票据是否存在涂改,包括:
基于所述至少一个第二连通区域,确定所述红外感兴趣区域图像中的涂改区域;
基于所述涂改区域的面积,判断所述待检测票据是否存在涂改。
5.根据权利要求4所述的一种票据篡改检测方法,其特征在于,所述基于所述至少一个第二连通区域,确定所述红外感兴趣区域图像中的涂改区域,包括:
若所述第二连通区域的面积大于面积阈值,则将对应的红外感兴趣区域直接统计为涂改区域;
所述基于所述涂改区域的面积,判断所述待检测票据是否存在涂改,包括:
将各涂改区域进行矩形框合并,取涂改区域的最大值,作为所述红外感兴趣区域的涂改面积,当涂改面积大于面积阈值,表明所述红外感兴趣区域发生了涂改。
6.根据权利要求5所述的一种票据篡改检测方法,其特征在于,所述将各涂改区域进行矩形框合并,包括:
步骤721,判断是否满足上下合并条件,如果满足上下合并条件,进入步骤722,否则,进入步骤723;
步骤722,进行上下矩形合并,进入步骤723;
步骤723,判断是否满足左右合并条件,如果满足左右矩形合并条件,进入步骤724,否则,进入步骤725;
步骤724,进行左右矩形合并,进入步骤725;
步骤725,判断是否满足相交合并条件,如果矩形框相交时,则满足相交合并条件,进入步骤726,否则,矩形框不进行合并;
步骤726,进行相交合并。
7.根据权利要求6所述的一种票据篡改检测方法,其特征在于,所述上下合并条件至少包括上下位置关系条件、面积差值条件、宽度差值条件、距离条件;
所述左右合并条件至少包括左右位置关系条件、面积差值条件、宽度差值条件、距离条件。
8.根据权利要求1或2所述的一种票据篡改检测方法,其特征在于,基于所述图像组,进一步判断所述待检测票据是否存在涂改,具体包括:
基于所述红外灰度图像,获取至少一个红外感兴趣区域图像;
对于每个所述红外感兴趣区域图像,对所述红外感兴趣区域图像进行二值化,获取二值化图像,对所述二值化图像进行细化操作,确定细化操作后的二值化图像中的非零像素点比例,基于所述非零像素点比例,确定所述红外感兴趣区域图像中的涂改区域,基于所述涂改区域的面积,判断所述待检测票据是否存在涂改。
9.一种票据篡改检测系统,其特征在于,包括:
图像获取模块,用于获取待检测票据的图像组,其中,所述图像组包括彩色图像、红外灰度图像及紫外灰度图像;
篡改检测模块,用于基于所述图像组,判断所述待检测票据是否存在涂改液篡改、白块篡改和/或挖补篡改;
其中,所述基于所述图像组,判断所述待检测票据是否存在涂改液篡改,包括:
基于所述彩色图像,获取彩色感兴趣区域图像;
基于所述紫外灰度图像,获取紫外灰度感兴趣区域图像;
将所述彩色感兴趣区域图像转化为灰度图像;
遍历所述灰度图像及所述紫外灰度感兴趣区域图像,对于每个像素点,若所述像素点在所述灰度图像中的像素值大于第一像素值阈值且在所述紫外灰度感兴趣区域图像中的像素值小于第二像素值阈值,则将所述像素点设置为白色,生成二值化图像;
确定所述二值化图像中的连通区域;
基于面积最大的连通区域中的非零像素点的个数,判断所述待检测票据是否存在涂改液篡改;
所述基于所述图像组,判断所述待检测票据是否存在挖补篡改,包括:
基于所述红外灰度图像,获取至少一个红外感兴趣区域图像;
对于每个所述红外感兴趣区域图像,对所述红外感兴趣区域图像进行两次不同阈值范围的边缘分割,获取第一边缘检测图像和第二边缘检测图像,对所述第一边缘检测图像和所述第二边缘检测图像做异或运算,基于异或运算结果,判断所述红外感兴趣区域图像是否存在挖补篡改;
所述对所述红外感兴趣区域图像进行两次不同阈值范围的边缘分割,获取第一边缘检测图像和第二边缘检测图像,对所述第一边缘检测图像和所述第二边缘检测图像做异或运算,基于异或运算结果,判断所述红外感兴趣区域图像是否存在挖补篡改,包括:
利用canny算子边缘检测方法,对红外感兴趣区域图像进行两次不同阈值范围的边缘分割,分别得到第一边缘检测图像和第二边缘检测图像;
对所述第一边缘检测图像和所述第二边缘检测图像进行异或运算,得到异或图像;
对所述异或图像进行直线检测,将直线长度大于长度阈值的直线记录下来,得到直线检测图像;
将所述异或图像和所述直线检测图像进行相与运算,得到目标图像;
运用连通域标记算法去除所述目标图像中的小面积连通区域;
对去除小面积连通区域后的目标图像进行多边形逼近;
计算所述去除小面积连通区域后的目标图像中的非零像素值个数;
当多边形拟合成功且所述去除小面积连通区域后的目标图像中的非零像素值个数超过非零像素值个数时,判断所述红外感兴趣区域图像存在挖补篡改;
所述基于所述图像组,判断所述待检测票据是否存在白块篡改,包括:
基于所述彩色图像,获取彩色感兴趣区域图像;
基于所述紫外灰度图像,获取紫外灰度感兴趣区域图像;
将所述彩色感兴趣区域图像转化为灰度图像;
基于所述灰度图像及所述紫外灰度感兴趣区域图像,生成二值化图像;
确定所述二值化图像中的连通区域;
基于所述二值化图像中的连通区域的最大面积,判断所述待检测票据是否存在白块篡改。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310604872.8A CN116403098B (zh) | 2023-05-26 | 2023-05-26 | 一种票据篡改检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310604872.8A CN116403098B (zh) | 2023-05-26 | 2023-05-26 | 一种票据篡改检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116403098A CN116403098A (zh) | 2023-07-07 |
CN116403098B true CN116403098B (zh) | 2023-08-08 |
Family
ID=87018241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310604872.8A Active CN116403098B (zh) | 2023-05-26 | 2023-05-26 | 一种票据篡改检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116403098B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1992012861A1 (en) * | 1991-01-29 | 1992-08-06 | Giorgio Corradi | A document, in particular a credit instrument, able to reveal forgeries |
US6195452B1 (en) * | 1998-04-27 | 2001-02-27 | George R. Royer | Method of authenticating negotiable instruments |
CN101450591A (zh) * | 2007-11-29 | 2009-06-10 | 上海东港印刷有限公司 | 一种防伪票证的制作方法 |
CN102915592A (zh) * | 2012-10-18 | 2013-02-06 | 湖南求真电子有限公司 | 银行票据检测鉴别的装置和方法 |
CN104112128A (zh) * | 2014-06-19 | 2014-10-22 | 中国工商银行股份有限公司 | 应用于票据影像字符识别的数字图像处理系统及方法 |
CN105989658A (zh) * | 2015-02-12 | 2016-10-05 | 湖南求真电子有限公司 | 一种识别伪造票据和变造克隆票据的方法及装置 |
CN106023413A (zh) * | 2016-06-28 | 2016-10-12 | 刘泽生 | 纸质银行承兑汇票全自动审验系统及全自动审验方法 |
CN107341899A (zh) * | 2017-07-11 | 2017-11-10 | 广州市银科电子有限公司 | 一种规划型可定制的非法定票据防伪鉴别专家系统 |
CN109816847A (zh) * | 2018-12-20 | 2019-05-28 | 深圳怡化电脑股份有限公司 | 一种判断手写字迹涂改的方法、装置及终端设备 |
CN110895693A (zh) * | 2019-09-12 | 2020-03-20 | 华中科技大学 | 一种证件的防伪信息的鉴别方法及鉴别系统 |
CN111563845A (zh) * | 2019-01-28 | 2020-08-21 | 深圳怡化电脑股份有限公司 | 票据表面涂刮检测方法、装置、设备及存储介质 |
CN112307824A (zh) * | 2019-07-30 | 2021-02-02 | 深圳怡化电脑股份有限公司 | 识别票据号码区域的篡改的方法、装置、系统及可读介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
PL2724331T3 (pl) * | 2011-06-27 | 2021-06-28 | Canadian Bank Note Company, Limited | Kodowanie ukrytej informacji w częstotliwościach przestrzennych linii |
-
2023
- 2023-05-26 CN CN202310604872.8A patent/CN116403098B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1992012861A1 (en) * | 1991-01-29 | 1992-08-06 | Giorgio Corradi | A document, in particular a credit instrument, able to reveal forgeries |
US6195452B1 (en) * | 1998-04-27 | 2001-02-27 | George R. Royer | Method of authenticating negotiable instruments |
CN101450591A (zh) * | 2007-11-29 | 2009-06-10 | 上海东港印刷有限公司 | 一种防伪票证的制作方法 |
CN102915592A (zh) * | 2012-10-18 | 2013-02-06 | 湖南求真电子有限公司 | 银行票据检测鉴别的装置和方法 |
CN104112128A (zh) * | 2014-06-19 | 2014-10-22 | 中国工商银行股份有限公司 | 应用于票据影像字符识别的数字图像处理系统及方法 |
CN105989658A (zh) * | 2015-02-12 | 2016-10-05 | 湖南求真电子有限公司 | 一种识别伪造票据和变造克隆票据的方法及装置 |
CN106023413A (zh) * | 2016-06-28 | 2016-10-12 | 刘泽生 | 纸质银行承兑汇票全自动审验系统及全自动审验方法 |
CN107341899A (zh) * | 2017-07-11 | 2017-11-10 | 广州市银科电子有限公司 | 一种规划型可定制的非法定票据防伪鉴别专家系统 |
CN109816847A (zh) * | 2018-12-20 | 2019-05-28 | 深圳怡化电脑股份有限公司 | 一种判断手写字迹涂改的方法、装置及终端设备 |
CN111563845A (zh) * | 2019-01-28 | 2020-08-21 | 深圳怡化电脑股份有限公司 | 票据表面涂刮检测方法、装置、设备及存储介质 |
CN112307824A (zh) * | 2019-07-30 | 2021-02-02 | 深圳怡化电脑股份有限公司 | 识别票据号码区域的篡改的方法、装置、系统及可读介质 |
CN110895693A (zh) * | 2019-09-12 | 2020-03-20 | 华中科技大学 | 一种证件的防伪信息的鉴别方法及鉴别系统 |
Non-Patent Citations (1)
Title |
---|
基于多光谱图像的票据防伪与鉴定方法研究;李雪静;《中国优秀硕士学位论文全文数据库 经济与管理科学辑》(第03期);J159-402 * |
Also Published As
Publication number | Publication date |
---|---|
CN116403098A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107545239B (zh) | 一种基于车牌识别与车辆特征匹配的套牌检测方法 | |
CN108460757B (zh) | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 | |
US20070253040A1 (en) | Color scanning to enhance bitonal image | |
CN103034848B (zh) | 一种表单类型的识别方法 | |
CN107784301A (zh) | 用于识别图像中文字区域的方法和装置 | |
CN109858480A (zh) | 一种数字式仪表识别方法 | |
CN107507173A (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
CN111680690B (zh) | 一种文字识别方法及装置 | |
CN110598566A (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
CN109784341A (zh) | 一种基于lstm神经网络的医疗单据识别方法 | |
CN111860369A (zh) | 一种欺诈识别方法、装置以及存储介质 | |
CN113222063B (zh) | 快递纸箱垃圾分类方法、装置、设备及介质 | |
CN109840520A (zh) | 一种发票关键信息识别方法及系统 | |
CN113537037A (zh) | 路面病害识别方法、系统、电子设备及存储介质 | |
JP2012243216A (ja) | 画像処理装置及び画像処理プログラム | |
CN112507782A (zh) | 文本图像的识别方法及装置 | |
CN116152261B (zh) | 一种印刷制品质量的视觉检测系统 | |
CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
Vishwanath et al. | Connected component analysis for Indian license plate infra-red and color image character segmentation | |
CN115588208A (zh) | 一种基于数字图像处理技术的全线表结构识别方法 | |
CN115240197A (zh) | 图像质量评价方法、装置、电子设备、扫描笔及存储介质 | |
CN111199240A (zh) | 银行卡识别模型的训练方法、银行卡识别方法以及装置 | |
CN111241974B (zh) | 票据信息获取方法、装置、计算机设备和存储介质 | |
CN116403098B (zh) | 一种票据篡改检测方法及系统 | |
CN115439850A (zh) | 基于审单的图文字符识别方法、装置、设备及存储介质 |
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 |