印鉴提取与识别技术研究.doc

印鉴提取与识别技术研究摘要：本文提出了国内支票印鉴提取、识别的方法。它包括对印鉴图像的提取、配准、特征提取、识别等；对印鉴的提取依据支票信息布局进行区域分割，采用颜色空间的提取方法，避免了复杂背景下的噪声干扰；提出了基于投影剪切的印鉴分割方法和基于印鉴骨架特征进行模式匹配的方法，避免了人为的干扰；大量实验数据说明在误识率和正确率之间具有良好鲁棒性和平衡性。关键词：颜色空间、图像配准、模式识别A Seal Imprint Verification System for Chinese Bank CheckAbstract: In this paper a novel system of seal imprint extraction and verification is proposed. Automatic seal identification involves image preprocessing, extraction, registration, character extraction and identification. Seal imprint extraction is based on the layout of Chinese bank check and their color characteristics in HSV color space, this method avoids disturbance under complicate backgrounds; With the projection profile, seal is extracted from bank check; Pattern matching with the seal imprint framework characteristics is put forward, that avoids the man-made influences; At last great deal of experiment data shows the system have better robustness and equilibrium between error and right verification rate.Keywords: color space, image registration, pattern recognition引言印鉴作为个人、企事业、政府部门等的一种具有法律意义标志和证据，在中国、韩国等亚洲国家有着广泛的应用。在我国银行系统中，印鉴的识别方法多采用手工操作，将需要识别的印鉴与客户预留印鉴进行手工折角对比。传统的手工验印工作效率低、缺乏严密的科学性。自Ueda和Nakamura于1984年提出基于局部和全局特征法进行印鉴自动识别以来，许多的识别方法被提出1。文献2中提出了笔画骨架验证方形印鉴的方法，以笔画骨架计算几何中心，进行配准，再以距离权重关系进行相似度测量，并得到了很好的验证结果，但是只能应用在方形印鉴，相似度对噪声比较敏感；Lee和Kim引入了笔画特征图，把关系图和几何位置结合起来进行解决，该方法对印鉴的形状及拓扑结构的完整性等没有限制，但是控制点之间的对应关系建立需要的时间开销太大3；Chen提出了一种将印鉴图像从（x,y）域变换到（r,）域，基于图像中心进行配准，识别的方法取决于中心位置的精度且复杂度高4。印鉴识别主要难点在于，由于支票在不同场合应用中背景变得异常复杂，有效的提取印鉴本身对其识别很关键；另外由于人为的因素，同一枚印章所盖出的印鉴也存在填充度、均匀度、笔画宽度等的不同；伪造印章由于更多地利用了现在照相、制版等先进技术，所形成的印鉴图像与真实的难以分辨。传统的印鉴识别在算法上已经没有太多的可以改进，由于人为的因素的原因，如何在识别率和正确率之间作一个平衡，才是研究结果走向实际应用的关键。印鉴识别一般包括印鉴的采集、预处理、配准和识别等过程，印鉴的正确提取和配准是基础，配准的准确性直接影响了印鉴的识别正确性。本文提出了基于投影倾斜校正，优化旋转配准，再对待验笔画骨架进行最终模板匹配误差识别。本文以圆形、方形印鉴图像作为实验对象，详细介绍了印鉴识别各个过程的方法。1 印鉴提取通过扫描仪或者其它录入设备获取支票图像信息。国内支票在布局上具有统一性，这为印鉴的提取提供了必要的支持，印章作为一个单位或个人的标志，都是要使用特殊颜色的进行盖印，一般为红色或者紫色，基于此，从颜色空间的角度我们可以很好的提取复杂背景特征下的印鉴。本文我们提出了基于HSV颜色空间分布特征提取印鉴的方法（如图1）。首先通过扫描仪录入RGB色彩的支票原图，然后剪切特定区域（印鉴所在区域如图1(a)）；再将RGB色彩空间转换成HSV色彩空间；图像每点颜色元素包括色相H、饱和度S、亮度V，在本文中假定印鉴色彩为红色，通过对大量的支票图像统计分析，要获得比较理想的红色印鉴，HSV颜色分量必须满足H0.5，V0.5，满足这个条件的点置0（即黑色像素），其它点置255（即白色像素）。在获取初始灰度级256图像之后由于支票本身存在许多污点，还需进一步去噪，对于本文中300300像素，采用33均值滤波，得图1(b)。假设f(x,y)和g(x,y)分别表示原始图像和处理之后的图像，则滤波公式为：g(i,j)=(1/N)f(n,m)，(i,jf(x,y)，(n,m)S)；S为包括像素点(i,j)在内的邻域坐标集合，N为S内的总像素点数（33的邻域窗口）。获得300300像素初始印鉴图像图像去噪等后处理基于HSV色彩特征提取印鉴RGB至HSV色彩空间转换根据支票布局提取特定位置印鉴区域输入支票图像（RGB色彩）图1 印鉴提取流程a 剪切区域b 提取印鉴图2印鉴提取示例2 图像配准图像的配准、检测、导航等都需要进行图像的匹配运算，一般随着图像尺寸的大小变化运算所需的开销也就越大7。在本文中处理的支票限定为圆形和方形，比较经济有效的方法是进行倾斜校正（方形印鉴）、优化旋转配准（圆形印鉴）。下面对这两种形状印鉴介绍其投影检测和旋转配准的方法。2.1方形印鉴倾斜校正方形印鉴和其它印鉴不同之处在于，其边缘比较平直，通过采用投影剪切寻找最小面积的方式，可以获得倾斜角度，最后统一尺寸完成和预留印鉴的配准。方形预留印鉴尺寸为20399像素。校正步骤如下：获取256灰度级待测印鉴，进行二值化得A1；计算出水平投影序列H、垂直投影序列V；按照如下条件进行边缘剪切：从左边界开始Hi大于等于16为左边界Ha ，小于等于16为右边界Hb；从上边界开始Vi大于等于10为上边界Va ，小于等于10为下边界Vb；计算剪切获得的印鉴图像面积S0；旋转图像1，按如上方法剪切计算相应的面积S1，若S0 S1,则开始步骤；若S0 = S2,则将S1赋值为S2，继续本步骤；若S1 = S2,则将S1赋值为S2，继续本步骤；若S1 S1则开始步骤；若S0 =3），计算获得的印鉴图像和预留印鉴的差值Si,若Si-1 = Si,则将Si-1赋值为Si，继续本步骤；若Si-1 =3），计算获得的印鉴图像和预留印鉴的差值Si,继续本步骤；若Si-1 Si则完成圆形印鉴旋转校正，得到旋转角度转步骤；本文预留圆形印鉴尺寸大小为169169像素，获得旋转角度后，对Bi进行旋转得图像Bi+1，并获得其中心坐标，以中心坐标进行图像的尺寸统一化，若有超出169169范围的剪除；最后获得配准图像Y；3 印鉴图像识别在获得了和预留印鉴最佳配准图像之后，则可以通过计算它们之间的相似度来判断印鉴的真伪，本文分析匹配差图像整体误差和分布情况来进行相似度的计算。假印鉴在图像上表现在字体大小间距不规则、笔画粗细不均匀、误笔、笔画弧线不圆、字体布局不协调、边缘不整齐等。印鉴图像中笔画边缘集中体现了笔画的拓扑结构、笔画的粗细以及笔锋等，因此可以利用边缘信息进行鉴别。一般情况下，印鉴的浓淡不同，造成笔画粗细的变化约在3个像素内（图像分辨率300dpi）。若直接对提取的边缘进行匹配，计算相似度。则印鉴的浓淡不同，导致字体笔画粗细也不同，即使同一印章的两个印鉴，也会相似度较低，适应性很差。为了提高适应性，又不损害可靠性，对配准后的图像X和Y进行细化，采用55的邻域模板，获得其骨架信息图像，再获得匹配差图3。 旋转角度：39a预留印鉴B b待测印鉴 c匹配差图像图3 圆形印鉴校正及匹配差示例 倾斜角度：19d预留印鉴A e待测印鉴 f匹配差图像图4 方形印鉴校正及匹配差示例本文识别测试了在边缘不整齐、字体间距不规则、印鉴变形等现象下的识别能力。采用了850个真假印鉴作为测试，其中140个真印鉴，710假印鉴，测试环境为P4 2.4G、512M内存系统，对于每个印鉴识别时间为0.658s，我们得出真印鉴的通过率78.6%，假印鉴的识别率87.3%，达到了文献中的识别结果相当水平，同时具有计算量小的优点。表1 印鉴识别结果统计真印鉴假印鉴识别正确数目140710识别错误数目3090识别率78.6%87.3%4 结束语本文提出的基于颜色空间的印鉴提取、基于模板匹配的相似度算法，很好解决了传统印鉴识别中出现的计算量大、适应性不高的问题，同时所需硬件配置简单（扫描仪和PC），这给印鉴识别的方法带来了另一个途径，但是这也有不足之处：对于印鉴中出现的笔画粗细、棱角不敏感；图像旋转校正中角度范围限制在-9090；在今后的改进中设想用和旋转、平移、缩放不相关的配准方法替代现在方法，提高后续的印鉴识别率。参考文献1 K. Ueda and Y. Nakamura. Automatic verification of seal impression patterns. Proc.7th Int. Conf. Pattern Recognition, 1984:10191021.2 Fan, T.J., Tsai W.S., Automatic Chinese Seal Identification, Computer Vision, Graphics, and Image Processing, vol25, 1984, pp311-330.3 Lee S, Kim J.H., Unconstrained Seal Imprint Verification Using Stroke Graph Matching. Pattern Recognition, 1989, 22(6):653-664.4 Chen Y.S., Automatic Identification for a Chinese Seal Image. Pattern Recognition, vol29, nol1, 1996, pp1807-1820.5 Ueda K., Extraction of Signature and Seal Imprint from Bank Checks by Using Color Information. The 3rd ICDAR, Montreal, Canada, 1995.665668.6 Q. S