ES2561058T3 - Método para el uso de la microestructura de la superficie de materiales como identificador único - Google Patents

Abstract

Método para identificar objetos únicamente utilizando una imagen óptica de la microestructura de su superficie que comprende una fase de ajuste de parámetro, una fase de adquisición y una fase de identificación, la fase de ajuste de parámetro que incluye las etapas de: - definir para un conjunto dado de objetos, una resolución, un tipo de iluminación ligera no coherente y una ubicación, llamada área de interés, con una microestructura de identificación aleatoria, cuyo tamaño considerado de estructura está por debajo de 1mm. para cada objeto que se identificará más tarde, la fase de adquisición incluye las etapas de: - adquisición digital de una imagen modelo bidimensional del objeto con una microestructura de identificación, dicha adquisición se basa en los ajustes de parámetro y se usa un muestreo en una rejilla ortogonal uniformemente distanciada de al menos un componente de color, - pretratamiento de la imagen para eliminar variaciones de color macroscópicas aplicando una función de aplanado en dicho modelo, - almacenamiento en una base de datos de referencia la imagen modelo preprocesada junto con al menos una versión modelo de muestreo reducida, para un objeto a identificar, la fase de identificación incluye las etapas de: - adquisición digital de una imagen fotográfica bidimensional del objeto a identificar y según los parámetros como la imagen modelo, - pretratamiento de dicha imagen fotográfica aplicando una función de aplanado para eliminar variaciones de color macroscópicas, - generación al menos una versión de muestreo reducida de la imagen fotográfica aplanada con resoluciones según las resoluciones durante la fase de adquisición, - correlación cruzada de la versión 2D más reducida de la imagen fotográfica aplanada con la correspondiente versión modelo de muestreo reducida almacenada en la base de datos de referencia 25 independientemente de la posición relativa en la traslación, y seleccionando un conjunto de modelos según el valor de la relación señal/ruido de la imagen de correlación cruzada, para los modelos seleccionados, la correlación cruzada de la versión 2D de muestreo reducida del siguiente nivel de resolución de la imagen fotográfica aplanada con las versiones de muestreo reducidas de mismo nivel de resolución del modelo aplanado almacenado en la base de datos de referencia que han sido 30 elegidas en la fase precedente independientemente de la posición relativa en la traslación, y seleccionando un conjunto de modelos según el valor de la relación señal/ruido de la imagen de correlación cruzada, - repetición de la fase precedente para todas resoluciones de muestreo reducidas disponibles - para los modelos seleccionados, realizar la correlación cruzada de la imagen fotográfica 2D aplanada con el modelo aplanado almacenado en la base de datos de referencia independientemente de la posición relativa 35 en la traslación, y así identificar el objeto encontrando el mejor modelo de correspondencia cuyo valor señal/ruido de la imagen con correlación cruzada está sobre un umbral predefinido.

Description

5

10

15

20

25

30

35

40

45

50

55

60

65

Metodo para el uso de la microestructura de la superficie de materiales como identificador unico Introduccion

[0001] La presente solicitud afecta a la identificacion visual de materiales o documentos para su seguimiento.

Estado de la tecnica

[0002] Esta patente se refiere a los problemas de falsificacion, alteracion y trazabilidad.

Cada uno de estos tres problemas de seguridad son generalmente abordados con un enfoque especffico:

- Para la falsificacion, los enfoques se basan en marcas especiales (como hologramas, codigos de ADN, tintas variables opticamente, criptoglifo, etc.) cuando el operador comprueba si la marca esta ahf o no.

Tales soluciones son utiles principalmente contra la falsificacion (y alteracion en algunos casos) y su seguridad se basa unicamente en la complejidad de falsificar la marca.

- Para la alteracion, las soluciones se basan ya sea en una estrategia de codificacion redundante o en un enfoque de alteracion evidente.

La seguridad redundante se basa en una codificacion doble de informacion crftica (como el nombre en un pasaporte que esta tambien codificado en la banda magnetica adjunta o el encriptado de un texto impreso en un documento que no deberfa ser modificado).

El sello de garantfa puede tambien ser conseguido utilizando varios medios ffsicos o qufmicos que permiten detectar modificaciones realizadas a un documento o a un embalaje.

Tales medios incluyen tratamientos de papel especial que le permite colorearse inmediatamente por disolventes o sistemas de deteccion ultrasonica que son capaces a detectar una superposicion en un trozo fino de papel.

- La trazabilidad se consigue utilizando una identificacion unica de cada artfculo.

Este tipo de sistema usa normalmente una base de datos central que mantiene un registro de informacion para cada artfculo numerado.

Debe observarse que la identificacion unica habilita potencialmente abordar todos los problemas de seguridad como falsificacion, alteracion y desvfo. La siguiente seccion detalla el estado de la tecnica de este enfoque para su aplicacion en carton y papel, la identificacion unica se realiza a menudo mediante impresion por chorro de tinta (DOD o continua) de una cadena alfanumerica o un codigo de barras.

[0003] En caso de detectar una alteracion, el objetivo es garantizar que los datos impresos en el texto sin cifrar de un documento no han sido ilegalmente modificados (por ejemplo se incrementa un valor de control).

Una forma simple de alcanzar este objetivo es identificando unicamente el documento (utilizando un codigo de barras o lfnea hexadecimal) con un numero de identificacion impreso en el documento.

Este numero da acceso a traves de una tabla de consulta a los datos tambien impresos del texto sin cifrar en el documento.

Luego es posible controlar si los datos impresos en el documento coinciden con los datos almacenados en la tabla de consulta (se puede utilizar el Reconocimiento Optico de Caracteres para la automatizacion del proceso de comparacion).

Existen muchas formas de implementar esta idea para problemas especfficos, por ejemplo una solucion para el control de la integridad de documentos de identidad se describe en US6920437, otro para pasaportes se da en US6565000.

[0004] La trazabilidad es particularmente importante para la busqueda de la importacion paralela de productos, pero tambien para otros fines de seguridad, en lo siguiente elegimos centrarnos en el problema de desviacion especffica en aras de la claridad.

Los identificadores unicos para cada embalaje enviado a un pais A y por un distribuidor dado, se enumeran en una base de datos.

En caso de mercado gris, el bien se reimporta a un pais B. Usando este codigo es luego posible rastrear el origen del bien.

Una particular arquitectura de sistema (que comprende un servidor central, base de datos y aplicaciones de cliente) de tal enfoque utilizando la base de datos central se describe en la patente US6922687, otra arquitectura de sistema se da en US6547137 (donde el identificador es impreso en una etiqueta fijada al producto).

Para la industria farmaceutica, esta solucion puede tambien ser implementada por marcado del identificador directamente en una etiqueta o una pfldora como se describe en US6776341.

Para la industria electronica US6629061 se describe una solucion donde el identificador es impreso en la placa de circuito e introducido en el dispositivo de memoria (otro enfoque para combatir el mercado de gris en esta industria se aporta en US 6459175 con fuentes de energfa).

Para la industria textil, US6461987 describe una solucion donde la identificacion unica se obtiene por medio de bandas de microetiquetas.

[0005] En caso de detectar una falsificacion, los identificadores de todos los paquetes producidos o documentos se

5

10

15

20

25

30

35

40

45

50

55

60

65

guardan en una base de datos central.

Para cada producto es luego posible buscar en la base de datos y saber:

- Si el identificador pertenece a la base de datos.

Si es asf, luego se comprueba que es un identificador valido, es decir que no ha sido inventado por unos falsificadores (los numeros de identificacion son elegidos de forma aleatoria utilizando un algoritmo secreto).

- Si ya ha sido enviada otra solicitud para el mismo identificador.

Si es asf, eso confirmarfa que comprobarfa que hay varias copias falsificadas del mismo producto en circulacion.

[0006] Algunas de las solicitudes de patente enumeradas en la seccion anterior de trazabilidad tambien describen soluciones para detectar falsificaciones.

Por lo tanto, la falsificacion es tambien descrita en US6776341 (usando de etiquetas, como se ha descrito anteriormente) y US6461987 (usando bandas de microetiquetas en la industria textil, vease arriba).

[0007] El marcado del codigo se puede realizar bien mediante impresion o grabado como se describe en US6706314 (en este caso se puede usar un laser para la lectura) para la trazabilidad y aplicaciones antifalsificacion.

Pueden tambien usarse fuentes luminosas especiales con material reactivo a longitudes de onda especfficas.

Aunque este enfoque es generalmente mas usado como respuesta sf/no (al ser capaz de generar un numero muy limitado de identificadores diferentes), las patentes US6384409 y US6030657 (donde el material es una etiqueta biologica) mencionan la lucha contra el mercado de gris usando este enfoque.

Lo mismo ocurre con el lector magnetico analogo descrito en US5975581.

[0008] El metodo de identificacion unica anteriormente descrito es por lo tanto un enfoque potente que permite resolver tres problemas de seguridad diferentes: alteracion, trazado y falsificacion.

Hasta el momento solo se ha investigado la identificacion unica investigada dependiendo solo de un marcado del producto.

Existe tambien un metodo totalmente diferente que permite la identificacion unica sin marcado (ambos enfoques son descritos en la figura 1).

[0009] De hecho, tambien es posible a medir precisamente algunas caracterfsticas de un documento o producto y usarlo a caracterizar el producto unicamente.

Por ejemplo, Ingenia Technology divulga una invencion donde la microtopologfa de carton y papel es medida utilizando una luz coherente (tfpicamente producida por un laser) y se usa para fines de identificacion unica en GB0418138.4, GB0418173.1, GB0418178.0 y GB0509635.9.

Esta tecnologfa puede ser directamente introducida en los dispositivos de impresion (como descrito en PCT/GB2005/000903).

Esta tecnologfa puede usarse basicamente en cualquier superficie caotica, usado una coleccion de fuentes de laser que permite investigar la superficie material en varias incidencias (como se describe en PCT/GB2005/000922).

Un enfoque similar fue tambien descrito en la solicitud GB2221870 de la De La Rue Company Pic, donde la dispersion de una luz coherente fue usada para la deteccion.

Otra solucion es descrita en US6584214 por el Instituto Tecnologico de Massachusetts donde toda la estructura caotica 3D de un material se utiliza para generar un identificador unico.

La estructura 3D es adquirida usando los dispositivos que se basan en luz coherente (para material transparente) o ultrasonido y rayos X (para materiales no transparentes).

Otro enfoque utilizando medicion ultrasonica se describe en US5454045, donde las caracterfsticas (tanto macroscopicas o microscopicas) se miden dentro de un material, almacenan y posteriormente se comparan con las nuevas medidas para la prueba de compatibilidad.

No obstante, todos estos enfoques usan dispositivos de adquisicion especffica para facilitar la deteccion de caracterfsticas unicas requeridas para aplicaciones de identificacion unica.

La solicitud actual describe soluciones para dispositivos de formacion de imagenes de uso estandar.

[0010] En la patente publicada US20050075984 (tambien en US20030014647-A1 y US20030712659) se describe un metodo original basado en el conjunto aleatorio de microburbujas insertadas en un medio transparente.

La deteccion se basa en medicion de sombras y reflejos para determinar una firma unica para cada conjunto de burbujas.

El medio transparente se adjunta luego ffsicamente al producto o documento a identificar.

Este enfoque es inusual, ya que esta de alguna manera entre los dos procesos descritos en la figura 1: por un lado se trata de un proceso analogico aleatorio pero por otro lado requiere su aplicacion ffsica en el producto, que es conceptualmente el mismo enfoque que imprimir un numero de serie.

[0011] Otra familia de soluciones se basa en la creacion de una firma digital que utiliza la naturaleza aleatoria y caotica de los materiales.

Tal firma digital se puede usar para autentificacion, encriptacion o para detectar alteraciones.

Aplicaciones relacionadas con la autentificacion son por ejemplo descritas en PCT/BY99/00011 (donde la firma se encripta e imprime en el material mismo).

5

10

15

20

25

30

35

40

45

50

55

60

Dos solicitudes de patente descritas por la companfa Signoptic Technologies se centran en la generacion y uso de una firma digital utilizando una microestructura de material.

En el documento WO2005/122100, se describen diferentes aplicaciones donde la firma se utiliza para encriptar datos.

El documento WO2006/078651 se centra especfficamente en las firmas obtenidas de materiales fibrosos para propositos de autentificacion.

[0012] No obstante, aquellos enfoques no tratan la aplicacion de la llamada serializacion en masa.

Esta estrategia se usa hoy en muchas industrias y consiste en marcar individualmente cada producto, lo que permite hacer un seguimiento de cada uno de ellos.

Tales marcas tfpicamente representan codigos de barras variables o codigos alfanumericos que se imprimen digitalmente (usando inyeccion Drop On Demand o continua) o se graban (utilizando por ejemplo un marcado por laser).

Las soluciones descritas en la presente solicitud permiten proporcionar toda la funcionalidad ofrecida por serializacion en masa pero sin necesidad de marcado alguno, solo utilizando imagenes de su microestructura.

Se describen en particular soluciones para proporcionar una alta velocidad automatica en el registro e identificacion de productos.

Descripcion corta de la invencion

[0013] La invencion describe como ejecutar una identificacion fiable de un producto utilizando solo una imagen optica de la microestructura de su superficie.

La aleatoriedad de esta microestructura de un producto a otro se utiliza para identificar unicamente cada producto.

[0014] La identificacion se realiza por una correspondencia entre la imagen adquirida y una base de datos de imagenes previamente registradas para la microestructura de todos los productos de una cadena de produccion dada.

[0015] En el siguiente, algunos casos de materiales son especfficamente analizados pero el metodo descrito no esta limitado a estos materiales y se puede aplicar facilmente a otros tipos de materiales y caracterfsticas detectadas por cualquier experto en la tecnica de tratamiento de imagen y ffsica de materiales.

[0016] La presente invencion propone un metodo para identificar automaticamente un objeto tal y como se define en la reivindicacion 1.

[0017] Los campos principales de aplicaciones de la tecnologfa presentada incluyen seguimiento, identificacion y deteccion de falsificaciones.

Se describen tres versiones de la tecnologfa, cada una se ocupa de partes o de la totalidad de los campos de solicitud:

- El primer nivel se denomina "huella unica" en este documento.

Con esta tecnica es posible identificar, hacer un seguimiento unico y detectar falsificaciones en algun artfculo valioso o documento.

Esta tecnologfa se basa en la microestructura unica de la superficie de cada artfculo.

- El segundo nivel es la huella digital microscopica nombrada en el presente documento.

Con esta tecnologfa es posible detectar artfculos falsificados pero no rastrearlos o a identificarlos unicamente.

Esta tecnologfa se basa en la microestructura del objeto usada para hacer el artfculo, por ejemplo un molde o una hoja de offset, dependiendo del material con el que se haga el artfculo.

- El tercer nivel se denomina huella digital macroscopica en el presente documento.

Este permite detectar artfculos burdamente falsificados, tales como las medicinas falsas que se venden en el Internet.

Esta tecnologfa se basa en la estructura macroscopica del artfculo a proteger.

[0018] Ejemplos de uso de esta tecnologfa son la vigilancia de la trazabilidad y antifalsificaciones, autentificacion y antifalsificaciones de documento en papel, etiquetas o embalaje, autentificacion de contenedores, recuperacion de publicidad en las paginas de periodico, etcetera.

Esto se puede usar por ejemplo en la industria relojera, farmaceutica, alimentaria o de periodicos y mas generalmente en cualquier industria que requiere la identificacion de artfculos sin marcado.

Esta tecnologfa ha sido denominada "huella digital" ya que se basa en conceptos que son similares a aquellos usados en tecnologfa de huella digital humana.

De hecho, la superficie interna de manos y pies de los seres humanos (todos primates de hecho) contiene salientes fnfimos con surcos entremedias que son unicos para cada individuo.

Esto es tambien asf en la mayorfa de materiales como madera, papel, metal u otros materiales recubiertos.

5

10

15

20

25

30

35

40

45

50

55

60

65

Descripcion corta de las figuras

[0019] La invencion se entendera mejor gracias a los dibujos adjuntos en los que:

Figura 1: dos procesos diferentes permitiendo una identificacion unica.

Proceso 1: un proceso aleatorio analogico 11 (como la microestructura de un papel) se digitaliza con 12 y los datos resultantes se almacenan en un identificador unico 13.

En el proceso 2, un generador 14 proporciona un valor aleatorio (o pseudoaleatorio) digital que se almacena como un identificador unico 15 y finalmente impreso 16.

Figura 2: imagen de una parte agrandada de papel de oficina que muestra la importante aleatoriedad de la estructura de papel.

La altura de la imagen es de aproximadamente 1 mm.

La imagen ha sido procesada para mejorar el contraste.

Figura 3: una parte de un logo metalico en la parte trasera de un reloj.

La altura de la imagen es de aproximadamente 1 mm.

La imagen ha sido procesada para mejorar el contraste.

La imagen fue tomada con un escaner digital de oficina a 4'800 dpi.

Figura 4: una parte de plastico moldeado.

La altura de la imagen es de aproximadamente 5mm.

La imagen ha sido procesada para mejorar el contraste.

La imagen fue tomada con tal escaner a 2'400 dpi.

Figura 5: una parte de una area impresa en una etiqueta de papel.

La altura de la imagen es de aproximadamente 5mm.

La imagen ha sido procesada para mejorar el contraste.

La imagen fue tomada con un escaner a 2'400 dpi.

Figura 6: una parte de una esfera recubierta de un reloj.

La altura de la imagen es de aproximadamente 1 mm.

La imagen fue procesada para mejorar el contraste.

La imagen fue tomada con un microscopio a unos 10'000 dpi.

Figura 7: diagrama que muestra como los datos capturados pueden aumentar para prevenir posibles falsos positivos o detecciones falsas de negativo.

Figura 8: contornos del mismo texto impreso con tecnologfa industrial de rotograbado (escala ~1 mm de altura) para dos muestras sucesivas del mismo lote de produccion.

Figura 9: imagen de un area de tinta uniforme de color impresa en offset (escala ~1 mm por altura de imagen).

Figura 10: diferencia entre estructura de un logo qufmicamente grabado de dos relojes de pulsera diferentes del mismo modelo.

La imagen ha sido procesada para mejorar el contraste.

El campo de vision es de alrededor de 5 mm y el dpi es 4'800. 101 es el logotipo grabado de un reloj. 102 es el logotipo grabado de otro reloj.

Figura 11: imagen que muestra como recuperar el angulo de rotacion de un artfculo. 111 es la transformada de Fourier de un artfculo especffico. 112 es la adicion de los valores en un eje de 111 a cada angulo.

Figura 12: esquema de una adquisicion de imagen con luz difusa y 2D CCD. 121 es el dispositivo de adquisicion de imagen. 122 representa la luz difusa, 123 es la caja de luz y 124 es el artfculo a verificar. Figura 13: esquema de adquisicion de imagen con luz especular. 131 es el dispositivo de adquisicion de imagen, 132 representa la luz especular, 133 representa la luz reflejada y 134 es el artfculo a verificar.

Figura 14: esquema de adquisicion de imagen con luz difusa y 1 D CCD. 141 es el artfculo a verificar, 142 es una hoja de vidrio, 143 es un movimiento de luz, 144 es un movimiento de espejo, 145 es un espejo fijo y 146 es un 1 D CCD.

Figura 15: imagen de una esfera recubierta observada con luz axial especular.

La imagen ha sido procesada para mejorar el contraste.

El campo de vision es aproximadamente 2 x 3 mm y el dpi es aproximadamente 10'000.

Figura 16: imagen de la misma esfera que en la figura 15 pero tomada con luz difusa 1D CCD.

La imagen ha sido procesada para mejorar el contraste.

El campo de vision es aproximadamente 5mm y el dpi es 4'800.

Figura 17: imagen de una esfera recubierta observada con luz axial especular.

La imagen ha sido procesada para mejorar el contraste.

El campo de vision es aproximadamente 2 x 3 mm y el dpi es aproximadamente 10'000.

Figura 18: imagen de la misma esfera que en la figura 17 pero tomada con luz difusa 1D CCD.

La imagen ha sido procesada para mejorar el contraste.

El campo de vision es aproximadamente 5mm y el dpi es 4'800.

Figura 19: esquema que describe la diferencia entre el tres niveles de tecnologfa de huella digital. 191 es el eje para la tecnologfa, 192 es el eje para el dpi. 193 representa la huella digital macroscopica, 194 representa la huella digital microscopica y 195 representa la huella digital unica.

Las areas blancas son las mejore areas para la tecnologfa dada mientras que las areas grises son extensiones posibles de la area para la tecnologfa dada.

Las resoluciones en dpi que corresponden con cada area dependen de las propiedades de los materiales.

5

10

15

20

25

30

35

40

45

50

55

60

65

Figura 20: imagen de dos partes traseras diferentes de relojes de pulsera que estan estampadas.

El campo de vision es aproximadamente 0,4 x 0,6 mm para un dpi de 10'837. 201 es la estructura estampada de un reloj, 202 la del otro.

Figura 21: imagen de dos partes traseras diferentes de relojes de pulsera que estan cepilladas.

El campo de vision es aproximadamente 0,4 x 0,6 mm para un dpi de 10'837. 211 es la estructura cepillada de un reloj, 212 es la estructura cepillada del otro.

La imagen ha sido procesada para mejorar el contraste.

Figura 22: imagen de correlacion cruzada de los relojes de pulsera cepillados.

El modelo es una imagen del mismo reloj que 211. 221 es la correlacion cruzada de 211 con el modelo y 222 es la correlacion cruzada de 212 con el modelo.

Figura 23: imagen de dos esferas recubiertas diferentes de relojes de pulsera. 231 es la microestructura de la esfera recubierta de un reloj y 232 del otro.

La imagen ha sido procesada para mejorar el contraste.

El campo de vision es aproximadamente 1x1 mm y el dpi es 10'837.

Figura 24: imagen de tres tapas diferentes. 241 y 242 vienen del mismo molde mientras que 243 viene de otro molde.

La imagen ha sido procesada para mejorar el contraste.

El campo de vision es aproximadamente 5 x 5 mm y el dpi es 2'400.

Figura 25: imagenes de tres etiquetas diferentes. 251 y 252 vienen de la misma impresora y la misma posicion en la hoja offset. 253 viene de otra impresora.

Las imagenes han sido procesadas para mejorar el contraste.

El campo de vision es aproximadamente 2,5 x 2,5 mm y el dpi es 2'400.

Figura 26: imagenes de microestructuras uniformes y su transformada de Fourier. 261 es una imagen con microestructuras constantes. 262 es su transformada de Fourier.

El campo de vision es aproximadamente 2,5 x 2,5 mm y el dpi es 2'400.

Figura 27: diagrama que muestra la diferencia entre la imagen almacenada 271 y la imagen adquirida 272. 273 y 275 son un logo o una zona macroscopica en 271 y 272 respectivamente. 274 y 276 estan la zona microscopica de interes en 271 y 272 respectivamente.

Figura 28: esquema que muestra los diferentes pasos para la deteccion de imagen. 281 es la localizacion y recuperacion de la rotacion, 282 es la operacion de ocultacion, 283 es la imagen previamente procesada y 284 es la coincidencia de imagen.

Figura 29: imagenes de microestructuras uniformes. 291 y 293 son imagenes sin aplanado. 292 y 294 son imagenes con aplanado.

Las correlaciones cruzadas de la cada imagen con el modelo (que coincide con la imagen 294) se muestran a la derecha.

Figura 30: diagrama que describe la estrategia de deteccion aumentando progresivamente los tamanos de correlacion cruzada.

Figura 31: imagenes que describen la importancia de los elementos de relleno alarmante en el valor medio. 311 es el modelo, sin relleno. 312 es otra imagen coincidente con el modelo, sin relleno. 313 es un imagen de otro artfculo, sin relleno. 314 es la correlacion cruzada entre 311 y 312. 315 es la correlacion cruzada entre 311 y 313. 316 es la imagen 311 con relleno. 317 es 312 con relleno.

La imagen 318 es la imagen 313 despues de rellenarla. 319 es la correlacion cruzada entre 316 y 317. 3110 es la correlacion cruzada entre 316 y 318.

Figura 32: esquema que representa la transformada entre espacios. 321 es una rosca circular alrededor de un punto de interes. 322 es la rosca en el espacio transformado.

Descripcion detallada de la invencion

Imagenes de la microestructura

Dispositivo de adquisicion de imagen

[0020] Una imagen de la superficie se adquiere mediante un dispositivo de formacion de imagenes digitales, que puede ser un escaner digital, una camara digital, un telefono movil con camara fotografica integrada (posiblemente utiliza una lente macroscopica especial), un microscopio, etc.

Tal dispositivo emite tfpicamente una matriz de valores que corresponde a un muestreo del componente de color a lo largo de una rejilla ortogonal constante.

La adquisicion de imagen puede hacerse mediante reflexion o transparencia, dependiendo del producto (papel, caja de carton, metal, recubrimiento o polfmero, por ejemplo) y las propiedades particulares del material.

En caso de formacion de imagenes por reflexion, se pueden representar diferentes tipos de imperfecciones dependiendo de la posicion de la fuente de iluminacion.

Ademas pueden usarse diferentes orientaciones de iluminacion para aumentar el fndice de deteccion (hallazgo con exito de una correspondencia con una imagen registrada) y reducir las detecciones de falso positivo (producto mal identificando como falsificacion con una imagen de la base de datos).

Tambien se pueden usar longitudes de onda ligera diferentes para conseguir diferentes dibujos de la misma area (con la misma o diferente longitud de onda para la iluminacion y formacion de imagenes).

5

10

15

20

25

30

35

40

45

50

55

60

65

En particular los objetos pueden ser imageries en diferentes espacios de color que son apropiados para subrayar la microestructura (RGB, HSV, Lab, etc).

Esta aplicacion se enfoca especfficamente al procesamiento de 1 color, pero todos procesos descritos tambien pueden ser aplicados imagenes de objetos adquiridas con diferentes componentes de color.

Mas generalmente, las condiciones de formacion de imagenes adicionales se pueden elegir para un producto representado si un riesgo de falso positivo/negativo se identifica en base a las imagenes registradas en la base de datos para los productos anteriores.

En la figura 7 se muestra un diagrama que ilustra este proceso.

De forma similar, tambien es posible conseguir sistematicamente diferentes imagenes (u otros parametros) para un area dada y eliminar, a posteriori, imagenes de la base de datos si estas no son necesarias para evitar detecciones de falso positivo o falso negativo.

[0021] El dispositivo de adquisicion deberfa ser elegido de manera que los detalles pertinentes puedan verse.

El diagrama para la adquisicion por reflexion difusa con 2D CCD se puede ver en la figura 12.

El dispositivo de adquisicion de imagen (121) puede ser cualquier cosa pero una camara digital es una buena candidata.

El artfculo a verificar (124) se mete en una caja de luz.

La caja de luz (123) se utiliza para difundir la luz (122).

Esto puede tambien ser modelado por un flash anular.

Esto puede revelar algunos detalles interesantes.

En la figura 14 se puede ver el diagrama para la adquisicion por reflexion difusa con 1 D CCD.

El dispositivo de adquisicion puede ser cualquier cosa pero un escaner es un buen candidato.

El artfculo a verificar (141) se pone en una hoja de vidrio (142).

Un movimiento de luz (143) y un movimiento de espejo (144) trabajan juntos para reflejar la luz en un espejo fijo (145), que refleja esta en un 1 D CCD.

Esto revela otros detalles interesantes.

En la figura 13 se puede ver el diagrama para la adquisicion por reflexion especular.

El dispositivo de adquisicion (131) puede ser cualquier cosa pero un microscopio (optico o electronico) es un buen candidato.

Otra posibilidad consiste en la modificacion de un escaner digital, mediante el movimiento del CCD o con la parte de iluminacion.

La luz (132) proviene de una direccion conocida y es reflejada (133) por el artfculo a verificar (134) en otra direccion que se puede computar con la Ley de Descartes.

La Ley de Descartes asegura que el angulo de incidencia es el mismo que el angulo reflejado.

Esto puede revelar detalles diferentes que la luz difusa.

En las figuras 15 y 17, los detalles de una esfera recubierta de dos relojes de pulsera diferentes se muestran con luz axial especular a alrededor de 10'000 dpi.

En las figuras 16 y 18, los detalles de los mismas relojes de pulsera se muestran con luz difusa 1D CCD (escaner) a 4'800 dpi.

Se puede ver en estas figuras que en el primer reloj es mejor usar luz difusa ya que hay mas detalles en la figura 16 que en la figura 15.

Al contrario, para el segundo reloj es mejor para usar luz especular ya que hay mas detalles en la figura 17 que en la figura 18.

[0022] Finalmente, debe mencionarse que dispositivo de adquisicion puede ser capaz a producir las imagenes necesarias para la sincronizacion del movimiento de rotacion/traslacion, ademas de las imagenes usadas para la huella digital.

Como se muestra mas tarde en la aplicacion, las sincronizaciones de rotacion/traslacion son tfpicamente realizadas usando imagenes del objeto que incluyen puntos de caracterfsticas especfficas.

Tales puntos de caracterfsticas se pueden adquirir con dispositivos de formacion de imagenes con grandes campos de vision o usando fases multieje motorizadas que permiten conducir la muestra a ubicaciones precisas.

Requisitos de resolucion

[0023] Basicamente es posible usar cualquier estructura suficientemente aleatoria para identificar unicamente un producto.

En particular es posible usar la microestructura de un diseno grafico (en particular el codigo de barras, texto, logo, disenos artfsticos, lfneas, etc) impreso en un producto como una estructura de identificacion aleatoria (el uso de codigo de barras tambien ha sido descrito para la deteccion de falsificaciones en US6869015, usando de un sistema basado en partfculas mezcladas con el codigo de barras) o para usar la microestructura del material subyacente.

No obstante, la resolucion del dispositivo de formacion de imagenes deberfa adaptarse a las caracterfsticas de la microestructura.

[0024] Un ejemplo de tal microestructura se da en la figura 2.

Muestra la microestructura tfpica (la palabra "imperfeccion" es tambien usada con un significado equivalente en este documento) de papel regular como se ha visto con una resolucion equivalente de aproximadamente 11,000 dpi, que

5

10

15

20

25

30

35

40

45

50

55

60

65

corresponde a una resolucion de unos micrometros.

En la practica, se considera que para papel estandar y cajas de carton, las estructuras aleatorias tienen un tamano que raramente es mayor de unos milfmetros (no obstante, algun material especial puede tener estructuras aleatorias mucho mayores o tamanos de estructura altamente anisotropicos).

Tfpicamente, el tamano de estructura considerado sera de menos de 1 mm o incluso menor de 100 um.

Los dispositivos de formacion de imagenes estandar enumerados anteriormente pueden alcanzar tal nivel de detalles.

Por ejemplo un escaner con 1200 dpi puede teoricamente resolver estructuras de 21 pm.

Otro tipo de materiales, como polfmero, metal, recubrimiento o vidrio por ejemplo, pueden mostrar diferentes tipos de microestructuras que requieren una resolucion mas baja (y por lo tanto un mayor campo de vision para tener la misma cantidad de informacion en la imagen) o una resolucion mas alta.

En la figura 3, la microestructura de una parte metalica se muestra a 4'800 dpi.

El tamano de los elementos de microestructura es de aproximadamente 47 um.

El campo de vision es de aproximadamente 10mm x 10mm.

En la figura 4, la microestructura de una pieza de polfmero se muestra a 2'400 dpi.

El tamano de los valores predeterminados es de aproximadamente 349 um y el campo de vision es de 50mm x 50mm.

En la figura 5, la microestructura de una etiqueta impresa en offset se muestra a 2'400 dpi.

El tamano de los valores predeterminados es de aproximadamente 42 um y el campo de vision es de 2,5mm x 2,5mm.

En la figura 6 la parte recubierta de una esfera se muestra a 10'837 dpi.

El tamano de los detalles es de aproximadamente 58 um y el campo de vision es de 1,2mm x 1,2mm.

Para todos estos materiales, los detalles se extienden uniformemente a traves de la imagen.

Gracias a algunos pasos de tratamiento de imagen que son descritos con mas detalle en las siguientes secciones, es posible obtener una variacion constante de las microestructuras dentro de una imagen.

Ademas se ha informado de que estas microestructuras se extendieron aleatoriamente en el artfculo.

Esto asegura la aleatoriedad de artfculo a artfculo.

[0025] En terminos generales, parece que una resolucion de 2400 dpi o mas alta es frecuentemente requerida para caracterizar una huella digital unica.

No obstante, algunos materiales muestran huellas digitales unicas con resoluciones significativamente inferiores, esto es particularmente comun para texturas que han sido disenadas, ex profeso, con un modelo con ruido y variable.

En el caso de una huella digital microscopica, una resolucion inferior puede ser suficiente.

Finalmente, huellas digitales macroscopicas se pueden realizar con resolucion de 300 dpi o menor.

La figura 19 es el esquema que representa el diferente dpi necesario para cada nivel de la huella digital.

Las diferentes tecnologfas se representan en el eje vertical (191) y los distintos dpi se representan en el eje horizontal (192).

Siempre hay zonas grises y zonas blancas en cada tecnologfa.

La zona blanca representa la mejor zona dpi para la tecnologfa mientras que la zona gris muestra hasta donde puede extenderse.

La huella digital unica (195) no tiene lfmite superior como el dpi para identificar un artfculo, unicamente depende del tamano de sus microestructuras.

La huella digital unica tambien puede extenderse en algunos casos en el area de resoluciones inferiores (como el cuero, por ejemplo, y mas generalmente cualquier material natural).

La huella digital microscopica (194) y la huella digital macroscopica (193) son basicamente dos veces la misma tecnologfa.

La unica diferencia es que, en la huella digital microscopica, estan las microestructuras mientras que en la huella digital macroscopica hay macroestructuras.

Un lfmite superior es por lo tanto necesario porque define el lfmite entre microscopico y unico y entre macroscopico y microscopico.

Por las mismas cuestiones tambien se requiere un lfmite bajo.

Microestructura en papel impreso

[0026] Un tipo particular de aleatoriedad se puede observar en los contornos de una forma impresa o dentro de un area de tinta o en ubicaciones donde se aplican diferentes colores.

Por ejemplo, la figura 8 muestra los contornos del texto impreso en la tecnologfa de rotograbado y como varfan entre dos impresiones sucesivas.

En este caso, estos contornos tienen algunas caracterfsticas que son comunes entre dos contornos (como 81 y 83 por ejemplo) pero tambien caracterfsticas que son diferentes (como 82 y 84).

Las caracterfsticas comunes (es decir, la microhuella digital) tfpicamente tienen tamanos que se extienden en un area mayor que las caracterfsticas diferentes (es decir, la huella digital unica).

Esto significa que en particular el contorno coincidente se puede realizar utilizando altas frecuencias de la senal.

Las grandes caracterfsticas similares provienen de la ubicacion de celulas en el cilindro y la variacion entre dos copias viene de la textura del papel y como la tinta se deposita en la superficie.

5

10

15

20

25

30

35

40

45

50

55

60

65

[0027] Mas generalmente, la aleatoriedad de la impresion depende del diferentes parametros, incluyendo la ubicacion de las celulas grabadas en el cilindro, la viscosidad de la tinta, la velocidad de impresion y la microestructura del carton, el relleno de tinta de las celulas cilfndricas, etc., por un lado, y la absorcion de tinta en el papel por otro lado.

Todos estos parametros tienen una influencia en la aleatorizacion de los contornos de forma o area de tinta.

Es esta aleatoriedad que puede utilizarse para identificar productos individuales pero tambien lotes de produccion, cilindros individuales usados para la produccion o trabajos de impresion.

Tambien es posible a deducir el envejecimiento del cilindro (y por lo tanto cuando aproximadamente fue impreso un producto) a partir de las imagenes (por ejemplo, la cuchilla rascadora que empuja la tinta a un cilindro de rotograbado lleva progresivamente las celulas grabadas tras millones de rotaciones).

En particular, las caracterfsticas comunes de las 2 imagenes de la figura 8 provienen del hecho de que estas han sido impresas con el mismo cilindro; otro cilindro grabado con parametros ligeramente diferentes proporcionarfa contornos sustancialmente distintos.

Todas estas tecnicas no se limitan a rotograbado y tambien se aplican en cualquier tecnologfa de impresion.

Otro ejemplo se muestra en la figura 9 con una area de tinta impresa con offset industrial (la imagen original era amarilla y fue procesada mas tarde para mejorar el contraste).

La imagen es claramente no uniforme y diferira siempre entre dos copias distintas.

Microestructura aleatoria de otros materiales

• Microestructura de grabado qmmico

[0028] Por ejemplo cuando un logo se graba en la parte trasera de un reloj, esto puede hacerse qufmicamente.

Asf cada logo grabado es unico como se puede ver en la figura 10. l0l es una parte de un logo qufmicamente grabado de una parte trasera de un reloj y 102 es la misma parte del mismo logo en otro reloj del mismo modelo.

Este es un ejemplo de huella digital unica.

El grabado qufmico se hace normalmente en superficies metalicas pero tambien puede aplicarse en cualquier otro material.

• Microestructura de material estampado

[0029] La parte trasera del reloj puede tambien estamparse en vez de grabarse qufmicamente.

Para este tipo de material, el campo de vision del dispositivo de adquisicion deberfa ser muy inferior en el caso precedente para el mismo dpi.

Si el campo de vision no es lo suficientemente pequeno, solo sera posible distinguir el sello usado para estampar la superficie.

Pero se muestra en la figura 20 que con una proporcion suficientemente grande entre el dpi y el campo de vision, es posible ver diferencias entre los dos artfculos.

Aquf el campo de vision es aproximadamente 0,4 x 0,6 mm y el dpi es 10'837.

Asf la proporcion es aproximadamente 25'000.

Este es un ejemplo de huella digital unica.

Nuevamente, el estampado se hace normalmente en material metalico pero esto puede tambien hacerse en cualquier otro material.

• Microestructura de material cepillado

[0030] Otro acabado de superficie estandar es el cepillado, tfpicamente en superficies metalicas (como en carcasas de reloj por ejemplo) pero el acabado cepillado tambien puede aplicarse para muchos otros materiales.

Otra vez la proporcion entre el dpi y el campo de vision tiene que ser suficientemente alta para ver los detalles.

En la figura 21 es diffcil de ver los detalles a simple vista debido a que el cepillado esta muy presente.

Pero las microestructuras estan ahf.

Se muestra en la figura 22 que la correlacion cruzada no se dana por el cepillado.

El valor maximo se estira un poco pero como no hay valor maximo cuando se comparan dos artfculos diferentes, esto es no un problema.

Este es un ejemplo de huella digital unica.

El cepillado se hace frecuentemente en superficies metalicas pero se puede aplicar en cualquier otro material.

[0031] Mas generalmente cualquier tratamiento de superficie o proceso mecanizado da como resultado imagenes con ruido o imagenes con entropfa suficiente que se pueden utilizar como modelo para recuperacion de imagen.

Este incluye en particular lijado de superficie, fresado, hilado, perforacion, etc ...

• Microestructura de recubrimiento

[0032] Otro ejemplo de huella digital unica es el caso de recubrimiento, como en las esferas de los relojes de pulsera.

La figura 23 muestra la diferencia de microestructuras de recubrimiento en alrededor de 10'000 dpi con un campo de

5

10

15

20

25

30

35

40

45

50

55

60

65

vision de 1 x1 mm.

El recubrimiento se puede aplicar en cualquier material.

• Microestructura de materiales moldeados

[0033] Si un material es moldeado (particularmente si se moldea con un molde lijado que crea una apariencia de "acabado lijado"), la microestructura de cada parte moldeada lucira similar.

Asf si el dpi es elegido cuidadosamente, todos los artfculos que salgan de un mismo molde presentaran una superficie similar, mientras que las que salen de moldes diferentes seran completamente diferentes.

Esto se muestra en la figura 24. 241 y 242 salen del mismo molde y tienen las mismas microestructuras mientras que 243 proviene de otro molde y tiene otras microestructuras.

Las imagenes fueron tomadas a 2'400 dpi con un campo de vision de 5x5mm. Un ejemplo de esto es la cubierta de algunos contenedores.

Este es un ejemplo tfpico de huella digital microscopica.

• Microestructura de deposito de tinta en materiales no porosos

[0034] Si la tinta se deposita en un material no poroso, por ejemplo papel brillante, cada gota tiene su propia forma y ubicacion.

Las etiquetas se toman como ejemplo.

Una etiqueta sera igual que todas las otras etiquetas impresas con la misma impresora en la misma posicion de la hoja de offset.

Al contrario, una etiqueta impresa por otra impresora o en otra posicion de la hoja de offset sera diferente.

Esto se muestra en la figura 25.

251 y 252 estan impresas con la misma impresora y la misma posicion en la hoja de offset. 253 esta impresa con otra impresora.

Este es otra vez un ejemplo de huella digital microscopica.

[0035] En el extremo, esta tecnologfa se puede extender reduciendo el dpi para controlar si el diseno grafico total de una caja coincide con el diseno original.

Este enfoque es por ejemplo aplicable a las medicinas falsas que se venden en el Internet.

Este es un ejemplo particular de huella digital macroscopica.

Registro de imagen

Estrategia general

[0036] Ante todo, un area especffica tiene que ser definida; la misma area sera usada para registros y comparaciones futuras.

La ubicacion de este area es optima cuando sus microestructuras son difunden uniformemente la imagen.

Tal area se puede recuperar automaticamente.

De hecho, este area deberfa encajar con algunos requisitos matematicos especfficos que permiten maximizar el fndice de deteccion y minimizan las detecciones falsas.

En particular, las imagenes con estadfstica de ruido uniforme han demostrado funcionar particularmente bien.

Muchos enfoques disponibles en la bibliograffa permiten la medicion de caracterfsticas de ruido y se pueden usar aquf.

Un ejemplo es analizar la transformada de Fourier de la imagen, por ejemplo se conoce el ruido blanco se conoce para obtener un espectro plano.

Tambien es posible derivar la resolucion optima de dpi resolucion analizando parte del espectro de Fourier que caracteriza una senal de ruido.

Esto se muestra en la figura 26. 262 es la transformada de Fourier uniforme de 261 que contiene microestructuras que difunden la imagen uniformemente.

Es posible coger una o dos imagenes a dos niveles diferentes de detalles para una fase de procesamiento previo. Esto depende del tratamiento futuro y se puede determinar por el material, la forma y la aplicacion.

Cuestion de almacenamiento

[0037] Una vez la microestructura ha sido digitalizada, la imagen correspondiente tiene que ser almacenada y constituira el conjunto de registro (al que se accede tfpicamente a traves de herramientas de base de datos).

El requisito basico es obtener una imagen de las microestructuras que contiene una cantidad suficiente de detalles para permitir una identificacion unica (sabiendo que la cantidad total de datos aumentaran con el tamano de base de datos).

Esta cantidad de detalles es por supuesto directamente enlazada al tamano de imagen y a los tamanos del elemento de microestructura.

Un lfmite teorico del tamano de imagen mfnimo para un tamano de base de datos dado se puede contabilizar en el caso peculiar de una imagen en blanco y negro.

5

10

15

20

25

30

35

40

45

50

55

60

65

De hecho, para una imagen de 5x5 pfxeles, el numero de diferentes imageries posibles serfan 2A25~33 millones.

Esto significa que una estructura blanca y negra aleatoria ideal podrfa ser unicamente identificada en una base de datos de 33 millones imagenes de referencia.

En la practica, se deben usar imagenes mucho mayores (sobre a un tamano de 100 veces mas en cada dimension) y el tamano de la base de datos puede ser un problema.

Varios esquemas de compresion con perdidas se pueden utilizar para reducir el volumen de la base de datos de imagen.

De hecho, aunque tal compresion altera la imagen, los experimentos muestran que esta imagen coincidente se pueden realizar exitosamente incluso en proporciones de compresion alta (la compresion se puede realizar tanto sendas imagenes de referencia y evaluada o solo en la imagen de referencia).

Por ejemplo, muchos experimentos han mostrado que se pueden aplicar proporciones de compresion de 50 a 100 utilizando por ejemplo un esquema de compresion basado en DCT (Transformada de Coseno Discreta o Discrete Cosine Transform).

Por lo tanto, una imagen de escala de grises de 100 x 100 pfxeles, que representa 10 kilobytes, se puede comprimir hasta 0,1 kilobyte.

Para almacenar escaneos de 10 millones de artfculos, la capacidad de un disco duro de 1 gigabyte es por lo tanto suficiente (de forma similar las imagenes de 1000 x 1000 pfxeles requeriran 100 gigabyte de espacio, que es realmente razonable).

El uso de compresion de ondfcula tambien puede ser util, ya que beneficiarfa a la tarea de recuperacion de imagen. De hecho la recuperacion de imagen se puede realizar de forma jerarquica en el aumento de frecuencias de ondfculas de las imagenes (lo que permite acelerar el proceso de recuperacion, por ejemplo).

Otras Informaciones tambien se pueden almacenar en lugar de o como complemento de las imagenes escaneadas. Por ejemplo, las caracterfsticas invariantes (momentos de imagen por ejemplo, propiedades estadfsticas, etc), parametros relacionados con contornos, caracterfsticas mfnimas o cualquier otra informacion es capaz de acelerar el proceso de recuperacion o aumentar la fiabilidad de la coincidencia.

Ubicacion de la imagen

[0038] Debe observarse que en caso de proteccion de marca, puede ser particularmente interesante aprovechar la microestructura de areas cercanas al logo (o cualquier medio de identificacion de marca).

De hecho, importadores paralelos frecuentemente tratan para destruir la informacion de trazabilidad (como codigos UV o matriz de datos).

Normalmente consiguen esto aranando la superficie o pintando sobre el codigo.

Sorprendentemente, hacer esto normalmente no es ilegal.

No obstante, alterar el logo es ilegal. (Ademas este altera claramente el producto mercantilmente).

Por lo tanto, usar la microestructura del logo o el medio subyacente puede ayudar para proteger de alteraciones piratas.

Finalmente, el logo es una simple caracterfstica identificable, que lo hace conveniente para la inspeccion (en caso de que el proceso de inspeccion requiera explfcitamente imagenes un area dada de un artfculo).

Esta idea no esta limitada al logo y tambien se aplica en cualquier marca registrada, diseno protegido por derechos de autor o, mas generalmente, para cualquier diseno protegido por la ley, impreso en paquetes o documentos.

Deteccion de imagen

Estrategia general

[0039] La estrategia general se representa en el esquema de la figura 28.

Cuando se toma la imagen, su posicion y rotacion con respecto a la imagen original no se conocen.

Las nuevas coordenadas x' e y' se deben deducir del vector de traslacion, el angulo de rotacion y las antiguas coordenadas x e y.

Esto se ilustra en la figura 27.

La rotacion se puede recuperar con una transformada de Fourier.

La ubicacion se puede recuperar con una proyeccion 1D, por ejemplo.

Luego, la ocultacion (282) tiene que ser contabilizada, dependiendo del tamano del campo de vision y el tamano de las microestructuras.

Despues de que todas las operaciones de preprocesamiento (283), como el aplanado, pueden ser contabilizadas. Finalmente, se realiza la imagen coincidente (284).

Despues la coincidencia de imagen, se habilita una metrica para decidir que una o mas imagenes del conjunto de registro corresponden en realidad a un nivel determinado.

En ultima instancia, el numero de imagenes de este conjunto coincidente deberfa ser 1 (cardinalmente igual a lo que no coincide).

Dependiendo de la solicitud, esta imagen identificara un objeto unico (y cualquier informacion colateral util, tfpicamente usando un acceso a la base de datos) o conjunto de objetos con caracterfsticas comunes.

Por ejemplo, en el caso de microaplicaciones de huella digital, tal caracterfstica comun puede ser un identificador de molde.

Otro ejemplo, para aplicaciones de macrohuella digital, puede ser un embalaje impreso genuino.

5

10

15

20

25

30

35

40

45

50

55

60

[0040] El angulo de rotacion puede ser descubierto si la imagen incluye alguna informacion visual anisotropica que es identica para todos los artfculos.

Por ejemplo, si hay una lfnea a traves de la imagen, sera posible usar esta informacion para hallar exactamente el angulo de rotacion.

Por supuesto esta lfnea sera un inconveniente para la correlacion cruzada.

Por esta razon es posible coger imagenes diferentes del artfculo para verificar incluso en resoluciones diferentes. Cada imagen puede despues ser asignada a una operacion especffica.

El dominio de transformada puede utilizarse para ayudar en la extraccion y caracterizacion de informacion anisotropica.

Por ejemplo, puede utilizarse la transformada de Hough o la transformada de Fourier.

En el caso de la transformada de Fourier, la anisotropfa espacial de la imagen resultara en una lfnea en el modulo de la transformada de Fourier de esta imagen.

Esto se muestra en la figura 11.

111 muestra la transformada de Fourier y 112 muestra el angulo, que es una suma radial del valor de la transformada de Fourier relacionada con cada angulo.

Una solucion para el hallazgo de la direccion anisotropica principal es contabilizar la siguiente ecuacion:

imagen1

donde I(r,theta) es el valor del modulo de la transformada de Fourier en las coordenadas polares r y theta, l() el modulo de la transformada de Fourier, y p() es el valor de los modulos acumulados para un angulo dado (112).

[0041] Este angulo es en realidad determinado con una exactitud de 180° debido a propiedades de la transformada de Fourier.

Ademas, la anisotropfa espacial de la imagen puede contener diferentes direcciones principales (por ejemplo un cuadrado contiene dos direcciones principales que son perpendiculares) que produce angulos candidatos diferentes. El angulo recto se puede determinar probando cada uno de los angulos posibles.

Cuando la anisotropfa espacial contiene solo una direccion principal, esta direccion es perpendicular al angulo situado por la suma sobre los ejes.

Por esta razon, en la figura 11, la suma esta hecha sobre un angular "a" en 111 y el resultado se visualiza para un angular "a+90".

Un procedimiento de prueba consiste en la correlacion cruzada con una imagen de referencia.

[0042] Debe observarse que la imagen usada para la deteccion de rotacion (y la imagen de referencia correspondiente) puede tomarse a una resolucion (dpi) y a una ubicacion que es diferente de la imagen usada para caracterizar la microestructura de una superficie.

Finalmente el valor del angulo puede determinarse de un modo mas preciso por un procedimiento de prueba-error alrededor del angulo previamente descubierto.

Por ejemplo, es posible iterar entre -1 a 1 grados mediante pasos de 0,1 grados, computando la SNR para cada angulo, y manteniendo el angulo que resulta en la mejor SNR.

[0043] Una vez se conoce el angulo de rotacion, es facil para recuperar la ubicacion del patron especffico para una correlacion cruzada.

De hecho, podrfa ser posible almacenar en la base de datos las coordenadas y el tamano del modelo con respecto a un angulo determinado.

En la figura 27, x e y se almacenan en la base de datos.

X' e y' se pueden recuperar facilmente una vez se conocen el desplazamiento y la rotacion.

[0044] Tambien es posible a adoptar una estrategia totalmente diferente que evita computar el angulo de rotacion: la idea basica consiste en tomar una forma circular alrededor de un punto de interes y enderezarlo a una forma rectangular.

La figura 32 describe este proceso. 321 es la rosca circular alrededor de un punto de interes que tiene que ser cortada.

El corte es hecho en AB.

A es el origen y B es el extremo de la nueva imagen.

La forma circular es luego mapeada (o enderezada) a una forma rectangular (322) usando metodos de interpolacion de imagen estandar.

Tal imagen se puede comparar (por ejemplo usando correlacion cruzada) con una imagen modelo que ha sido generada usando el mismo proceso.

La ubicacion de valor maximo de correlacion cruzada variara con el angulo de rotacion, pero el valor SNR no se vera afectado.

Por lo tanto esta tecnica habilita la deteccion de imagenes coincidentes sin necesidad de compensacion previa en la

5

10

15

20

25

30

35

40

45

50

55

60

65

Compensacion de traslacion

[0045] Un enfoque general para compensar el movimiento es usar imagen que incluir puntos de caracterfstica.

En la practica, uno de los enfoques es la adquisicion de una imagen de baja resolucion del objeto.

La correlacion cruzada de esta imagen con un modelo registrado (que sera unico para toda la base de datos) habilita el encontrar exactamente la posicion X/Y de la fotograffa y por lo tanto determinar la ubicacion de la region de interes que deberfa ser adquirida a resolucion mas alta.

Preprocesamiento [CDV1]

[0046] La correlacion cruzada normalmente se computa en imagenes aplanadas.

Una forma de aplanado es hacer una operacion matematica que consiste en tomar la diferencia entre una imagen y su version de baja frecuencia.

El objetivo de esta operacion es eliminar variaciones de color macroscopico a traves de la imagen y que son no significativas, como variaciones de iluminacion por ejemplo.

En particular habilita el ajuste de todos los bordes de la imagen al mismo valor, lo que evita efectos borde durante una correlacion cruzada basada en la Transformada de Fourier (la correlacion basada en FFT implfcitamente tilear la imagen, creando artificialmente tiles si la imagen no es uniforme).

En la figura 29 se muestra el efecto de aplanado. 291 y 293 son imagenes que no han sido aplanadas. 292 y 294 son las mismas imagenes despues del aplanado.

En este ejemplo, las correlaciones cruzadas se computan con una imagen modelo que deberfa coincidir con la imagen 293 pero que no deberfa coincidir con la imagen 291.

Las correlaciones cruzadas para cada imagen se muestran en el lado derecho.

Se puede observar que la imagen de correlacion cruzada 295 y 296 no tiene ningun valor maximo de correlacion, lo que es normal.

La imagen 297 no muestra un valor maximo de correlacion cruzada claro, aunque la imagen deberfa normalmente corresponder con el modelo.

La correlacion cruzada de la imagen aplanada 298 muestra un valor maximo de correlacion cruzada claro.

[0047] Por regla general, cuando se usa un desenfoque gaussiano como estrategia de filtro de paso bajo para aplanar, el radio de desenfoque (en pfxeles) tendra tfpicamente un valor cercano al tamano de las microestructuras medido en pfxeles.

Ocultacion

[0048] Si el campo de vision tiene un tamano que implica que algunos detalles sin interes san visibles, deben ser ocultados.

Una posibilidad de ocultado es poner todo el valor que no tiene que tomarse en cuenta en el valor medio de la imagen.

[0049] La importancia de los elementos que entorpecen la ocultacion se muestra en la figura 31.

Es mostrado que, sin ocultacion, la correlacion cruzada (314) de un modelo (311) y otra imagen del mismo artfculo (312) no es mejor que la correlacion cruzada (315) del modelo (311) con una imagen de otro artfculo (313).

Peor incluso, la correlacion cruzada (315) del modelo (311) y la imagen del otro artfculo (313) tiene un buen valor maximo debido a la correlacion cruzada macroscopica.

Este especie de discordancia es una deteccion de falso positivo que debe evitarse absolutamente.

Se muestra que es posible prevenir tal discordancia rellenando el valor medio del elemento entorpecedor.

Cuando el modelo relleno (316) realiza una correlacion cruzada con otra imagen del mismo artfculo relleno (317), el valor maximo de correlacion cruzada (319) es visible.

Cuando el modelo relleno (316) se realiza una correlacion cruzada con una imagen de otro artfculo (318), no hay mas valor maximo (3110) de correlacion cruzada.

Este ejemplo ilustra como un enfoque de ocultacion puede ayudar a evitar la deteccion de falso positivo y tambien mejorar el fndice de deteccion.

Tal ocultacion se puede registrar en la base de datos.

Vision de conjunto de algoritmos coincidentes

[0050] El fin de la imagen coincidente es definir una metrica que habilita la decision de si dos imagenes son similares.

Una similitud perfecta se puede caracterizar por el hecho de que un error cuadratico medio nulo entre dos imagenes y una metrica coincidente tfpicamente converge a un valor conocido en este caso.

La coincidencia de imagen se puede realizar por correlacion cruzada o coincidencia en el dominio de transformada (espacios Hough o Fourier, por ejemplo) posiblemente mejora mediante las transformadas de logaritmo polar para ser invariable con escala o rotacion.

5

10

15

20

25

30

35

40

45

50

55

60

Tambien es posible usar espacialmente el dominio de transformada para mapear la imagen de manera que es mas eficaz para fines de coincidencia.

Por ejemplo, es posible computar un perfil 1 D que corresponde con la suma de la intensidad de color a lo largo de cada lfnea y usar tal funcion 1D conjuntamente con algoritmos coincidentes de senal 1 D para una recuperacion rapida (posiblemente refinado con un perfil vertical).

Otro dominio de transformada espacial fue mostrado en la seccion precedente e ilustrado en la figura 32.

El enfoque llamado "minucias" tambien puede usarse en la huella digital coincidente.

Su principio es usar solo un numero limitado de puntos de caracterfstica localizados en vez de usar la imagen entera.

[0051] En caso de que la microestructura de area impresa se use (como en la figura 8), tambien es posible usar tecnicas coincidentes basadas en los contornos de la forma impresa.

Las tecnicas de coincidencia de contorno del estado de la tecnica pueden luego usarse en cuanto a ejemplos de descriptores de Fourier o correlacion cruzada 1 D (siendo el contorno convertido a una senal 1 D).

Tambien se pueden usar redes neuronales artificiales para ejecutar la imagen coincidente o la operacion de coincidencia de contorno.

Mas generalmente, se deja que la imagen se describa por un conjunto dado de parametros.

Cualquier clasificador se pueden utilizar para encontrar la mejor correspondencia en una base de datos.

La eleccion de los mejores clasificadores dependera de los requisitos computacionales, la estadfstica de imagen, etc.

[0052] Para ayudar a la operacion de coincidencia de imagen, el conocimiento del diseno original tambien se puede usar.

Por ejemplo la figura 8 corresponde a una carta cuya orientacion, escala y posicion espacial en el artfculo a verificar es conocida.

Por lo tanto un sistema de escaneo automatico puede ser capaz de localizar esta carta con un escaneado de baja resolucion, luego reescanear la letra a una resolucion alta y finalmente compensar la rotacion.

Coincidencia por correlacion cruzada

[0053] La correlacion cruzada es especialmente adecuada para imagenes coincidentes que contienen ruido.

De hecho, esto se puede usar basicamente en cualquier tipo de ruido uniforme sin sintonizacion especial o adaptaciones.

[0054] La ecuacion usada para computar es:

[0055] Debe observarse que existen diferentes variaciones de correlaciones cruzadas que tambien pueden realizarse eficazmente en caso de microestructura.

Este es por ejemplo el caso de la fase de correlacion y correlacion cruzada con estrategia de relleno especial.

De hecho, en la formula anterior los indices k'+k o l'+l pueden exceder el tamano de imagen en caso finito y una estrategia tiene que ser seguida para definir que valores deberian ser usados en tales casos.

Algunas de estas estrategias incluyen relleno de la imagen con valores variables simetricamente o antisimetricamente (izquierda/derecha y arriba/abajo) a traves de sus bordes, o relleno con un valor fijo (el valor medio para ejemplo).

[0056] Una medida que representa la calidad de la coincidencia entre 2 imagenes se puede definir con:

SNR = 20*log(maximo/media)

[0057] Este valor caracteriza la relacion senal/ruido (SNR) de la imagen de correlacion cruzada y se mide en decibelios (dB).

Cuando diferentes correlaciones cruzadas son computadas (utilizando diferentes imagenes de la misma area o de distintas areas), el SNR puede aumentar muy significativamente por la multiplicacion de dos correlaciones cruzadas alineadas en uno de sus picos.

Tambien es posible tener en cuenta el criterio morfologico, tales como operaciones de apertura y cierre en la imagen de correlacion cruzada.

[0058] Notese que la correlacion cruzada es robusta contra algunas modificaciones del artfculo.

En particular es robusta contra la adicion de adhesivo o capa estatica, adicion de polvo, dano por aranado y todos los demas danos que remiten a mitad de la informacion.

Tambien tiene que notarse que este metodo es robusto contra todos los cristales, incluyendo vidrio de reloj plano o convexo, con o sin recubrimiento antireflectante en este.

5

10

15

20

25

[0059] El tamano en pixel de las imageries que realizan correlaciones cruzadas al igual que sus dpi tiene que ser elegido dependiendo del tamano y el numero de las microestructuras.

[0060] Segun la invencion, para acelerar el proceso de deteccion, se hace uso de versiones de muestreo reducida de los modelos.

[0061] Por ejemplo si el tamano de imagen es 1024x1024 y si hay 10'000'000 articulos en la base de datos, realizar todas las correlaciones laterales con todos los modelos pueden llevar una cantidad significativa de tiempo (sobre 1 hora en algunos casos).

Una estrategia de deteccion consiste en la realizacion de la deteccion en diferentes estadios.

Una primera fase se realiza con versiones de muestreo reducidas de la fotografia e imagenes modelo y luego en la siguiente fase se usan versiones mayores de fotografias y modelos.

Esto se ilustra con el diagrama de correlaciones cruzadas de la figura 30: las correlaciones cruzadas primero se computan con un primer conjunto de X0 modelos que utilizan un tamano de imagen de 2n x 2n pixeles (el mismo metodo puede por supuesto usarse para imagenes no cuadradas o con potencia no integral de 2 tamanos de imagen).

Un numero X12 de imagenes de correlacion cruzada tienen un SNR sobre un umbral dado t1 y son luego seleccionadas como candidatas para una segunda prueba con un tamano de imagen mayor 2n+1.

El mismo procedimiento continua con un umbral t2 y con tamanos de imagen aumentados y umbrales hasta que el tamano de imagen original 2n+x se alcance dando como resultado un candidato unico Xx2 = 1 que corresponde a la fotografia.

Tal estrategia no esta limitada al caso de correlacion cruzada y puede potencialmente aplicarse con cualquier metrica coincidente.

[0062] Un ejemplo practico se da para ilustrar este proceso.

En un experimento n=3 y x=10 fueron usados para correlaciones cruzadas de X0=10,000,000 modelos con una imagen de prueba.

El siguiente numero de candidatos fue luego obtenido: X12=112539; X22=1234,X32=2,X42=1,X52=1.

Claims (8)

1. 5

   10

   15

   20

   25

   30

   35

   40

   45

   50

   55

   60

   65

   1. Metodo para identificar objetos unicamente utilizando una imagen optica de la microestructura de su superficie que comprende una fase de ajuste de parametro, una fase de adquisicion y una fase de identificacion, la fase de ajuste de parametro que incluye las etapas de:

   - definir para un conjunto dado de objetos, una resolucion, un tipo de iluminacion ligera no coherente y una ubicacion, llamada area de interes, con una microestructura de identificacion aleatoria, cuyo tamano considerado de estructura esta por debajo de 1mm.

   para cada objeto que se identificara mas tarde, la fase de adquisicion incluye las etapas de:

   - adquisicion digital de una imagen modelo bidimensional del objeto con una microestructura de identificacion, dicha adquisicion se basa en los ajustes de parametro y se usa un muestreo en una rejilla ortogonal uniformemente distanciada de al menos un componente de color,

   - pretratamiento de la imagen para eliminar variaciones de color macroscopicas aplicando una funcion de aplanado en dicho modelo,

   - almacenamiento en una base de datos de referencia la imagen modelo preprocesada junto con al menos una version modelo de muestreo reducida,

   para un objeto a identificar, la fase de identificacion incluye las etapas de:

   - adquisicion digital de una imagen fotografica bidimensional del objeto a identificar y segun los parametros como la imagen modelo,

   - pretratamiento de dicha imagen fotografica aplicando una funcion de aplanado para eliminar variaciones de color macroscopicas,

   - generacion al menos una version de muestreo reducida de la imagen fotografica aplanada con resoluciones segun las resoluciones durante la fase de adquisicion,

   - correlacion cruzada de la version 2D mas reducida de la imagen fotografica aplanada con la correspondiente version modelo de muestreo reducida almacenada en la base de datos de referencia independientemente de la posicion relativa en la traslacion, y seleccionando un conjunto de modelos segun el valor de la relacion senal/ruido de la imagen de correlacion cruzada,

   para los modelos seleccionados, la correlacion cruzada de la version 2D de muestreo reducida del siguiente nivel de resolucion de la imagen fotografica aplanada con las versiones de muestreo reducidas de mismo nivel de resolucion del modelo aplanado almacenado en la base de datos de referencia que han sido elegidas en la fase precedente independientemente de la posicion relativa en la traslacion, y seleccionando un conjunto de modelos segun el valor de la relacion senal/ruido de la imagen de correlacion cruzada,

   - repeticion de la fase precedente para todas resoluciones de muestreo reducidas disponibles

   - para los modelos seleccionados, realizar la correlacion cruzada de la imagen fotografica 2D aplanada con el modelo aplanado almacenado en la base de datos de referencia independientemente de la posicion relativa en la traslacion, y asf identificar el objeto encontrando el mejor modelo de correspondencia cuyo valor senal/ruido de la imagen con correlacion cruzada esta sobre un umbral predefinido.
2. 2. Metodo de la reivindicacion 1, caracterizado por el hecho de que en la fase de rotacion se aplica una compensacion a la imagen fotografica antes de computar la correlacion cruzada.
3. 3. Metodo de las reivindicaciones 1 a 2, caracterizado por el hecho de que la compensacion de rotacion se consigue adquiriendo otra imagen del objeto y aplicando una transformada de Fourier a dicha imagen para medir la informacion anisotropica y usarla para computar el angulo de compensacion de rotacion,
4. 4. Metodo de las reivindicaciones 1 a 2, caracterizado por el hecho de que la fase de ajuste de parametro y la fase de identificacion son modificadas de la siguiente manera:

   - la fase de ajuste de parametro comprende un paso adicional que consiste en la definicion para un conjunto dado de objetos de al menos una caracterfstica visual cuya distancia a la posicion X/Y de la region de interes es conocida,

   - crear una imagen de ocultacion para adquirir una imagen bidimensional de los puntos de caracterfstica,

   la fase de identificacion comprende pasos preliminares de:

   - adquisicion digital de una imagen bidimensional de los puntos de caracterfstica del objeto,

   - correlacion cruzada de la imagen adquirida con una imagen de ocultacion para recuperar la ubicacion de la region de interes donde se adquirira la imagen fotografica.
5. 5. Metodo de las reivindicaciones 1 a 4, caracterizado por el hecho de que el modelo identificado puede servir para autentificar una pluralidad de objetos con la misma microestructura.
6. 6. Metodo de las reivindicaciones 1 a 5, caracterizado por el hecho de que ningun modelo identificado permite deteccion de un objeto falsificado.
7. 7. Metodo de las reivindicaciones 1 a 6, caracterizado por el hecho de que las fases de ajuste de parametro, adquisicion e identificacion se modifican como sigue para coincidir exitosamente con el modelo y las imagenes fotograficas tienen angulos diferentes de rotacion:

   la fase de ajuste de parametro tiene un paso adicional de definicion de la forma y ubicacion de una rosca circular

   dentro de la region de interes,

   la fase de adquisicion incluye las etapas de:

   - extraccion de la region de rosca circular a partir de la imagen adquirida,

   - enderezamiento de la rosca a una forma rectangular para definir la imagen modelo,

   5 la fase de identificacion incluye las etapas de:

   - extraccion de la region de rosca circular a partir de la imagen adquirida,

   - enderezamiento de la rosca a una forma rectangular para definir la imagen fotografica.
8. 8. Metodo de cualquiera de las reivindicaciones precedentes, donde la fase de adquisicion se realiza con un telefono 10 movil con camara fotografica integrada.