Определение подлинности защищенных документов и мобильное устройство для определения подлинности

Определение подлинности защищенных документов и мобильное устройство для определения подлинности

Иллюстрации

Показать все

Реферат

1. ВВЕДЕНИЕ

Сохранение уверенности в защищенных документах, в частности банкнотах, есть и остается главной проблемой центральных банков для обеспечения сохранения стабильности экономики во всем мире. Особенно подходящий метод определения подлинности банкнот основан на так называемом методе Sound-of-Intaglio™, см. [1], [2] (см. также публикацию международной заявки на патент № WO 2008/146262 А2), в котором основное внимание уделено анализу существенных особенностей, получаемых с помощью металлографской печати (обозначение Sound-of-Intaglio™ является товарным знаком фирмы KBA-NotaSys SA). Результатом является универсальный алгоритм, основанный на обработке изображений и распознавании образов, который выявляет существенную информацию для установления различия между банкнотами с подлинными оттисками металлографской печати независимо от того, идеальное состояние или же изношенное, или даже поддельными. Это объясняется тем, что металлографский метод печати позволяет получить печатный оттиск с высоким разрешением с очень мелким шрифтом и четко обозначенными образами. Кроме того, оттиск металлографской печати является наиболее устойчивым печатным признаком, который придает данной методике определенное преимущество, заключающееся в обеспечении робастности в условиях денежного обращения. Поэтому оттиск металлографской печати распознается как существенная особенность «как оно есть» и может служить надежным методом идентификации для неограниченного круга лиц. Значительное большинство поддельных банкнот, изъятых полицией и банками, создано с помощью способов и оборудования, которые являются коммерчески доступными. Оттиск металлографской печати является наиболее надежным и защищенным носителем в плане защиты от фальсификации. Хотя признаки металлографской печати распознаются людьми неосознанно, безошибочно зрительно воспринимаемый внешний вид в сочетании со специфическими тактильными характеристиками (и то и другое из которых видны в сочетании с печатной подложкой) является для пользователей ключевым фактором для привычного распознавания подлинных банкнот. Этот способ обеспечивает возможность идентификации отличительных признаков оттисков, выполненных металлографским способом печати, доступными инструментами анализа изображений с использованием, например, мобильных телефонов. Разумеется, в целом такой метод может быть полезен также для центральных банков при осуществлении сортировки и в криминалистике. Кроме того, преимущество принципа состоит в том, что центральным банкам нет необходимости раскрывать любого рода секретную информацию, такую как особые свойства, геометрические характеристики и т.д. и, в частности, нет необходимости перерабатывать дизайн существующих банкнот при условии, что металлографская печать обеспечивает определенный уровень качества. К тому же, металлографская печать предоставляет одну из важных отличительных особенностей серийно изготавливаемым печатным материалам и является существенной частью процесса печатания банкнот. Основное внимание в исследовании фактически сосредоточено на возможности использования металлографской печати для автоматизированного применения в кругообороте наличных денег. Ввиду этого метод Sound-of-Intaglio™ предлагает систему будущего для производителей терминалов по приему платежей или банковских систем для защиты пространства заранее и от увеличивающегося количества поддельных банкнот в обращении. Пока еще технологии производства поддельных банкнот терпят неудачу в предоставлении приемлемых имитаций оттиска металлографской печати или даже использовании технологии для преступной цели.

Вдобавок к «доказанным» случаям массового выпуска поддельных банкнот на серийных машинах офсетной печати, вследствие постоянного прогресса в области техники цифровых настольных аппаратов (сканеры, камеры и цифровые офисные принтеры) образован совершенно новый класс «цифровых» поддельных документов (сокращенно: digifeits). Благодаря проведению очень жесткой политики нераспространения в области полиграфической промышленности, процесс изготовления банкнот с высоким разрешением методом металлографской глубокой печати в целом (что касается дизайна, подготовки печатного оригинала, изготовления печатных форм и выполнения печати) хорошо защищен от его использования или злоумышленного использования в изготовлении поддельных документов. В связи с уникальностью обеспечения защиты банкнот в процессе металлографской печати, придания им безошибочно распознаваемого внешнего вида и функционального назначения нахождения денежной массы в обращении среди неограниченного круга лиц наиболее целесообразно идентифицировать подлинность банкнот по наличию оттиска металлографской печати. Ввиду того, что выполнение непосредственного измерения трехмерных структур в неблагоприятных и трудных условиях обращения денежной массы оказалось затруднительным и недостаточно устойчивым к возникновению ошибок, найден совершенно другой метод, который основан на использовании уникальных непрозрачности и внешнего вида типовых структур высококачественных металлографских оттисков.

Ниже описан метод, включающий обработку изображений и распознавание рисунков, который основывается на методе Sound-of-Intaglio™ [1] для использования в мобильных смарт-устройствах, таких как смартфоны [4] и т.п. [3]. Принцип основан на новой стратегии построения адаптивных вейвлетов для анализа разных печатных оттисков на банкноте. Кроме того, создается вектор специфического признака банкноты, который эффективно описывает подлинную банкноту в условиях различной освещенности. Стабильный и надежный результат получают с помощью классификатора, основанного на средствах линейного дискриминантного анализа (LDA).

Настоящая заявка построена следующим образом: после данной вводной части, во втором разделе, где основное внимание уделено родственным публикациям, некоторым особенностям технологии мобильных устройств и выявлению характерных признаков оттисков металлографской печати на основе вейвлетов (WIBD), будут освещены родственная работа и предпосылки. В третьем разделе будет описан адаптивный вейвлет-метод определения подлинности банкнот на смартфонах. Четвертый раздел посвящен результатам, и пятый раздел завершает описание настоящего изобретения.

2. РОДСТВЕННАЯ РАБОТА И ПРЕДПОСЫЛКИ

2.1 Родственные публикации

В последние десять лет вышло несколько публикаций, имеющих отношение по существу к выявлению номинала и определения подлинности банкнот. За вышеупомянутые годы в базах данных SPIE, IEEE и АСМ выявлено не более приблизительно 300 публикаций. В большинстве публикаций в их методах описаны методики оптического сканирования и алгоритмы обработки сигналов. Только несколькими авторами предложены концепции, отличающиеся от концепций, основанных на оптическом сканировании, например в [5], [6]. В подавляющем большинстве случаев опубликованная работа имеет отношение к выделению признаков и изучению машинным способом, например в [7], [8] и [9]. Притом некоторые последние публикации показали, что вейвлет-метод выглядит перспективным при идентификации [10] и распознавании [11] номиналов банкнот. В частности, концепции, основанные на вейвлетах, подтверждают общий метод согласно [1] и лежащей в основе теории определения подлинности на основе вейвлетов [2], [3] и [12].

2.2 Технология мобильных устройств

В этом разделе описаны основные компоненты мобильных устройств, в частности основные компоненты смартфонов, соответствующих существующему уровню техники. Основное внимание уделено камерному модулю, потому что он является основным элементом смартфона, если он используется в качестве устройства обработки изображений.

Определение. Мобильный телефон называется смартфоном в том случае, если он имеет возможность расширения с помощью небольших программных приложений (apps) и если он предоставляет более совершенные вычислительную способность и возможность подключения [13]. В последние годы повышение производительности процессоров привело к значительному изменению характера применения. Вначале смартфоны использовали для обмена сообщениями по электронной почте или для посылки текстовой информации более удобным образом, главным образом коммерческими пользователями. В настоящее время смартфоны могут запускать приложения сторонних производителей, которые значительно расширяют функциональные возможности. Смартфон является не только мобильным телефоном, но также портативным компьютером, компактной камерой, противником в играх, проигрывателем музыки, станцией для использования ресурсов интернета, средством спутниковой навигации и так далее. Наиболее весомые игроки на рынке используют по существу две разные операционные системы: iOS компании Apple и Android компании Google. На их долю приходится 86,3% [14] всех находящихся в эксплуатации смартфонов, проданных во всем мире в третьем квартале 2012 года, при этом крупнейшим игроком является операционная система Android, доля которой на рынке составляет 72,4% [14].

Главные аппаратные средства. Обычно смартфоны оснащены большим дисплеем. С появлением в 2007 году серии смартфонов iPhone компании Apple фактически нормой стали большие мультисенсорные дисплеи с высоким разрешением. Самое высокое разрешение (326 пикселов на один дюйм дисплея) предоставляется компанией Apple [15]. Смартфон Galaxy Note N7000 компании Samsung, один из наиболее крупных смартфонов, находящихся в настоящее время на рынке, снабжен экраном размером 5,3 дюйма [16]. Кроме того, смартфоны имеют широкий ряд датчиков, например гироскоп, акселерометр, GPS, датчик близости или оптический датчик. В первых смартфонах применялся одноядерный блок обработки данных с тактовой частотой 600 МГц. На настоящий момент в модели высокой сложности встроены многоядерные процессоры (с четырьмя - пятью ядрами) и тактовая частота в них составляет приблизительно 1,5 ГГц [17], [18]. Смартфон обычно имеет две камеры, которые описаны в следующем абзаце.

Камерный блок. В типичных смартфонах применяется камеры двух разных типов: одна на стороне экрана для видеозвонков по телефону, а другая на обратной стороне. Обычно первая имеет разрешающую способность приблизительно один мегапиксель, тогда как другая камера, как правило, предоставляет более высокую разрешающую способность датчика и выполнена с возможностью выполнения функции фотокамеры или видеокамеры. Поскольку эта камера предназначена для применения при обработке изображений, термин «камера» в дальнейшем употребляется применительно к камерам с высоким разрешением и другой тип камеры не принимается во внимание. Типичная камера смартфона имеет разрешающую способность в пределах от пяти до двенадцати мегапикселей, причем наблюдается тенденция увеличения количества пикселей. Как и в случае других компактных камер с оптической системой низкого качества, это не значит улучшение результата. В камерных модулях в смартфонах отсутствует панкратический объектив (занимающие небольшой сегмент рынка модели типа Nokia Pureview 808 здесь не учитываются). Эти камеры имеют датчик с типичной шириной по диагонали от 4 до 7 мм, что делает их устойчивыми к воздействию помех. Встроенная подсветка, часто светодиодная или ксеноновая вспышка, способна обеспечивать подсветку объектов только вблизи объектива, например портреты или крупный план.

Для высокого разрешения требуется большой объем памяти. Именно поэтому на настоящий момент невозможно получить необработанные графические данные, которые важны для обработки изображений. В результате процесса захвата изображения всегда получается сжатое JPG-изображение. Однако можно сказать, что в целом имеет место уменьшение коэффициента сжатия в зависимости от существующего уровня техники в области технологии смартфонов.

2.3 Приложения для определения подлинности банкнот для мобильных устройств

Концепция использования мобильных устройств для определения подлинности банкнот сама по себе не является новой. Примеры приложений такого рода упоминаются в разных публикациях, например в [3], [4], и [19]. Основная идея заключается в использовании встроенной камеры, блока подсветки и блока обработки данных для анализа разных явных и скрытых характерных признаков банкнот. В недавней публикации содержатся сведения о другом методе, который основывается на карманном сканере, оснащенном источниками светового излучения в ближней инфракрасной области спектра видимого диапазона длин волн и маломощной сенсорной интегральной схемой. Эта система может быть подключена к любому мобильному телефону [20]. Данная технология воспроизводит некоторые из основных концепций производителей ATM. Кроме этих приложений существуют еще и другие, которые могут быть применены в качестве приложений для представления банкнот, например упомянутые в [21], [22].

2.4 Выявление характерных признаков оттисков, выполненных металлографским способом печати, на основе вейвлетов (WIBD)

В этом подразделе описана общая концепция выявления характерных признаков оттисков, выполненных металлографским способом печати, на основе вейвлетов (WBID), известная например, из публикации [1], которая заключается в разложении одного или нескольких выборочных изображений документа, подлинность которого устанавливают, путем осуществления методов цифровой обработки сигналов на основе вейвлетов. Дополнительные сведения об этой концепции и ее вариантах можно получить, обратившись к соответствующей литературе, которая включена в данный документ в полном объеме посредством ссылки, в частности из публикаций [1], [2], [3], [4] и [12], а также из публикаций международных заявок на патент № WO 2008/146262 А2 и № WO 2011/018764 А2.

Вейвлеты. Вейвлет представляет собой математическую функцию, используемую для деления заданной функции или сигнала на составляющие разного масштаба. Вейвлет-преобразование представляет собой представление функции или сигнала вейвлетами. Вейвлет-преобразования имеют преимущества по сравнению с традиционными преобразованиями Фурье для представления функций и сигналов, которые имеют разрывы и острые пики. Согласно методу, предлагаемому в соответствии с настоящим изобретением, в частности, используют свойства так называемых дискретных вейвлет-преобразований (DWT), как это будет рассмотрено ниже. Теория вейвлетов в описании настоящего изобретения не будет глубоко рассматриваться, так как эта теория сама по себе хорошо известна и всесторонне рассмотрена и описана в нескольких учебниках по этому вопросу. Заинтересованный читатель, например, может обратиться к указанным в списке использованной литературы книгам и публикациям по теории вейвлетов [23], [24], [25] и [26].

Для распознавания локальных характерных признаков важно, чтобы преобразование сигнала было инвариантным относительно сдвига. Это означает, что сдвиг сигнала при Δ выборках может приводить к сдвигу масштабного коэффициента или коэффициента детализации, но не к модифицированию их значений. Это свойство гарантирует независимость диаграммы от выбора нулевой точки на шкале. При использовании быстрого вейвлет-преобразования (FWT) это свойство инвариантности относительно сдвига теряется из-за того, что для FWT характерно проведение субдискретизации. Следовательно, вейвлет-коэффициенты, получаемые из FWT, показывают большую зависимость от сдвигов сигнала. В случае проведения субдискретизации при переходе к следующему масштабу преобразования возникает также опасность потери важной информации вблизи краев. И поэтому очень важно применять преобразование сигнала, являющееся инвариантным относительно сдвига. Для получения преобразования, инвариантного относительно сдвига, определяют преобразование без субдискретизации сигнала s[n]. Этому условию отвечает инвариантное относительно сдвига вейвлет-преобразование (SWT) [27], [28]. Для сигналов со сдвигом, но в остальном являющихся идентичными, вейвлет-преобразования SWT предоставляют имеющие сдвиг, но идентичные вейвлет-коэффициенты. Когда субдискретизация не применяется, представление сигнала с избыточной информацией усиливается [27], [28]. Для преобразования двумерных изображений банкнот в спектральные описания применяются два одномерных преобразования [28]. Это является обоснованным, потому что изображения могут быть интерпретированы как разделяемые сигналы [25]. Для преобразования двумерного сигнала х поочередно применяют алгоритм одномерного преобразования по строкам n изображения и столбцам m изображения. Это дает в результате квадратную матрицу х с размерами (2n×2m):

Теперь сигнал, подвергнутый вейвлет-преобразованию, делится на четыре фрагмента изображения: масштабные коэффициенты А (с фильтрацией нижних частот, ϕ) и вертикальные коэффициенты cV детализации (с полосовой фильтрацией, ψ), относящиеся к А_у, и горизонтальные, а также диагональные коэффициенты детализации (сН и cD, с полосовой фильтрацией, ψ), содержащиеся в D_y. Матрицы детализации cV, сН и cD описывают такую же структуру сигнала изображения, подвергнутого вейвлет-преобразованию. На втором этапе коэффициенты детализации соединяют с основной матрицей cG детализации:

где α - масштабный множитель, который обеспечивает, при необходимости, один и тот же динамический диапазон один и тот же динамический диапазон для коэффициентов масштабирования и коэффициентов детализации.

Посредством cG все распознанные переходы структуры объединены в одной матрице. Следует отметить, что сигнал можно извлечь из объединенных коэффициентов cG детализации. Хотя при определении подлинности банкнот эта особенность не имеет значения. Вышеупомянутое вычисление по уравнению (2) выполняется для каждого масштаба. За дополнительной информацией можно обратиться к документам [12] и WO 2011/018764 А2. Для обработки вейвлет-преобразования необходимо адаптировать вейвлет к приложению. Обычно хорошие результаты достигаются при использовании вейвлетов Добеши [23] с двумя нулевыми моментами (db2-вейвлет). Эти вейвлеты, в среднем, вполне пригодны для спектрального анализа мелких структур оттиска металлографской печати вследствие их компактного носителя и амплитудно-частотной характеристики [12].

Классификация. Целесообразно использовать основанные на моменте статистические признаки вейвлет-коэффициентов, см. [3], [12] и [29]. На фиг. 1 показаны разные частотные гистограммы градаций серого db2-SWT-коэффициентов Н_n(р) на базе типичной линейчатой структуры оттиска металлографской печати образца банкноты «Jules Verne», изготовленного Заявителем, в целом изображенного на фиг. 7(a) (часть этого образца банкноты изображена также на фиг. 2). Образцы банкнот представляют собой банкноты обычного типа с подлинными бумагой, печатными красками, нанесенными элементами и т.д., но не имеющие ценности. Образцы банкнот «Jules Verne» и «Flowerpower», упоминаемые в данной заявке на изобретение, разработаны и изготовлены Заявителем.

Полностью образец банкноты показан на фиг. 7(a). Интуитивно понятно, что частотное распределение градаций серого подлинных банкнот значительно отличается от частотного распределения градаций серого поддельных банкнот.

Путем вычисления дескриптивных мер по стандартизованным гистограммам Н_n(р) могут быть сделаны общие выводы по структуре изображения. Для дальнейшего анализа вейвлет-коэффициентов, а именно дисперсии σ², коэффициента асимметрии Е и эксцесса (или коэффициента эксцесса) С принимаются во внимание следующие статистические признаки. Дисперсия σ² отображает амплитудное распределение вейвлет-коэффициентов вокруг центра гистограммы. Коэффициент асимметрии Е описывает симметрию распределения вокруг центра. Эксцесс/коэффициент эксцесса С описывает отклонение относительно распределения Гаусса, см. [29]. На фиг. 3 показано пространство признаков, вмещающее классы объекта, которые должны быть классифицированы с использованием вышеупомянутых статистических признаков в качестве группы классификационных признаков (или координат) пространства признаков.

Обычно вышеупомянутых признаков недостаточно для однозначной дискриминации сложного пространства признаков. Следует помнить о том, что необходимо правильно различать не только новые, но и изношенные подлинные и фальшивые банкноты. Другой метод для обеспечения более точной линейной классификации заключается в учете дополнительных признаков. Дополнительные признаки должны иметь два важных свойства. Во-первых, они должны быть пригодными для распознавания металлографской печати и, во-вторых, они должны дополнять имеющиеся три статистических признака. В нем применяются три типичных статистических момента (дисперсия σ², коэффициент асимметрии Е и коэффициент эксцесса С). Три другие, так называемые LACH-признаки , и [4] должны интерпретироваться как статистические величины локальной адаптивной кумулятивной гистограммы (LACH), которая генерирует признаки , I∈{L, М, R}, регулируемые посредством дисперсии σ². Они представляют области значащей части гистограммы, разделенные на части с использованием σ² (L для левой части, М для средней, R для правой). Ввиду того, что большинство признаков являются признаками с гауссовым распределением [4], для вычисления границы классификации для последующего определения подлинности применяется метод линейного дискриминантного анализа (LDA) [4].

3. МЕТОД

Метод основывается на том факте, что алгоритмы обработки сигналов для смартфонов, если они используются как устройства обработки изображений, должны отвечать некоторым критериям в отношении робастности и адаптивности. В этом разделе описаны полученные данные для генерации робастных и адаптируемых признаков для выявления характерных признаков металлографской печати.

Способы определения подлинности защищенных документов (в частности банкнот), основанные на анализе признаков, свойственных защищенным документам, которые изготовлены при помощи металлографской печати, который включает разложение одного или нескольких выборочных изображений, по меньшей мере, части проверяемого документа, подлинность которого должна быть определена, на основе вейвлетов, на момент создания изобретения уже известны, как отмечено в разделах 1 и 2 данного документа. Согласно этим известным способам осуществляют цифровую обработку каждого выборочного изображения путем выполнения вейвлет-преобразования выборочного изображения для получения группы классификационных признаков (включая, например, дисперсию σ², коэффициент асимметрии Е и эксцесс/коэффициент эксцесса С), позволяющей классифицировать проверяемый документ в многомерном пространстве признаков (как, например, показано на фиг. 3), в результате чего обеспечивается подходящее установление различия между подлинным и поддельным защищенными документами.

Общей целью настоящего изобретения является создание усовершенствованного способа определения подлинности защищенных документов. Более конкретно, целью настоящего изобретения является создание такого способа, который является более подходящим для внедрения в мобильных устройствах, таких как смартфоны или аналогичные карманные или переносные устройства.

В связи с этим предлагается способ определения подлинности защищенных документов, в частности банкнот, вышеупомянутого типа, который характеризуется тем, что основан на адаптивном вейвлет-методе, причем указанный адаптивный вейвлет-метод включает следующие этапы:

- перед выполнением вейвлет-преобразования определение карты категоризации, содержащей локальную информацию о разных линейчатых структурах оттиска металлографской печати, которые находятся на защищенных документах;

- осуществление выбора вейвлета из группы типов вейвлетов на основе карты категоризации; и

- выполнение вейвлет-преобразования выборочного изображения на основе выбранного вейвлета.

Преимущество предлагаемого адаптивного вейвлет-метода состоит в улучшении способности классифицировать выборки проверяемых документов для однозначного определения их подлинности. Фактически благодаря предлагаемому адаптивному вейвлет-методу, который увязывает подходящие типы вейвлетов с разными линейчатыми структурами оттиска металлографской печати, которые обычно находятся на защищенных документах, вначале на основе карты категоризации выбирают подходящий вейвлет, который лучше всего подходит к характеристикам конкретной линейчатой структуры оттиска металлографской печати, в выборочном изображении перед выполнением вейвлет-преобразования, в результате чего достигается оптимизация проведения различения в пространстве признаков различных классов документов, подлинность которых определяется.

В соответствии с предпочтительным вариантом осуществления изобретения этап определения карты категоризации включает определение статистической модели каждой данной линейчатой структуры оттиска металлографской печати. Эта статистическая модель, предпочтительно, состоит по меньшей мере из одного параметра, характеризующего по меньшей мере одну гистограмму, представляющую каждую данную линейчатую структуру оттиска металлографской печати (причем этот параметр, предпочтительно, представляет собой параметр формы, описывающий форму соответствующей гистограммы). Этот параметр может быть соответствующим образом определен на основе метода оценки максимального правдоподобия (MLE).

В этой связи установлено, что он подходит для построения статистической модели исходя из результатов измерений ширины линий и расстояния между линиями в каждой данной линейчатой структуре оттиска металлографской печати. В еще более предпочтительном варианте статистическая модель может заключать в себе кортеж из 4 параметров, характеризующих четыре гистограммы, представляющие каждую данную линейчатую структуру оттиска металлографской печати, причем указанные четыре гистограммы представляют собой соответственно гистограмму статистического распределения значений ширины линий в горизонтальном направлении, гистограмму статистического распределения расстояний между линиями в горизонтальном направлении, гистограмму статистического распределения значений ширины линий в вертикальном направлении и гистограмму статистического распределения значений расстояния между линиями в вертикальном направлении.

В соответствии с другим предпочтительным вариантом осуществления изобретения набор типов вейвлетов включает базисный вейвлет, который используют в качестве базиса для выбора вейвлета. Этот базисный вейвлет, предпочтительно, представляет собой вейвлет db2. Базисный вейвлет целесообразно заменить вейвлетом другого типа, если разделительная способность этого другого типа вейвлета в пространстве признаков для данной линейчатой структуры оттиска металлографской печати лучше, чем у базисного вейвлета. В данном контексте более высокая разделительная способность означает, что в пространстве признаков расстояние между кластерами больше.

Набор признаков для классификации, предпочтительно, включает статистические моменты, описывающие статистическое распределение (или гистограммы) вейвлет-коэффициентов, получаемых в результате вейвлет-преобразования, причем эти статистические моменты, предпочтительно, должны представлять собой дисперсию σ², коэффициент асимметрии Е и эксцесс С. В дополнение к этим статистическим моментам могут использоваться также еще и другие классификационные признаки, в том числе так называемые LACH-признаки.

Способ согласно настоящему изобретению может применяться в среде мобильных устройств (в частности, в смартфоне), а также в мобильном устройстве, содержащем устройство обработки изображений, запрограммированное на осуществление этого способа.

3.1 Робастность

Передача алгоритмов определения подлинности на смартфон расширяет возможные области применения, и проверка банкнот может быть выполнена необученным персоналом. Для внедрения алгоритмов определения подлинности на смартфоны нужна новая концепция для определенных частей некоторых алгоритмов. Ограничениями для смартфона, которые в данном случае влияют, являются:

- флуктуации качества камерного модуля,

- ограничения, связанные с программным обеспечением, такие как ограниченный или затрудненный доступ к необработанным данным изображения,

- изменение условий окружающей среды, особенно условий освещенности,

и

- положение банкноты относительно оптической системы смартфона.

Камерные модули в смартфонах не предназначены для применений промышленной обработки изображений. Для снижения стоимости такие модули генерируют уже оптимизированное изображение посредством специализированного аппаратного обеспечения. Операционная система телефона не приспособлена к любому отклонению. Поэтому отклонения при изготовлении, возникшие по вине производителя камерного модуля, ведут к изменению представления изображения, которое может показываться с оттенком цвета, то есть неправильно отрегулированы каналы цветности, имеют место помехи, неправильная фокусировка и так далее. Эти флуктуации необходимо принимать во внимание при выборе подходящих алгоритмов. Для компенсации вышеупомянутых влияющих факторов принят ряд контрмер, а именно на этапах после обработки применяют корректировку затенением и регулировку баланса белого. Корректировка затенением компенсирует неоднородность освещения. Регулировка баланса белого вносит поправки на оттенки цветов путем настройки каналов на заранее заданные опорные значения.

Применение смартфона для определения подлинности банкнот в реальном масштабе времени требует специальных процедур машинного обучения. Классификация объектов должна быть максимально возможно робастной, несмотря на нестабильность условий захвата изображения. Кроме того, приложение должно быть надежным, несмотря на ограниченное количество поддельных документов, имеющихся в наличии для обучения. Ошибочно-позитивных классификаций (то есть выявления поддельных документов как подлинных) следует избегать. Поэтому должен быть разработан обучающий набор данных, который учитывает возможные разбросы характеристик в процессе изготовления. При выборе отвечающего требованиям способа классификации следует принимать во внимание, что количество поддельных документов, находящихся в распоряжении, ограничено. Число возможных способов выполнения печати тоже ограничено. Поскольку ошибочно-позитивные классификации поставили бы под вопрос все приложение и привели бы к негативным отзывам у населения, самое важное - это надежность классификатора. По этой причине способы машинного обучения, которые используются в процессе определения подлинности, должны быть хорошо изучены.

3.2 Адаптивный вейвлет-метод

Как упомянуто выше, классификация банкнот оперирует со статистическими моментами, которые получают из гистограмм вейвлет-коэффициентов, которые, в свою очередь, основаны, например, на преобразовании вейвлета db2 конкретного сигнала с типичным разрешением 600 точек на дюйм. Хотя эта классификация во многих случаях оправдывает себя на практике, в некоторых случаях она себя не оправдывает, то есть возникают ошибки классификации. Ввиду того, что метод металлографской печати тесно связан с вейвлет-преобразованием [12], адаптивный вейвлет-метод должен обойти такие случаи возникновения ошибок классификации. Этот метод основан на вейвлет-отображении для разных линейчатых структур оттиска металлографской печати. Базисом является вейвлет db2, который заменяется вейвлетом другого типа в соответствии с определенной локальной линейчатой структурой оттиска металлографской печати банкноты. Используются вейвлеты из одного и того же семейства вейвлетов (например Добеши [23]) или вейвлет из семейства вейвлетов с другими характеристиками, например биортогональные вейвлеты, вейвлеты Коифлета или вейвлеты Симлета [23], [24] и [25].

Целью является улучшение способности однозначного классифицирования выборок. Поэтому, перед вейвлет-преобразованием, нужно охарактеризовать структуру выборки сигнала в банкноте и определить карту категоризации (С-карту) для всей банкноты (см. фиг. 7(b)-7(f)). С-карта содержит локальную информацию о структуре оттиска металлографской печати, которая увязана с определенным вейвлетом. На основе этой категоризации можно применять вейвлет-преобразование, которое дает квазиоптимальные пространственно-частотные коэффициенты и, поэтому, квазиоптимальные признаки выявления ведут к однозначной классификации.

Для данного метода необходимые этапы можно разделить на три части:

i) Должна быть определена и построена статистическая модель, которая удовлетворительно действует для разных конкретных линейчатых структур оттиска металлографской печати;

ii) должна быть измерена и распознана конкретная выборочная структура; и

iii) должен быть выбран вейвлет, который лучше всего подходит в условиях ограничения, когда имеется ограниченный набор вейвлетов.

Статистическая модель. Поступающий сигнал представляет собой двумерное растровое изображение, которое может рассматриваться как две группы одномерных сигналов, один горизонтальный и один вертикальный. Для каждого размера, во-первых, определяют центры краев (наклонов). Во-вторых, вычисляют два типа расстояний: ширину w линии, представляющую собой расстояние между центром отрицательного и центром положительного перепадов, и расстояние d между линиями, представляющее собой расстояние между центром положительного и центром отрицательного перепадов. Эта процедура основана на том исходном допущении, что в ходе ее осуществляется проверка более темных структур печати на светлой, беловатой бумаге на основе хлопка. Ввиду того, что центры наклонов используются в качестве опорных точек, она нечувствительна к методу печати образца.

Для нее не важна длина одной линии, но важны дискретные статистические плотности (гистограммы), касающиеся w и d для всей наблюдаемой структуры. Следовательно, вычисляют гистограммы измерений для w и d. Поскольку плотности, получаемые в результате, имеют такой внешний вид, как плотность р(х,k,θ) вероятности гамма-распределения [30], выполняют параметрическую оценку для этого распределения. Плотность вероятности гамма-распределения определяют следующим образом:

Для данной переменной х (здесь: w и d), параметрическая оценка дает два параметра: форму k и масштаб θ. В данном случае можно отметить, что эти два параметра строго коррелированы, то есть . Следовательно, гистограмма может быть характеризоваться только одним из параметров, например формой k. Функция Г(k) воспроизводит гамма-функцию [31]:

В данном случае выбран параметр k, общеизвестный как параметр формы. Для конкретной линейной структуры оттиска металлографской печати результаты дают характеристический кортеж из 4 параметров где Н и V обозначают горизонтальное и вертикальное направления измерения, и w и d представляют собой результаты измерения соответственно ширины линий и расстояния между линиями. Использованный здесь метод основан на оценке максимального правдоподобия (MLE), которая является стандартным методом оценки параметров распределения или плотности статистических данных [32], процедура схематически представлена на фиг. 4.

На основе вышеупомянутой процедуры получены разные кортежи из 4 параметров для структур прототипов. Структуры прототипов основаны на типичных дизайнах банкнот (горизонтальные линии, вертикальные линии, пунктирные линии, точечные линии и т.д., объединенные в сложные структуры, см. фиг. 4). Эти прототипы, разумеется, не являются однозначно определенны