一种基于DWT-DCT变换的智能纹理防伪方法

摘要

本发明公开了一种基于DWT-DCT变换的智能纹理防伪方法，属于纹理防伪技术领域。本发明的步骤是先建立特征数据库，包括：(1)通过对纹理图像进行小波变换，再对逼近子图进行全图DCT变换，提取一个特征向量V(n)；(2)将求出的特征向量存放在纹理特征数据库中；然后再进行图像自动鉴别，包括：(3)手机扫描待测纹理标签图像，运用步骤1的方法求出待测图像的特征向量V’，并将上传到服务器；(4)求出数据库中的所有纹理图像的特征向量V(n)和待测图像的特征向量V’之间的归一化相关系数NC(n)值；(5)将NC(n)最大值返回到用户手机上。实验证明本发明具有自动鉴别纹理图像的能力，实现了智能纹理防伪技术。

主权项

一种基于DWT‑DCT变换的智能纹理防伪方法，其特征在于：基于小波、余弦变换的抗几何攻击的特征向量的提取，并将数据库技术、图像小波变换、全局DCT变换、纹理图像的视觉特征向量和数理统计中的归一化相关系数的概念有机结合起来，实现了自动鉴别纹理图像的方法，该方法共分两个部分，共计五个步骤：第一部分是建立纹理特征数据库；1)通过对每个原始纹理图像进行小波变换，然后对小波变换的“近似系数”再进行全局DCT变换，在DCT的低中频系数中，得到原始纹理图像的一个抗几何攻击和抗局部非线性几何攻击的视觉特征向量V(n)；先依次对每个原始纹理图片进行小波分解：对第n个原始纹理图像F(i，j)进行L级小波分解获得逼近子图系数FAL(i，j)，然后对逼近子图FAL(i，j)进行全局DCT变换，得到DWT‑DCT系数矩阵FD(i，j)，再对DWT‑DCT系数矩阵进行Zig‑Zag扫描，得到频率由低到高的DWT‑DCT系数序列Y(j)，取前L个值，并通过符号运算得到该纹理图像的视觉特征向量V(n)，主要过程描述如下：FAL(i，j)＝DWT2(F(i，j))FD(i，j)＝DCT2(FAL(i，j))Y(j)＝Zig‑Zag(FD(i，j))V(n)＝Sign(Y(j))2)将求出的这N个特征向量存放在纹理特征数据库中；第二部分：图像自动鉴别3)手机扫描待测纹理图片，并求出纹理图像的视觉特征向量V’；设待测纹理图像为F’(i，j)，经过小波变换(DWT)，再对近似系数进行全局DCT变换后得到DWT‑DCT系数矩阵为FD’(i，j)，按上述步骤1的方法，求得待测图像的视觉特征向量V’；FAL’(i，j)＝DWT2(F’(i，j))FD’(i，j)＝DCT2(FAL’(i，j))Y’(j)＝Zig‑Zag(FD’(i，j))V’＝Sign(Y’(j))4)求出所有N个原始纹理图像的视觉特征向量和待测纹理图像的视觉特征向量V’之间的归一化相关系数NC(n)； NC ( n ) = V ( n ) V ′ V 2 ( n ) 5)返回NC(n)最大值到用户手机；利用归一化相关系数NC的最大值，来确定纹理图像与数据库的原始纹理图像的相似度。