技术领域
[0001] 本
发明涉及计算机
图像处理技术和
模式识别领域，具体地说是一种有价票据圆形印鉴识别方法。
背景技术
[0002] 印鉴识别技术是通过数字图像处理技术和模式识别原理，对
电子化印鉴图像通过一定的处理，验证其真伪的技术。
[0003] 随着现代科技发展，通过伪造印鉴获得非法利益的案例时有发生，给单位和国家造成巨大的经济损失。因此，通过计算机技术实现自动识别印鉴真假，具有极大的现实意义和经济价值。
[0004] 目前，印鉴识别的研究存在以下几个难点。首先，高技术制章技术使得伪造印鉴与真印鉴几乎不存在几何上的差异，识别难度极大；其次，因受到票据背景花纹的噪声影响，系统提取印鉴的难度进一步加大；再次，印鉴加盖过程中，因
力度不均等原因造成印鉴粗细和饱满度不同，形成了与模板印鉴之间的差异，进而影响印鉴真伪的识别率；最后一点，就是印鉴识别方法准确率不高。一个印鉴识别系统必须具备良好的实时性、适应性和可靠性。虽然现有的各种
算法在理论上可以获得比较好的预期效果，但因真实的识别情况复杂、干扰因素较多，难以满足实际识别要求。
发明内容
[0005] 本发明的目的是为了克服上述
现有技术的不足之处，提供一种有价票据圆形印鉴识别方法，该方法能够准确识别印鉴真伪，具备良好的实时性、适应性和可靠性。
[0006] 本发明的目的是通过以下技术措施来实现的。
[0007] 一种有价票据圆形印鉴识别方法，其特征在于该方法包括以下步骤：
[0008] （1）利用
扫描仪获取票据的电子扫描图像，并从印鉴模板库中调取相应的印鉴模板图像；
[0009] （2）通过自适应
阈值的HSI
颜色模式提取法提取票据的电子扫描图像中所有红色部分，作为待选印鉴图像；对待选印鉴图像做灰度处理，通过灰度值筛选法，去除残留的黑色笔迹部分和浅色背景部分，提高提取
精度；通过先膨胀再
腐蚀的方法对灰度值筛选后的图像做修复处理，填充因提取造成的印鉴空隙部分，起到修复作用；
[0010] （3）对经步骤（2）修复后的图像采用自适应阈值的二值化算法做二值化处理；利用外轮廓提取法提取票据红色连通域的外轮廓，并根据先验知识和轮廓几何特征确定印鉴
位置，并提取出印鉴图像；利用连通域检测算法，检测并去除掉提取到的印鉴图像中的孤立点；
[0011] （4）依次从经步骤（3）处理后提取到的印鉴图像的左边各点向图像竖直中心线方向逐
像素检测，当遇到第一个黑色像素点时记录下该点；对提取到的印鉴图像右边各点做同样操作；通过上述过程取得的点作为提取到的印鉴图像边界点；从边界点上任取3点，通过三点定圆法确定圆心、半径，重复上述过程k次，k为边界点数目除以3得到，筛选掉其中明显有偏差的圆心和半径，取剩余圆心和半径中出现
频率最高的作为最终的圆心和半径；利用圆心到印章横字距离最近的特点确定印章中心线；
[0012] （5）利用圆心和半径完成提取到的印鉴图像与模板印鉴图像的
水平配准和大小归一化，利用圆心坐标、中心线完成旋转配准；
[0013] （6）以经步骤（5）配准后的印鉴图像与模板印鉴图像的差值图像作为输入，将差值图像网格化，划分为4×4大小的部分，统计各部分黑色像素点数目n和网格数目m，计算平均黑色像素点数目r1，即r1=n/m，以及黑色像素点数目大于4的网格数目所占的比例r2；
[0014] （7）利用图像细化算法求差值图像的内点数目，求内点占所有黑色像素点的比例r3；
[0015] （8）当r1<0.6、r2<0.05、r3<0.05时，认为待识别印鉴为真，否则印鉴为假。
[0016] 在上述技术方案中，步骤（2）中所述的灰度值筛选法是将灰度值小于50及灰度值大于220的点从被选区域中排除。
[0017] 在上述技术方案中，步骤（3）中所述的二值化处理通过OpenCV的二值化函数cvThreshold()实现。
[0018] 在上述技术方案中，步骤（3）中所述的外轮廓提取法通过OpenCV的轮廓提取函数cvFindContours()实现。
[0019] 在上述技术方案中，步骤（3）中所述的先验知识是指印鉴尺寸与票据扫描图像尺寸的比例。
[0020] 在上述技术方案中，步骤（5）中所述的配准过程为分别求取模板印鉴图像和提取到的印鉴图像中心线与竖直方向的夹
角a1、a2，旋转模板印鉴图像a1度，旋转提取到的印鉴图像a2-PI/180×3度，求旋转之后两图像的差值图像，并统计差值图像黑色像素点数目；再次旋转提取到的印鉴图像PI/180/2度，统计差值图像黑色像素点数目；重复以上操作12次，获得差值图像黑色像素点数目最少时的旋转角度，以此角度完成旋转配准；对旋转配准后图像做二次平移配准；其中，PI为圆周率参数π。
[0021] 在上述技术方案中，步骤（7）中所述的内点是指自身为黑色像素点，且8邻域都为黑色像素点的像素点。
[0022] 本发明提供的一种票据印鉴识别方法，具有以下优点：
[0023] 一、采用自适应阈值的HIS颜色模式提取法。因票据与图章的不同，不同票据扫描图像的
亮度和
饱和度各不相同，若采用固定阈值，则对某些票据与印鉴无法达到良好的提取效果，本方法根据票据图像各像素的平均亮度与饱和度确定阈值，实现自适应提取的目的。
[0024] 二、采用三点定圆和圆心到水平文字最近的原理配准。本发明提取印鉴图像的最外轮廓，随机选择轮廓上三个点，利用三点定圆原理确定一个圆心。如上取若干组点，确定一组圆心。对圆心进行筛选，将位置偏差过大的圆心去除。剩余圆心中出现频率最高的圆心点作为圆心。此方法获得的圆心位置准确，运行速度快。本方法根据圆心到水平文字的垂直距离为到各文字距离最短的原理确定中心线，方法简单，提取速度快。
[0025] 三、采用小范围循环检测的旋转配准方法及多次平移配准提高配准精度。针对一次配准往往误差较大的情况，本发明采用先平移配准、再旋转配准、再二次配准的配准流程。在旋转配准中，本发明同
时针对印鉴模板和待识别图像进行旋转，有效避免了因旋转造成的图像失真带来的后期比对误差。同时在-3度到+3度的误差之间旋转印鉴图像并比对差值图像以确定最准确的旋转角，减小中心线确定不准确带来的旋转误差。在二次配准中，在-5像素到+5像素之间分别沿水平方向和竖直方向移动待识别印鉴各像素点，将移动后的图像与模板图像求差值，并统计差值图像中黑色像素点的个数，选择黑色像素点最少的情况作为最终的平移结果。实验证明，采用上述方法有效的减少了配准中的误差，配准效果良好。
[0026] 四、采用将差值图像内点比例作为识别的依据之一。因受力大小及均匀状况的关系，即便是真印鉴，其图像线条的粗细可能与印鉴模板存在差别，但这种粗细差别是均匀的，而假印章的几何形状往往在某些地方与真印章存在偏差。因此，真印鉴与模板的差值图像表现为点状区域及线状区域较多，而假印鉴与模板的差值图像表现为
块状区域较多。根据这一特性可以很好的
鉴别印鉴的真假。本发明通过求出差值图像的内点即自身为黑色像素点，且8邻域各点为黑色像素点，占所有黑色像素点的比例，识别印鉴真伪，该比例越大说明块状区域越多。
附图说明
[0027] 图1 是本发明一种有价票据圆形印鉴识别方法原理图。
[0028] 图2 是本发明
实施例中印鉴提取阶段的
流程图。
[0029] 图3是本发明实施例中印鉴配准阶段的流程图。
[0030] 图4是本发明实施例中印鉴识别阶段的流程图。
[0031] 图5是本发明实施例中印鉴中心线确定方法示意图。
具体实施方式
[0032] 本实施例是在Visual Studio 9.0上以MFC架构实现，并借助OpenCV函数库完成
软件代码的编写。本实施例的原理如图1所示，是将提取的电子票据上的印鉴与模板印鉴库中的模板印鉴进行配准后再进行对比识别，确定真伪。其过程分为三个阶段：印鉴提取、印鉴配准和印鉴识别。
[0033] 在上述实施例中，印鉴提取阶段的具体流程如图2所示：
[0034] （1.1）利用扫描仪获取票据的电子扫描图像，并从印鉴模板
数据库中调取相应印鉴的模板图像；
[0035] （1.2）将扫描图像由RGB模式转化为HSI模式。计算图像H（
色调）、S（饱和度）分量平均值，以此确定提取红色部分的阈值。根据阈值，一般图像的阈值H为0.94，S为0.18左右，通过自适应阈值的HSI颜色模式提取法提取票据所有红色部分，作为待选印鉴区域；
[0036] （1.3）经过上步处理，图像中可能残余黑色字迹部分和浅色的背景花纹。对图像做灰度处理，筛选掉灰度值介于50到220之间的点，此方法可有效去除HIS颜色提取结果图中的黑色字迹和浅色底纹；
[0037] （1.4）放大图像至原图像2倍，采用3×3的十字形核，通过先膨胀再腐蚀的方法（闭运算）对图像做修复处理，填充因颜色提取造成的印鉴空隙部分，和不平滑边缘部分，修复图像；
[0038] （1.5）对票据图像采用自适应阈值的二值化算法做二值化处理，通过OpenCV的二值化函数cvThreshold()实现；
[0039] （1.6）利用OpenCV的外轮廓提取函数cvFindContours()提取票据图像连通域的轮廓，并根据先验知识即印鉴尺寸和票据扫描图像尺寸的比例和轮廓几何特征确定印鉴位置，并提取印鉴。
[0040] 在上述实施例中，印鉴配准阶段的具体流程如图3所示：
[0041] （2.1）对提取到的印鉴图像做预处理，通过8邻域域检测法找到图像中孤立的黑色像素点，并将其去除；
[0042] （2.2）依次从提取到的印鉴图像的左边各点向图像竖直中心线方向逐像素检测，当遇到第一个黑色像素点时记录下该点；对图像右边各点做同样操作；通过上述过程取得的点作为印鉴图像边界点，即印鉴外轮廓；
[0043] （2.3）从上步取得的印鉴边界点中随机取3点，根据3点定圆的原理求得圆心及半径。循环上述过程k次，k为边界点个数除以3，得到一组圆心和半径，筛选掉其中位置明显不正确的圆心以及长度明显不正确的半径，求筛选后得到的半径及圆心中出现频率最高的作为圆心和半径。采用同样方法提取到的印鉴模板图像的圆心和半径；
[0044] （2.4）对印鉴图像做外轮廓提取操作，得到印鉴中文字的外轮廓，如图5所示，因印鉴中心到水平文字的垂直距离小于中心到其他文字的距离，故求与印鉴中心距离最短的轮廓，并以该轮廓与印鉴中心的连线作为印鉴的中心线。采用同样方法提取到的印鉴模板图像的中心线；
[0045] （2.5）利用圆心坐标和印鉴半径，对印鉴图像做平移配准和大小归一化；
[0046] （2.6）分别求取模板印鉴图像和提取到的印鉴图像中心线与竖直方向的夹角a1、a2。旋转模板图像a1度，旋转印鉴图像a2-PI/180×3度，求旋转之后两图像的差值图像，并统计差值图像黑色像素点数目；再次旋转印鉴图像PI/180/2度，统计差值图像黑色像素点数目；重复上述过程12次，获得差值图像黑色像素点数目最少时的旋转角度，以此角度完成旋转配准。采用同时对两图像旋转可有效减少因旋转使图像失真带来的比对误差；通过对正负3度范围内的旋转和差值比对，可减小中心线确定不准确带来的旋转误差，寻找到最准确的旋转角度；其中PI为圆周率参数π。
[0047] （2.7）二次平移配准。分别对印鉴图像各像素点做竖直方向-5像素到+5像素平移、水平方向-5像素到+5像素平移，每次在一个方向上平移1个像素，求平移后图像与模板图像的差值图像，并记录差值图像黑色像素点数目；循环上述操作100次，以黑色像素点最少时的平移结果作为二次平移配准结果。
[0048] 在上述实施例中，印鉴识别阶段的具体流程如图4所示：
[0049] （3.1）将印鉴配准过程中获得的最终差值图像，作为印鉴识别过程的输入；
[0050] （3.2）将差值图像网格化，划分为若干大小为4像素×4像素的小部分，统计各部分中黑色像素个数。设图像被划分为m部分，黑色像素总数为n，以r1作为识别印鉴的第一个特征标准，其中r1=n/m；
[0051] （3.3）统计黑色像素数目大于4的小部分的数目p，以r2作为识别印鉴的第二个特征标准，其中r2=p/m；
[0052] （3.4）因加盖力度的原因，真印鉴的差值图像中点状区域和线状较多。而假印鉴因几何形状与真印章有偏差，所以的差值图像中块状区域较多。寻找内点即自身是黑色像素点，且8邻域各点也为黑色像素点，统计差值图像中内点的数目q，以r3作为识别印鉴的第三个特征标准，其中r3=q/n；
[0053] （3.5）当r1<0.6、r2<0.05、r3<0.05时，认为待识别印鉴为真，否则印鉴为假。
