[发明专利]一种基于密文域的防伪标签自动识别方法

说明书

技术领域

本发明属于多媒体信号处理领域，涉及一种基于DFT加密、混沌映射(Logistic Map)和基于DCT的图像特征识别，具体是一种基于密文域的防伪标签自动识别方法，属于防伪技术领域。

技术背景

现在随着社会经济的蓬勃发展，市场上也出现了很多假冒伪劣商品，侵犯了生产者和消费者的权益，所以需要一些有效的防伪手段，现今的防伪技术有多种多样，但是也有其不足之处，例如潜入激光型塑膜防伪标签，因为该技术是传统防伪技术，出现时间较早，仿造的技术趋于成熟完善，已经不能很好的起到防伪的作用；又如近年应用比较广泛的扫描条码和二维码的扫码防伪技术，因为条码和二维码印刷生产的平面化，仿造者很容易就可以进行印刷贴到假冒商品上，而且从二维码上扫描出来的防伪信息一般是公开可见的，仿造者也可以对其进行盗取，防伪的可靠性就被降低了。

随着云技术的发展越来越多的数据为了便捷而存储云端，但是云端也不是绝对安全的，所以对存放于其中的内容进行加密是很有必要的。目前基于密文域的防伪标签自动识别算法研究较少。所以研究密文域下的防伪标签自动识别方法有较大的意义。

发明内容

本发明的目的是提出一种云环境下基于密文域的防伪标签自动识别方法。该方法通过将标签自动识别技术和加密技术结合起来，实现受到不同攻击后依然可以准确进行标签自动识别，解决现有防伪标签自动识别技术的不足，提高安全性、高鲁棒性的防伪标签自动识别技术

本发明的基本原理是：首先对防伪标签在DFT变换域进行加密，对加密后的防伪标签像进行DCT变换，在DCT变换系数中提取可以抗不同种常规、几何攻击的的特征向量；将该特征向量作为防伪标签识别的“关键字”；再将该特征向量与保存在云端的加密防伪标签的特征向量进行相似度匹配，利用相关系数最大值，实现防伪标签自动识别。

本发明所采用的方法包括防伪标签的频域加密和提取加密图像的特征向量两大部分。

现对本发明的方法进行详细说明如下：

首先随机选择一张防伪标签作为原始数据，表示为：F＝{F(i,j)|F(i,j)∈[0,255]；1≤i≤M,1≤j≤N}。其中，F(i,j)分别表示原始防伪图像的像素灰度值，图像的大小为MxN。

第一部分：防伪标签的变换域加密

1)对防伪标签F(i,j)进行全局DFT变换，得到复数系数矩阵FD(i,j)。

FD(i,j)＝DFT2(F(i,j))

2)通过Logistic Map生成混沌序列；

由初始值x₀通过Logistic Map混沌系统生成混沌序列bl(j)。

3)构造二值序列；

利用混沌序列bl(j)，通过定义一个阈值函数Sign而得到一个符号序列，再按防伪标签的大小构成一个二值矩阵S(i,j)，1≤i≤M,1≤j≤N。

4)将系数矩阵与二值矩阵进行点乘，得到L(i,j)。

L(i,j)＝FD(i,j).*S(i,j)

5)对L(i,j)进行DFT逆变换，得到加密后的防伪标签E(i,j)。

E(i,j)＝IDFT2(I(i,j))

第二部分：防伪标签的特征提取

6)对所有的加密伪图片E(i,j)进行全图DCT变换，得到DCT系数矩阵ED(i,j),选取低频部分4×8个变换系数ED₃₂(i,j)，再通过DCT系数符号运算得到该图像的视觉特征向量V(j)。具体做法是当DCT系数为正值或零值时用“1”表示，系数为负值时用“0”表示，过程描述如下：

ED(i,j)＝DCT2(F(i,j))

V(j)＝Sign(ED₃₂(i,j))

由此建立加密防伪标签特征数据库。

第三部分：防伪标签的特征对比

7)设待测加密防伪标签图片为E’(i,j)，由第一部分的算法得到其特征向量V’(j)。

8)求出待测加密防伪标签图像特征向量V’和原始加密防伪标签图像的视觉特征向量V(j)进行归一化相关系数NC的计算。

NC值归一化相关系数是衡量两幅不同加密图片相似程度的方法，NC值越大表明两幅加密图像的相似度越高。可通过NC值辨别待测防加密伪标签图像是否为原始加密防伪标签图像，从而实现智能化鉴别。

本发明与现有的防伪技术比较有以下优点：