融合防偽線的高仿圓形印章配準(zhǔn)與鑒別研究

文 琴， 何文孝

(內(nèi)江師范學(xué)院 人工智能學(xué)院, 四川 內(nèi)江 641100)

0 引言

印章在我國(guó)被廣泛地使用，比如在招標(biāo)、合同簽訂等場(chǎng)合有著非常重要的作用，它是具有法律效力的.一旦印章被不法分子私刻盜用,將會(huì)對(duì)個(gè)人或企業(yè)帶來(lái)非常大的影響.因此印跡的鑒別技術(shù)在生活中發(fā)揮著很重要的作用，例如企業(yè)到銀行進(jìn)行重大業(yè)務(wù)辦理，銀行都會(huì)對(duì)企業(yè)的印跡進(jìn)行鑒別.

針對(duì)印跡的鑒別,國(guó)內(nèi)外有不少的學(xué)者進(jìn)行了研究，梁吉?jiǎng)俚萚1]提出以所設(shè)計(jì)的輻射狀模板為核心的圓形印章配準(zhǔn)方法，該方法使用不同頻率的輻射狀模板分別與預(yù)留印章和待檢驗(yàn)印章進(jìn)行卷積運(yùn)算，將其運(yùn)算結(jié)果作為準(zhǔn)則函數(shù)設(shè)計(jì)的依據(jù)，但當(dāng)印跡不完整時(shí)效果不理想.Tingting等[2]針對(duì)歷史印章中的文字提出使用概率分布和決策樹來(lái)提取印章中的字符.Cheng等[3]使用K-means聚類算法和局部閾值技術(shù)將印記與背景區(qū)域區(qū)分開，再去除最近鄰分類器噪聲.Li等[4]提出使用雙密度二元樹小波變換提取印跡特征.這些研究均能較好的提取印章的特征，但這些提取印章特征的方式在一定程度上忽略了防偽線的存在.Jin等[5]提出了基于SIFT的印章圖像配準(zhǔn)與鑒別，該方法采用SIFT算法提取關(guān)鍵點(diǎn)，采用隨機(jī)樣本一致性RANSAC算法和最小二乘法LSM得到變換矩陣，實(shí)現(xiàn)了印章的精確配準(zhǔn)，然后基于殘差圖像提取不變特征，最后結(jié)合常規(guī)貝葉斯分類器NBC、K近鄰分類器K-NN和支持向量機(jī)(SVM)對(duì)特征向量進(jìn)行分類.Jin等[6]提出了一種基于SIFT(Scale-Invariant Feature Transform，尺度不變特征變換)特征的印鑒配準(zhǔn)算法，為印鑒驗(yàn)證，特別是高質(zhì)量假冒樣品印鑒的驗(yàn)證做好了準(zhǔn)備，其將匹配的SIFT特征之間的相似性和空間關(guān)系結(jié)合起來(lái)進(jìn)行印章圖像配準(zhǔn)，根據(jù)二值模型印章圖像和樣本印章圖像的相似性，對(duì)提取的SIFT特征進(jìn)行匹配.Zhu等[7]設(shè)計(jì)了一種基于SIFT-SVM的嵌入式印章印記識(shí)別系統(tǒng)，使用SIFT提取印章特征.但SIFT算法時(shí)間復(fù)雜度高、算法耗時(shí)長(zhǎng).葛盼盼等[8]根據(jù) Harris和SURF算法具備的特點(diǎn)，提出了一種新的遙感圖像匹配算法，其算法主要是通過(guò)Harris 角點(diǎn)檢測(cè)算法得到圖像焦點(diǎn)和采用SURF 算法提取圖像特征點(diǎn)，由此優(yōu)化了遙感圖像配準(zhǔn)，但是該優(yōu)化算法使用的合并方式增加配準(zhǔn)點(diǎn)數(shù)量，因此其對(duì)噪聲的過(guò)濾還有待提升.Liang等[9]提出將圓形區(qū)域轉(zhuǎn)換為矩形區(qū)域的圓形印章對(duì)齊方法進(jìn)行鑒別，但該方法對(duì)于印跡噪聲比較多時(shí)錯(cuò)誤率比較高.宋成璐[10]針對(duì)印鑒提取與識(shí)別的研究，提出采用先膨脹后腐蝕的方式對(duì)印跡進(jìn)行修復(fù).姚敏等[11]針對(duì)印章的檢測(cè)定位與識(shí)別問題進(jìn)行了研究，提出通過(guò)形態(tài)學(xué)的閉操作將待測(cè)印章中的噪聲去除并恢復(fù)部分字跡，但這樣的修復(fù)會(huì)影響防偽線的真實(shí)性，對(duì)印跡的鑒別帶來(lái)影響.

通過(guò)對(duì)現(xiàn)有的印跡鑒別技術(shù)和計(jì)算機(jī)圖形自動(dòng)化鑒別技術(shù)的研究，發(fā)現(xiàn)現(xiàn)有的鑒別技術(shù)在針對(duì)高仿印章鑒別時(shí)鑒別率不高，經(jīng)過(guò)對(duì)印章的制作的了解，發(fā)現(xiàn)每一枚印章都會(huì)由一條或多條防偽線將印章邊框分割成不同的圓弧段.從這個(gè)點(diǎn)出發(fā),本文提出將防偽線作為印章鑒別的重要特征，印章防偽線如圖1所示.

圖1 印章防偽線

由于印章和紙張的不光滑，印跡將會(huì)產(chǎn)生很多的空隙，這些空隙形成的鏤空形狀是無(wú)效特征，將會(huì)誤導(dǎo)特征點(diǎn)的提取，增加計(jì)算量.印跡的有效特征點(diǎn)主要集中在輪廓的轉(zhuǎn)角處，因此首先讀取圖形進(jìn)行HSI色彩模型提取、去噪處理，然后通過(guò)Canny邊緣檢測(cè)算法的雙閥值提取算法，提取出印跡的外圍輪廓，再通過(guò)Harris檢測(cè)角點(diǎn)，SURF進(jìn)行特征點(diǎn)篩選，篩選時(shí)以Harris為中心建立4*4的搜索范圍，可以加速生產(chǎn)特征描述.最后使用RANSAC算法進(jìn)一步的優(yōu)化配準(zhǔn)效率.配準(zhǔn)后在進(jìn)行印跡的鑒別時(shí)將防偽線的作用利用起來(lái)，防偽線將印章圓形邊框分為了不等的多段，因此本文鑒別時(shí)，在原有的鑒別基礎(chǔ)上增加了對(duì)比分段數(shù)量和每段的差值來(lái)提高鑒別準(zhǔn)確率.本文對(duì)圓形印章進(jìn)行配準(zhǔn)與鑒別的方法的核心流程如圖2所示.

圖2 圓形印章配準(zhǔn)與鑒別核心流程

1 印跡預(yù)處理

高仿圓形印章印跡的預(yù)處理過(guò)程：1)首先利用HSI色彩模型對(duì)印跡進(jìn)行提取；2)為了得到較完整的印跡，將圓形印章印跡進(jìn)行分割修復(fù)，即利用改進(jìn)的圖像分割去噪方法對(duì)印跡進(jìn)行二次處理.

1.1 HSI顏色模型提取

圖像讀取采用的是三原色光模式(RGB color model)，即RGB(紅綠藍(lán))顏色模型.是一種將所有的顏色看成由三種基礎(chǔ)按照不同的系數(shù)進(jìn)行疊加而形成的加色模型.而印跡作為印蓋后形成的圖案，它會(huì)因?yàn)槭芰Φ牟痪鶆蚧蚣垙埖牟黄秸?出現(xiàn)顏色的有淺有深，人眼是很難給定RGB的各通道的提取閥值.由于HSI[12](Hue-Saturation-Intensity)數(shù)字圖像模型比RGB顏色模型更符合眼睛對(duì)色彩的分辨情況，因此，本文選取HSI模型對(duì)圓形印章印蓋后形成的圖案進(jìn)行轉(zhuǎn)換，即轉(zhuǎn)換為顏色模型進(jìn)行提取.

1.2 改進(jìn)的圖像分割去噪方法

傳統(tǒng)的形態(tài)學(xué)閉運(yùn)算雖然去噪效果比較好，但是該算法會(huì)將防偽分割的線段去掉，這直接影響了最后的鑒別結(jié)果.因?yàn)樵趪?guó)家制定的印章機(jī)構(gòu)中，申請(qǐng)的印章都是有防偽線，幾乎所有的印章的防偽線都是不一樣的，所以防偽線對(duì)于印跡的鑒別是很重要的.因此本文提出了一種改進(jìn)的圖像分割去噪方法.

改進(jìn)的圖像分割去噪方法步驟：

Step01:Otsu算法二值化.利用Otsu算法設(shè)定最佳閾值，將在閾值中的像素值變?yōu)?，在閾值外的像素值變?yōu)?.

Step02:確定印跡的中心點(diǎn).

Step03:以中心建立坐標(biāo)系,從0°開始,每45°建立掃描方向進(jìn)行邊框掃描，以得到圓形印章的印跡外圍輪廓信息，即外圍圓形輪廓信息.

Step04: 將印章外圍輪廓和文字進(jìn)行分割.通過(guò)步驟3掃描得到外圍輪廓厚度信息，對(duì)圓形印章的印跡進(jìn)行分割，即將印跡的外圍圓形輪廓和內(nèi)部文字分開

Step05:利用防偽線將外圍輪廓進(jìn)行分段.對(duì)步驟4分割后的圓形外圍輪廓，沿順時(shí)針方向進(jìn)行分割掃描，以得到防偽線的位置，通過(guò)防偽線將圓形外圍輪廓進(jìn)行分段.

Step06:對(duì)分段后的圓形輪廓進(jìn)行插值修復(fù)、對(duì)分割的文字部分進(jìn)行先膨脹后腐蝕修復(fù).

Step07:最后將修復(fù)得到的圓形輪廓和內(nèi)部文字進(jìn)行合并,得到較完整的印跡.

該算法首先對(duì)HSI模型提取的印跡進(jìn)行二值化，然后通過(guò)步驟2獲取到圓心(u,v)以及圓的半徑.獲得圓心和半徑之后，以圓心為原點(diǎn)建立笛卡兒坐標(biāo)系進(jìn)行掃描以獲得圓形輪廓信息，其中輪廓的厚度d通過(guò)預(yù)留的參考印?？梢缘玫?，如圖3所示.

圖3 印跡輪廓分割圓弧計(jì)算示意圖

最后由外向內(nèi)進(jìn)行修復(fù)，每個(gè)像素點(diǎn)分為一層.這里舉例圓形印章的修復(fù)方式，圓形的標(biāo)準(zhǔn)方程為(x-u)2+(y-v)2=r2,以圓心為原點(diǎn)則有x2+y2=r2,假設(shè)印跡輪廓的一個(gè)分割圓弧最外層的開始像素點(diǎn)為(x0,y0),結(jié)束像素點(diǎn)為(x1,y1) ，如圖3所示，那么以原點(diǎn)到待修復(fù)的點(diǎn)的連線與X軸做直角三角形，則有修復(fù)的函數(shù)如公式(1)，其中點(diǎn)(x,y)為修復(fù)的圓弧段，并且x=rcosθ,y=rsinθ.

2 印跡配準(zhǔn)與鑒別算法

2.1 Canny邊緣提取

Canny為了得到防偽線有關(guān)的準(zhǔn)確信息，需要對(duì)印跡進(jìn)行邊緣提取.而Canny邊緣檢測(cè)作為邊緣檢測(cè)算法中比較優(yōu)秀的算法,被廣泛地用于圖像的邊緣提取，因此選擇Canny算法作為印跡邊緣提取算法.Canny邊緣檢測(cè)算法主要由四個(gè)步驟組成：

Step01:使用高斯濾波進(jìn)行邊緣平滑去噪，通過(guò)高斯函數(shù)后的像素點(diǎn)的灰度為：

Step02:計(jì)算梯度值和梯度方向，通過(guò)點(diǎn)乘一個(gè)sobel或其他算子得到不同方向的梯度值gx(m,n) ,gy(m,n).綜合梯度通過(guò)以下公式(3)計(jì)算梯度值和梯度方向：

(3)

Step03:保留極大值，通過(guò)計(jì)算每個(gè)像素點(diǎn)的梯度保留極大值，對(duì)于不是極大值的舍棄，判別表達(dá)式如公式(4)：

(4)

Step04:雙閾值(Double Thresholding)，設(shè)置兩個(gè)閥值(threshold)，分別為minVal和maxVal.凡是大于maxVal的保留，小于minVal的丟棄，另外從maxVal出發(fā),連續(xù)且大于minVal的也保留.

推薦的閥值高低通道的值的比例最好為3∶1或2∶1,經(jīng)過(guò)大量的實(shí)驗(yàn),本文設(shè)置的是maxVal=240，minVal=80效果比較好.

2.2 基于HSURF的印跡配準(zhǔn)算法

由于圓形印章的印跡鑒別與其他的復(fù)雜圖像有所區(qū)別，圓形印章的印跡是一種比較簡(jiǎn)單的線條結(jié)構(gòu)圖像，其色彩單一，人眼的鑒別主要是通過(guò)其輪廓形狀進(jìn)行對(duì)比，而輪廓的對(duì)比首先就是對(duì)準(zhǔn)防偽線，因此防偽線作為印跡的重要識(shí)別存在.防偽線的體現(xiàn)就在外圍輪廓的缺口，缺口的特征主要是被分割的線形成的四個(gè)角.通常人類在對(duì)一些比較細(xì)微的紋理進(jìn)行觀察時(shí),都會(huì)使用放大鏡進(jìn)行逐步查看，而Harris角點(diǎn)檢測(cè)算法正是模仿人類的方式,通過(guò)建立小的窗口對(duì)對(duì)象進(jìn)行掃描，隨著窗口的移動(dòng),看到通過(guò)窗口觀察的灰度值也隨之變化.因此，利用Harris角點(diǎn)檢測(cè)算法檢測(cè)圓形印章印跡的角點(diǎn).

此外，印跡的鑒別中尺度也是非常關(guān)鍵的信息，為此，我們必須要考慮尺度不變特征檢測(cè)，SURF和SIFT都具有此特性，但SURF[13]用盒子濾波器替換了高斯濾波，使得其運(yùn)行效率有了很大的提升，因此本文考慮結(jié)合Harris和SURF(即HSURF算法)實(shí)現(xiàn)圓形印章的印跡特征匹配.首先利用Harris角點(diǎn)檢測(cè)出的角點(diǎn)作為濾波器掃描中心，再通過(guò)減小SURF的搜索范圍,將3*3的濾波器掃描范圍固定到以Harris角點(diǎn)為中心的4*4的范圍內(nèi)進(jìn)行特征點(diǎn)定位，這可以快速地得到既有Harris特點(diǎn)又有SURF特點(diǎn)的特征點(diǎn).

智能電網(wǎng)的發(fā)展要立足國(guó)家能源戰(zhàn)略，結(jié)合我國(guó)能源資源稟賦和技術(shù)發(fā)展水平，并要充分考慮未來(lái)電網(wǎng)的發(fā)展趨勢(shì)和形態(tài)特征，解決能源電力領(lǐng)域的核心問題。

HSURF算法步驟如下：

Step01:在2.1章節(jié)Canny算法提取的邊緣輪廓基礎(chǔ)上，利用Harris算法提取印跡角點(diǎn).假設(shè)圖像I(x,y),窗口從點(diǎn)(x，y)處移動(dòng)了(Δx,Δy),那么灰度函數(shù)E(Δx,Δy)如公式(5)所示:

(5)

公式中的w(x,y)就是以點(diǎn)(x,y)為中心的窗口，I(x+Δx,y+Δy) 表示平移后的灰度值,I(x,y)表示自身灰度值.由泰勒展開對(duì)圖像平移后做一階近似,如公式(6)所示：

I(x+Δx,v+Δy)≈I(x,y)+Ix(x,y)Δx+Iy(x,y)Δy.

(6)

其中Ix，Iy為圖像I(x,y)的偏導(dǎo)數(shù)，將I(x+Δx,y+Δy)帶入E(Δx,Δy),可化簡(jiǎn)得到公式:

(7)

E(Δx,Δy)?AΔx2+2CΔxΔy+BΔy2.

(8)

Harris定義角點(diǎn)響應(yīng)函數(shù)即R=Det(M)-k×trace(M)×trace(M),其中Det(M)為矩陣M的行列式；trance(M)為矩陣M的直跡；k為經(jīng)驗(yàn)常數(shù)0.04～0.06[14]定義當(dāng)R>threshold時(shí)且為局部極大值的點(diǎn)時(shí)，定義為角點(diǎn).

本文在仿真實(shí)驗(yàn)時(shí)使用的k是0.04，經(jīng)過(guò)Harris 角點(diǎn)檢測(cè)后可以提取特征角點(diǎn)，本文對(duì)于每一個(gè)像素(x,y)在3*3鄰域內(nèi)，計(jì)算2*2梯度的協(xié)方差矩陣.

Step02:極值點(diǎn)檢測(cè).利用SURF[15-16]提取印跡特征點(diǎn)，像素點(diǎn)極值的檢測(cè)是通過(guò)計(jì)算Hessian矩陣的行列式進(jìn)行判定，判定將每個(gè)像素點(diǎn)與周圍的點(diǎn)進(jìn)行比較，Hessian矩陣的判別式為：

(9)

在Hessian矩陣構(gòu)造前,使用二階標(biāo)準(zhǔn)高斯函數(shù)作為濾波器進(jìn)行高斯濾波,可以讓得到的特征點(diǎn)具備尺度無(wú)關(guān)性，經(jīng)過(guò)高斯濾波的Hessian矩陣式如公式：

L(x,t)=G(t)·I(x,t).

(10)

通過(guò)卷積計(jì)算二階偏導(dǎo)數(shù),得出H矩陣的三個(gè)矩陣元素Lxx，Lxy，Lyy,從而計(jì)算出H矩陣，在點(diǎn)x處，尺度為σ的Hessian矩陣H(x,σ)定義如下[17]：

(11)

為進(jìn)一步優(yōu)化，使用盒狀模糊濾波求高斯模糊近似值.其中每個(gè)像素的Hessian矩陣行列式的近似值如公式：

det(H)=Dxx×Dyy-(0.9×Dxy)2.

(12)

式中Dxx、Dxy和Dyy表示模板與圖像進(jìn)行卷積的結(jié)果，0.9(這是一個(gè)經(jīng)驗(yàn)值)為濾波器響應(yīng)的相關(guān)權(quán)重，目的是為了平衡因使用盒式濾波器近似所帶來(lái)的誤差.

Step03:以Harris提取的角點(diǎn)為中心建立4*4的搜索范圍對(duì)SURF算法特征點(diǎn)進(jìn)行篩選.

Step04:確定特征點(diǎn)主方向.由于印跡的配準(zhǔn)需要有旋轉(zhuǎn)性，為實(shí)現(xiàn)旋轉(zhuǎn)不變性，計(jì)算扇形窗口內(nèi)的圖像的水平方向的Harr小波響應(yīng)值dx和垂直方向的響應(yīng)值dy,然后進(jìn)行累加得到一個(gè)矢量(mw,θw)：

(13)

(14)

最大Harr響應(yīng)值累加所對(duì)應(yīng)的方向即為主方向，也就是最長(zhǎng)矢量所對(duì)應(yīng)的方向[18]，其公式如式(15)：

θ=θw|max{mw}.

(15)

Step05:構(gòu)建描述子向量.以特征點(diǎn)為中心取一個(gè)正方形的特征描述范圍，正方形的寬度為框的邊長(zhǎng)為20s(s特征點(diǎn)所在的尺度).每個(gè)正方形描述都是有個(gè)主方向，這個(gè)主方向和step04得到的一致.將正方形區(qū)域劃分為4×4個(gè)子塊和垂直方向的Haar[19]小波特性，然后對(duì)響應(yīng)值進(jìn)行統(tǒng)計(jì)∑dx、∑|dx|、∑dy、∑|dy|形成特征矢量[20].

Step06:特征點(diǎn)匹配.

Step07:利用RANSAC方法剔除錯(cuò)誤匹配點(diǎn),然后進(jìn)行仿射變換.仿射變換是將已知的兩幅圖中對(duì)應(yīng)的點(diǎn)(x,y) ,(x′,y′) 通過(guò)旋轉(zhuǎn)、變尺度、斜率的變換調(diào)整到同一位置.仿射變換關(guān)系如式：

(16)

仿射變化包含典型的圖像幾何變化，而圖像的幾何變換可能改變坐標(biāo)系，而雅可比行列式J提供變換信息[21]，如果圖像的面積在幾何變化作用下仍然具有不變性，則J=1，否則J=0.

(17)

仿射變化后得到的圖像,采用多種相似度算法和分割鑒別算法進(jìn)行融合鑒別.

2.3 鑒別方法

首先鑒別方法的優(yōu)化主要是將傳統(tǒng)的算法對(duì)比和印跡邊框分割對(duì)比結(jié)合起來(lái)，即在傳統(tǒng)算法中增加防偽線進(jìn)行驗(yàn)證，以提高鑒別正確率.因?yàn)閭鹘y(tǒng)方式主要是鑒別灰度和通道的相似度，即通過(guò)均值哈希算法、差值哈希算法、感知哈希算法、三直方圖算法、單通道的直方圖算法分別計(jì)算相似度，通過(guò)每個(gè)算法設(shè)定閥值進(jìn)行判斷，一旦有低于閥值就判斷為可疑印跡.而現(xiàn)在的仿制計(jì)算很發(fā)達(dá)，印跡的相似度很高，增加防偽線作為驗(yàn)證可以很大程度提升鑒別的準(zhǔn)確率.本文主要是對(duì)防偽線分割的邊框進(jìn)行數(shù)量和局部對(duì)比，內(nèi)部文字采用傳統(tǒng)方法，以提高正確率.

3 實(shí)驗(yàn)結(jié)果分析

本文采用的實(shí)驗(yàn)數(shù)據(jù)為成都持有特種行業(yè)許可證的正規(guī)印章制作公司提供的測(cè)試用章8枚，其中一枚為真實(shí)印章，其余7枚為高仿印章，高仿印章主要是在印章的防偽線、印章的大小等地方做了部分的調(diào)整.每一枚印章分別模仿了不同的紙張、不同的力度等方式印了1000個(gè)印跡，實(shí)驗(yàn)總共擁有8000個(gè)印跡用于測(cè)試.待測(cè)印跡的采集使用的是CanoScan LIDE300掃描儀進(jìn)行掃描得到的，印跡圖片的分辨率為600dpi，保留的真實(shí)的印模是使用金雕軟件雕刻制作的，雕刻模形分辨率為96dpi.實(shí)驗(yàn)的仿真軟件為Python3.7、OpenCV 3.4.2、Windows 10專業(yè)版 (64位操作系統(tǒng)，基于x64的處理器)，硬件設(shè)備為處理器Intel(R) Core(TM) i5-4210M CPU @ 2.60GHz 、內(nèi)存(RAM)8.00G，開發(fā)工具PyCharm Community 2019.1.

3.1 驗(yàn)證優(yōu)化去燥算法的高效性

本實(shí)驗(yàn)主要驗(yàn)證本文提出的去噪算法對(duì)Harris算法提取角點(diǎn)的效率是否有提升.實(shí)驗(yàn)內(nèi)容為比較經(jīng)過(guò)圖像去噪算法后提取Harris 角點(diǎn)的效率和傳統(tǒng)腐蝕方法去噪提取Harris角點(diǎn)的效率.為了驗(yàn)證這點(diǎn)，實(shí)驗(yàn)對(duì)比了三種方式提取印跡的效率和時(shí)間，分別為直接提取的印跡、經(jīng)過(guò)先膨脹后腐蝕的印跡、本文提出分割修復(fù)后的印跡進(jìn)行實(shí)驗(yàn)分組.

如圖4所示， source image為HSI模型提取的印跡，OTSU為該實(shí)驗(yàn)直接提取印章印跡，Closing為圖像形態(tài)學(xué)閉運(yùn)算即先膨脹后腐蝕印章印跡，Segmentation為優(yōu)化的分割去燥算法得到的印章印跡.

圖4 去噪算法對(duì)比圖

圖5 直接提取的印跡提取Harris角點(diǎn)

圖6 先膨脹后腐蝕后的印跡提取Harris角點(diǎn)

圖7 本文優(yōu)化后的印跡提取Harris角點(diǎn)

通過(guò)對(duì)比形態(tài)學(xué)閉運(yùn)算與優(yōu)化的分割去燥算法可得出，經(jīng)過(guò)本文優(yōu)化的分割去噪算法得到的圖像輪廓飽滿無(wú)鏤空噪點(diǎn).然后，分別將這三種印跡進(jìn)行Harris角點(diǎn)提取，三種方式進(jìn)行Harris角點(diǎn)提取后的對(duì)比實(shí)驗(yàn)結(jié)果如圖5、圖6、圖7所示.實(shí)驗(yàn)數(shù)據(jù)對(duì)比結(jié)果如表1所示.

表1 Harris角點(diǎn)提取

通過(guò)分析實(shí)驗(yàn)數(shù)據(jù)，可以看出經(jīng)過(guò)本文去噪算法處理后的印跡，再通過(guò)Harris算法提取角點(diǎn)時(shí)速度和質(zhì)量都有所提高.通過(guò)圖5、圖6、圖7可以看出本文去噪算法處理后的印跡的角點(diǎn)的有效性較高，主要是減少了很多外圍邊框的噪聲角點(diǎn)，保留了防偽線分割特征角點(diǎn)，這樣為后面SURF算法提取特征點(diǎn)提供了較好的搜索范圍.因此實(shí)驗(yàn)證明本文改進(jìn)去噪算法是有效可行的.

3.2 驗(yàn)證HSURF的印跡配準(zhǔn)算法有效性

本實(shí)驗(yàn)主要驗(yàn)證HSURF算法的有效性，即驗(yàn)證本文Harris-SURF算法混合使用的性能；本實(shí)驗(yàn)驗(yàn)證分別仿真使用SIFT算法進(jìn)行配準(zhǔn)、SURF算法配準(zhǔn)、本文算法進(jìn)行配準(zhǔn).圖8-10分別為SIFT算法、SURF算法和本文配準(zhǔn)算法的仿真實(shí)驗(yàn)特征點(diǎn)配準(zhǔn)連線的圖，圖中的連線為配準(zhǔn)后的兩點(diǎn)的連線.通過(guò)對(duì)比可以看出SIFT算法得到了匹配點(diǎn)的數(shù)量很少，將會(huì)影響配準(zhǔn)的準(zhǔn)確率；SURF算法得到的匹配點(diǎn)非常多，很多水平的線段都是錯(cuò)誤匹配，將會(huì)加大配準(zhǔn)時(shí)間消耗；本文算法得到的匹配點(diǎn)基于兩者之間而且匹配點(diǎn)的準(zhǔn)確率較高.通過(guò)100組仿真實(shí)驗(yàn),得到如表2所示的實(shí)驗(yàn)數(shù)據(jù)以及圖11的性能對(duì)比圖.

圖8 SIFT算法經(jīng)RANSAC過(guò)濾后特征點(diǎn)配準(zhǔn)

圖9 SURF算法經(jīng)RANSAC過(guò)濾后特征點(diǎn)配準(zhǔn)

圖10 本文算法經(jīng)RANSAC過(guò)濾后特征點(diǎn)配準(zhǔn)

表2 特征匹配算法比較

圖11為三種算法在不同算法配準(zhǔn)的正確匹配率的對(duì)比圖.當(dāng)旋轉(zhuǎn)角度變化時(shí)，三種算法的正確匹配率也會(huì)隨之改變.由圖11可以看出，當(dāng)角度不斷增加時(shí)，三種算法的正確匹配率都在下降.但是從中可以看出SIFT算法的下降速度最快，本文算法是最穩(wěn)定下降且最平緩.SIFT下降快主要是其對(duì)圓形光滑圖形提取的特征少，仿射變化角度大則正確匹配率就低了.本文提出的算法結(jié)合了Harris算法的高穩(wěn)定性和SURF算法的旋轉(zhuǎn)不變性，使得算法具有了高可用性.

圖11 三種算法正確匹配率對(duì)比

3.3 驗(yàn)證改進(jìn)鑒別方法的準(zhǔn)確率

實(shí)驗(yàn)內(nèi)容為比較采用相識(shí)度對(duì)比驗(yàn)證和采用本文在其相識(shí)度對(duì)比算法中增加防偽線驗(yàn)證的效率.本文的鑒別算法與傳統(tǒng)相似度對(duì)比方法進(jìn)行40次鑒別.其中圖12為高仿待測(cè)印跡與留檔真實(shí)印模.表3是由這2類印章仿真實(shí)驗(yàn)后的時(shí)間和準(zhǔn)確率，對(duì)這2類印章分別采用傳統(tǒng)的即采用相識(shí)度方法進(jìn)行鑒別，和采用本文在傳統(tǒng)方法中增加防偽線進(jìn)行鑒別.

圖12 高仿待測(cè)印跡與留檔真實(shí)印模

如圖12左邊為高仿待檢測(cè)印跡，右邊為留檔真實(shí)印模.

表3 不同等級(jí)的仿制印章鑒別方法比較

通過(guò)表3可以看出,傳統(tǒng)方法在時(shí)間消耗上比本文方法略有優(yōu)勢(shì)，但是針對(duì)高仿印章的鑒別準(zhǔn)確率卻很低.而使用本文提出的算法即增加防偽線的方法，其鑒別準(zhǔn)確率對(duì)于高仿有較大的提高.

表4為高仿待測(cè)印章采用傳統(tǒng)鑒別方法(均值哈希算法、差值哈希算法、感知哈希算法、三直方圖算法、單通道的直方圖算法)和采用本文增加防偽線進(jìn)行鑒別時(shí),檢測(cè)值和閾值的情況以及最終對(duì)印章的判定結(jié)果.

表4 印跡鑒別算法比較

表4中閾值分為兩種,一種是百分比，另外一種是數(shù)值個(gè)數(shù).百分比的閾值是對(duì)每種算法進(jìn)行了多次測(cè)試,經(jīng)過(guò)分析得到每種算法的鑒別閾值.數(shù)值個(gè)數(shù)有兩種，一種是輪廓防偽線數(shù)量為圓形印章圓形輪廓上防偽線的數(shù)量.輪廓防偽線分段數(shù)量即為圓形印章的圓形輪廓上由防偽線分割出的輪廓分段數(shù)量，都是通過(guò)人工預(yù)設(shè)每個(gè)印章的真實(shí)分段數(shù)量，這數(shù)量是一個(gè)準(zhǔn)確值.通過(guò)數(shù)據(jù)我們可以看出,采用傳統(tǒng)相似度方法進(jìn)行鑒別時(shí)相似度都很高，即判斷該高仿印章為真實(shí)印章，我們通過(guò)肉眼進(jìn)行觀察時(shí)也很難分別是否為真實(shí)印章.但是增加防偽線后,即增加輪廓防偽線數(shù)量和輪廓防偽線分段數(shù)量后，就可以很清楚的可以看出印章的不同，因此判定該印章不是真實(shí)印章.因此在針對(duì)高仿印章進(jìn)行鑒別時(shí),防偽線的使用是非常有效.

4 結(jié)束語(yǔ)

本文針對(duì)高仿圓形印章配準(zhǔn)與鑒別難的情況，從印章的防偽線入手提出了一種基于Canny和HSURF 算法的配準(zhǔn)與鑒別方法，同時(shí)對(duì)圖像去噪算法和HSURF算法進(jìn)行優(yōu)化改進(jìn)，最后利用防偽線分割外圍輪廓的特點(diǎn)，對(duì)外圍輪廓進(jìn)行分段比較以提升鑒別的準(zhǔn)確性.實(shí)驗(yàn)表明，利用優(yōu)化后的去噪算法處理的印跡，再通過(guò)Harris算法提取角點(diǎn)時(shí)速度和質(zhì)量都有所提高；利用HSURF算法在進(jìn)行特征點(diǎn)配準(zhǔn)連線時(shí)更加合理.在鑒別時(shí)通過(guò)防偽線分割的圓弧數(shù)量和每段的差值對(duì)比方法,可以有效地提高鑒別準(zhǔn)確率.因此，對(duì)高仿印章進(jìn)行鑒別時(shí)，本文的算法相比于傳統(tǒng)的配準(zhǔn)與鑒別算法，在準(zhǔn)確率、效率、可用性、性能等方面都有很大的提升.本文研究的方法已經(jīng)應(yīng)用于四川電子印章平臺(tái)實(shí)物印章一體化平臺(tái)，并且使用效果良好.后續(xù)將采用人工智能方式提高去燥分割算法的準(zhǔn)確率和優(yōu)化鑒別算法的閾值.