基于紋理特征的書畫作品檢測方法

基于紋理特征的書畫作品檢測方法
【專利摘要】本發明提供一種基于紋理特征的書畫作品的檢測方法，包括以下步驟：獲取書畫作品真跡的宣紙數字圖像；對宣紙數字圖像進行預處理，得到預處理后的宣紙數字圖像；利用SURF算法，提取紋理特征；對待檢測書畫作品進行紋理特征匹配，如果匹配，則待檢測書畫作品為真跡；如果不匹配，則待檢測書畫作品為贗品。本發明提供的基于紋理特征的書畫作品的檢測方法，用于檢測當代書畫作品的真偽性，對書畫作品真跡進行特征提取，采用雙向FLANN算法并結合再將特征點聚類獲得每類中心，以中心為范圍截取方形區域，以最高的方形區域的相似度來判斷整個書畫的真偽性，能夠快速、準確地辨別書畫作品的真偽，且能夠防止不法分子偽造書畫作品。
【專利說明】基于紋理特征的書畫作品檢測方法

【技術領域】
[0001] 本發明涉及一種書畫作品檢測方法，特別地涉及一種基于紋理特征的書畫作品檢 測方法，用于檢測當代書畫作品的真偽性。

【背景技術】
[0002] 書畫作品在中國藝術作品中從古自今一直占據著一席之地，據相關資料顯示，書 畫作品在中國藝術品拍賣市場上的所占的份額更是達到了百分之七八十。
[0003] 近年來，隨著社會經濟的發展和人民生活水平質量的不斷提高，越來越多人人們 老師追求書畫藝術。市面上就開始不斷涌現各種名家書畫，但是對于真假書畫的鑒別人們 還知之甚少。
[0004] 科技的發展使印刷技術也得到飛躍的進步，就給不法分子提供了謀利的機會，他 們能夠輕而易舉地利用高科技印刷設備克隆名家書畫作品，比手工克隆更加容易，數量也 更多，因此危害也就更大。四川通慶文化鑒定評估有限公司執行董事潘保清曾說過，現中國 藝術品拍賣市場有點像一匹脫韁的野馬！贗品、偽作已經充斥著市場，想買到真正的正品 是難上加難。
[0005] 據相關的資料顯示，中國書畫的贗品充斥于藝術品拍賣市場，而且越是知名的作 家書畫作品的贗品率也更高。而那些小的藝術品拍賣行，其中推出的個別專場竟然很難見 到一幅真跡。因此，目前市場字畫等名貴收藏品的真偽鑒定技術的滯后是阻礙和制約其在 文化創意市場流通與交易的主要矛盾之一。
[0006] 現有的防偽技術主要包括紅外防偽技術、DNA防偽技術以及指紋識別技術。
[0007] 紅外防偽技術是較早的防偽技術。它是使用紅外線技術制作成人體肉眼可見或不 可見的文字、圖形、條碼等等，再利用特殊的紅外墨粉、油墨、印油印制到書畫作品上。這樣， 在檢驗時可用特殊儀器檢測出即可。
[0008] DNA防偽技術與生物知識相關，它是在作品上移植特殊的DNA片斷，使得物品也具 備了和DNA的特性，由于一種物品對應一組基因，而每對基因都是獨一無二的，這樣物品就 具有了唯一的特征，從而大大降級檢驗難度。
[0009] 指紋識別技術，當書畫家完成自己的作品后，就用手指蘸著印泥在印章下方加蓋 自己的指紋印模一枚。這樣就可以通過指紋識別進行書畫鑒定。
[0010] 但是上述方法均是人為的加入書畫以外材料來輔助判斷書畫的真偽性，仍然存在 不法分子利用高科技偽造書畫的可能性。
[0011] 本領域技術人員致力于提供一種能夠快速準確辨別書畫的真偽性且不給不法份 子鉆空子的機會的防偽方法及其系統，從而能有效確保拍賣行書畫都是真品。


【發明內容】

[0012] 本發明的目的在于提供一種基于紋理特征的書畫作品的檢測方法，用于檢測當代 書畫作品的真偽性，當作者完成書畫作品后，對書畫作品真跡進行特征提取，在對待檢測書 畫作品的檢測過程中，利用從書畫作品真跡中提取的特征，采用雙向FLANN算法并結合再 將特征點聚類獲得每類中心，以中心為范圍截取方形區域，以最高的方形區域的相似度來 判斷整個書畫的真偽性，能夠快速、準確地辨別書畫作品的真偽。
[0013] 本發明提供一種基于紋理特征的書畫作品的檢測方法，包括以下步驟：
[0014] (1)獲取書畫作品真跡的宣紙數字圖像；
[0015] (2)對宣紙數字圖像進行預處理，得到預處理后的宣紙數字圖像；
[0016] (3)利用SURF算法，從預處理后的宣紙數字圖像中提取紋理特征；
[0017] (4)對待檢測書畫作品進行紋理特征匹配，如果匹配，則待檢測書畫作品為書畫作 品真跡；如果不匹配，則待檢測書畫作品為贗品。
[0018] 進一步地，步驟（4)中采用雙向Flann匹配算法對待檢測書畫作品進行紋理特征 匹配。
[0019] 進一步地，步驟（4)中進行紋理特征匹配之前還包括以下步驟：
[0020] (41)利用改進K-Means算法進行聚類，獲得每類的中心；
[0021] (42)通過步驟（41)中獲得的類的中心，提取書畫作品真跡與待檢測書畫作品的 相同區域。
[0022] 進一步地，步驟（2)對宣紙數字圖像進行預處理采用彩色圖轉灰度圖、直方圖均 衡化、形態學變換、邊緣檢測或Gabor過濾中的一種或幾種的組合。
[0023] 進一步地，步驟（3)利用SURF算法，從預處理后的宣紙數字圖像中提取紋理特征， 包括以下步驟：
[0024] (31)利用積分圖像計算Haar特征；
[0025] (32)構造Hessian矩陣，獲得極值點；
[0026] (33)采用高斯濾波找出了點（X，y)是否為局部極值點的判斷依據；
[0027] (34)提取特征點；
[0028] (35)獲取特征點特征方向；
[0029] (36)構造SURF特征點描述算子。
[0030] 進一步地，步驟（35)獲取特征方向包括以下步驟：
[0031] (351)以特征點為圓心，以特征點所在的尺度的六倍為半徑，建立圓區域；
[0032] (352)以60度扇形區域與設定的間隔掃描圓區域；
[0033] (353)harr小波響應的最大值為特征點所在的尺度的四倍，按照距離圓心的遠近 賦予權重，距離圓心越遠，權重越小；
[0034] (354)將扇形區域內每個點的Harr小波響應矢量相加；
[0035] (355)找到Harr小波響應矢量和最大的扇形區域，扇形區域的矢量方向為特征點 的特征方向。
[0036] 進一步地，步驟（34)提取特征點的方法包括以下步驟：
[0037] (341)將局部極值點與位于同一尺度中相鄰的8個點以及上下兩個相鄰尺度的18 個點進行比較，如果局部極值點為極值點，則局部極值點為初步極值點；
[0038] (342)在獲取了全部初步特征點之后，用三維線性差值方法獲取亞像素級別的特 征點，然后去掉小于設定閾值的點，得到最終的特征點。
[0039] 與現有技術相比，本發明提供的基于紋理特征的書畫作品的檢測方法具有以下有 益效果：
[0040] (1)當作者完成書畫作品后，對書畫作品真跡進行特征提取，在對待檢測書畫作品 的檢測過程中，利用從書畫作品真跡中提取的特征，采用雙向FLANN算法并結合再將特征 點聚類獲得每類中心，以中心為范圍截取方形區域，以最高的方形區域的相似度來判斷整 個書畫的真偽性，能夠快速、準確地辨別當代書畫作品的真偽；
[0041] (2)不需要人為加入書畫以外材料，來輔助判斷書畫作品的真偽性，由于書畫作品 真跡的宣紙紋理特征幾乎無法復制，因而能夠防止不法分子利用高科技偽造書畫作品。

【專利附圖】

【附圖說明】
[0042] 圖1是本發明的一個實施例的流程圖；
[0043] 圖2是直方圖均衡化前的基于光學顯微鏡圖像；
[0044] 圖3是直方圖均衡化后的基于光學顯微鏡圖像；
[0045] 圖4是直方圖均衡化前的基于電子顯微鏡圖像；
[0046] 圖5是直方圖均衡化后的基于電子顯微鏡圖像；
[0047] 圖6是腐蝕運算前的圖像；
[0048] 圖7是腐蝕運算的腐蝕結構；
[0049] 圖8是腐蝕運算后的圖像；
[0050] 圖9是圖3所示的基于光學顯微鏡圖像進行圖像閾值化后的圖像；
[0051] 圖10是圖9所示的基于光學顯微鏡圖像進行開運算后的圖像；
[0052] 圖11是圖5所示的基于電子顯微鏡圖像進行圖像閾值化后的圖像；
[0053] 圖12是圖11所示的基于電子顯微鏡圖像進行開運算后的圖像；
[0054] 圖13是圖9所示的基于光學顯微鏡圖像進行拉普拉斯邊緣檢測后的圖像；
[0055] 圖14是圖11所示的基于電子顯微鏡圖像進行拉普拉斯邊緣檢測后的圖像；
[0056] 圖15是圖9所示的基于光學顯微鏡圖像進行canny邊緣檢測后的圖像；
[0057] 圖16是圖11所示的基于電子顯微鏡圖像進行canny邊緣檢測后的圖像；
[0058] 圖17是圖9所示的基于光學顯微鏡圖像進行gabor濾波后的圖像；
[0059] 圖18是圖11所示的基于電子顯微鏡圖像進行gabor濾波后的圖像；
[0060] 圖19是Haar特征類別圖；
[0061] 圖20是積分說明圖；
[0062] 圖21是高斯濾波的y方向模板；
[0063] 圖22是高斯濾波的二階混合偏導模板；
[0064] 圖23是尺度金字塔；
[0065] 圖24是尺度金字塔；
[0066] 圖25是局部極值點在尺度金字塔中相鄰點的位置關系圖；
[0067] 圖26a是特征方向示意圖；
[0068] 圖26b是特征方向示意圖；
[0069] 圖26c是特征方向示意圖；
[0070] 圖27是算子方向示意圖；
[0071] 圖28是無旋轉組預處理后的匹配結果；
[0072] 圖29是有旋轉組預處理后的匹配結果；
[0073] 圖30是將紋理特征點聚四類后的效果；
[0074] 圖31是將紋理特征點聚四類并提取區域結果。

【具體實施方式】
[0075] 以下是本發明的具體實施例并結合附圖，對本發明的技術方案作進一步的描述， 但本發明并不限于以下實施例。
[0076] 如圖1所示，本發明的一個實施例的基于紋理特征的書畫作品的檢測方法，包括 以下步驟：
[0077] (1)獲取書畫作品真品的宣紙數字圖像；
[0078] (2)對宣紙數字圖像進行預處理，得到預處理后的宣紙數字圖像；
[0079] (3)利用SURF算法，從預處理后的宣紙數字圖像中提取紋理特征；
[0080] (4)對待檢測書畫作品進行紋理特征匹配，如果匹配，則待檢測書畫作品為真品； 如果不匹配，則待檢測書畫作品為仿品。
[0081] 步驟（1)中獲取書畫作品真品的宣紙數字圖像，可以采用光學顯微鏡或電子顯微 鏡獲取。
[0082] 光學顯微鏡就是利用光學原理，將人眼無法辨別的細微的物體放大為人眼可見的 圖像，再通過一系列處理，將圖像轉為數字圖像。由于宣紙是由木屑、纖維、泥石等制作，其 光學圖像含有許多雜質，而且對比度低，層次感差，因此紋理特征不明顯。
[0083] 電子顯微鏡就是通過電子與物質的相互作用產生信號的電子光學裝置。與光學顯 微鏡相比，用電磁透鏡代替了光學透鏡，將我們肉眼不可見的電子束成像到熒光屏上。因 此，其圖像為灰度圖，且紋理特征明顯，層次感高，景深高。
[0084] 本實施例中，采用電子顯微鏡獲取書畫作品真品的宣紙數字圖像。
[0085] 步驟（2)對宣紙數字圖像進行預處理，目的在于消除圖像中不重要的信息，使真 實的有用的重要的信息得到加強，進而增強需要的信息的可檢測性，使圖像數據得到最大 限度的簡化，并使特征提取變得簡單。
[0086] 預處理可以采用空間域處理或頻域處理。
[0087] 空間域處理包括彩色圖轉灰度圖、直方圖均衡化、形態學變換以及邊緣檢測等方 法。
[0088] 頻域處理包括Gabor變換。
[0089] 對宣紙數字圖像進行預處理，可以采用上述方法中的一種或多種。
[0090] 本實施例中的基于紋理特征的書畫作品的檢測方法，預處理采用了直方圖均衡化 與Gabor變換。
[0091] 彩色圖轉灰度圖用于將通過光學顯微鏡的獲得的書畫作品真品的彩色宣紙數字 圖像轉為灰度圖。
[0092] 國際照明委員會（CIE)選擇紅色（波長700. OOnm)、綠色（波長546. lnm)、藍色 (波長438. 8nm)這三種單色作為表示最基本的三種顏色，任何顏色都可以由這三種顏色表 示而成，這就是RGB顏色表示系統。
[0093] 由于人眼對綠色通道最為敏感，因而綠色通道包含的紋理信息最多，且與原圖相 t匕，綠色通道的對比度也有所提高，噪聲比原圖要少。因此，本發明將光學顯微鏡的彩色圖 像中的顏色分離出綠色通道，用綠色通道的值來表示灰度圖像的灰度值。
[0094] 直方圖均衡化是圖像處理領域中常用的處理方法，用于改善背景和前景都太亮或 都太暗的圖像質量。原理就是利用圖像的直方圖對圖像整體的對比度做出調整。可以理解 為把原始圖像的灰度直方圖從比較聚集的一些灰度區間變為在整個灰度范圍內的均勻分 布，使得一定灰度范圍內的像素數量大概一樣。
[0095] 圖像中灰度為i的像素出現的概率是：
[0096]

【權利要求】
1. 一種基于紋理特征的書畫作品檢測方法，其特征在于，包括以下步驟： (1) 獲取書畫作品真跡的宣紙數字圖像； (2) 對宣紙數字圖像進行預處理，得到預處理后的宣紙數字圖像； (3) 利用SURF算法，從預處理后的宣紙數字圖像中提取紋理特征； (4) 對待檢測書畫作品進行紋理特征匹配，如果匹配，則待檢測書畫作品為所述書畫作 品真跡；如果不匹配，則待檢測書畫作品為贗品。
2. 如權利要求1的基于紋理特征的書畫作品檢測方法，其特征在于，步驟（4)中采用雙 向Flann匹配算法對待檢測書畫作品進行紋理特征匹配。
3. 如權利要求2的基于紋理特征的書畫作品檢測方法，其特征在于，步驟（4)中進行紋 理特征匹配之前還包括以下步驟： (41) 利用改進K-Means算法進行聚類，獲得每類的中心； (42) 通過步驟（41)中獲得的類的中心，以類的中心為中心截取方形區域，以最高的方 形區域的相似度來判斷待檢測書畫作品的真偽性。
4. 如權利要求1的基于紋理特征的書畫作品檢測方法，其特征在于，步驟（2)對宣紙數 字圖像進行預處理采用彩色圖轉灰度圖、直方圖均衡化、形態學變換、邊緣檢測或Gabor過 濾中的一種或幾種的組合。
5. 如權利要求1的基于紋理特征的書畫作品檢測方法，其特征在于，步驟（3)利用 SURF算法，從預處理后的宣紙數字圖像中提取紋理特征，包括以下步驟： (31) 利用積分圖像計算Haar特征； (32) 構造Hessian矩陣，獲得極值點； (33) 采用高斯濾波找出了點（x，y)是否為局部極值點的判斷依據； (34) 提取特征點； (35) 獲取特征點特征方向； (36) 構造SURF特征點描述算子。
6. 如權利要求5的基于紋理特征的書畫作品檢測方法，其特征在于，步驟（35)獲取特 征方向包括以下步驟： (351) 以特征點為圓心，以特征點所在的尺度的六倍為半徑，建立圓區域； (352) 以60度扇形區域與設定的間隔掃描圓區域； (353) harr小波響應的最大值為特征點所在的尺度的四倍，按照距離圓心的遠近賦予 權重,距離圓心越遠，權重越小； (354) 將扇形區域內每個點的Harr小波響應矢量相加； (355) 找到Harr小波響應矢量和最大的扇形區域，扇形區域的矢量方向為特征點的特 征方向。
7. 如權利要求5的基于紋理特征的書畫作品檢測方法，其特征在于，步驟（34)提取特 征點的方法包括以下步驟： (341) 將局部極值點與位于同一尺度中相鄰的8個點以及上下兩個相鄰尺度的18個點 進行比較，如果局部極值點為極值點，則局部極值點為初步極值點； (342) 在獲取了全部初步特征點之后，用三維線性差值方法獲取亞像素級別的特征點， 然后去掉小于設定閾值的點，得到最終的特征點。
【文檔編號】G06K9/64GK104217221SQ201410428074
【公開日】2014年12月17日 申請日期:2014年8月27日 優先權日:2014年8月27日
【發明者】任海軍, 龍瀾, 潘璐璐, 吳良俊, 郭曉東, 吳海燕, 王博 申請人:重慶大學