一种基于光谱特征的光致变色防伪材料智能识别方法与流程

摘要: 本发明涉及智能防伪识别,尤其涉及一种基于光谱特征的光致变色防伪材料智能识别方法。背景技术:1、在工业制造与物联网溯源领域,基于光谱特征的光致变色防伪材料因具有较...
一种基于光谱特征的光致变色防伪材料智能识别方法与流程

本发明涉及智能防伪识别,尤其涉及一种基于光谱特征的光致变色防伪材料智能识别方法。

背景技术:

1、在工业制造与物联网溯源领域,基于光谱特征的光致变色防伪材料因具有较高的反向工程壁垒而被广泛应用。此类材料在特定激发光源的照射下,其内部光敏分子会发生物理化学转化,从而在宏观上表现出特定的透光度渐变响应。为实现大规模产品的高效真伪鉴别,通常需要将贴附有此类防伪标签的产品部署于高速物流分拣或印制产线品检等环节,利用工业视觉检测设备发射瞬态脉冲光照射高速移动的标签,并同步进行动态图像采集,以获取材料的光谱响应数据进行识别验证。

2、然而,光致变色反应存在时间滞后,在面对高速运行的工业流水线时,标签受瞬态激发光照射的时间较短,材料仅出现初始变色趋势便脱离检测视野,难以达到变色后的光学稳态。这导致传统依赖比对材料稳态绝对光谱特征的静态识别算法难以提取有效特征,容易引发识别失效与误判,无法适应高速工业现场的检测需求。

技术实现思路

1、为了弥补以上不足,本发明提供了一种基于光谱特征的光致变色防伪材料智能识别方法,旨在改善现有技术难以在高速流水线上材料未达到变色稳态时进行识别验证的问题。

2、本发明提供了如下技术方案,一种基于光谱特征的光致变色防伪材料智能识别方法,包括:

3、s1、发送全光谱脉冲激发光照射处于运动状态的光致变色防伪材料,并在所述光致变色防伪材料接受照射的变色初始阶段内,连续采集包含运动模糊的多帧瞬态光谱图像序列;

4、s2、从所述多帧瞬态光谱图像序列中提取预设在所述光致变色防伪材料表面的隐蔽图文区域,并将所述隐蔽图文区域的基准轮廓边界作为用于图像空间标定的基准锚点;

5、s3、基于所述基准锚点在所述运动状态下产生的畸变量计算点扩散函数,并采用反卷积算法利用所述点扩散函数对所述多帧瞬态光谱图像序列进行复原,得到多帧复原光谱图像序列;

6、s4、对所述多帧复原光谱图像序列进行光谱特征定位,提取各帧图像对应的局部透光度特征向量,构建反映光致变色速率的时间序列;

7、s5、将所述时间序列输入预设的渐近线生长曲线方程中进行参数拟合,通过计算所述方程中时间变量趋于无穷大时的极限值,推算出所述光致变色防伪材料的稳态光谱特征极限预测值;

8、s6、将所述多帧复原光谱图像序列中的所述隐蔽图文区域的形态特征与推算出的所述稳态光谱特征极限预测值,分别与预存的标准图文特征和基准光谱极限容差区间进行比对验证,输出真伪识别结果。

9、优选的,步骤s1中,所述连续采集包含运动模糊的多帧瞬态光谱图像序列的步骤,包括:

10、生成同步触发控制指令,驱动全光谱光源发射具有预设占空比与预设频率的瞬态脉冲光束;

11、根据所述同步触发控制指令,控制图像采集设备的曝光窗口与所述瞬态脉冲光束对齐,捕捉材料初始变色阶段的瞬态光谱图像;

12、将所述瞬态光谱图像按照采集时间戳进行序列化排列,生成所述多帧瞬态光谱图像序列。

13、优选的,步骤s2中,所述提取预设在所述光致变色防伪材料表面的隐蔽图文区域的步骤,包括:

14、利用自适应对比度增强算子对所述多帧瞬态光谱图像序列进行预处理,提升材料预设波段下的局部特征信噪比;

15、应用图像分割算法识别预处理后图像中的纹理梯度边界,并利用连通域分析技术隔离出独立的图文连通区块;

16、提取所述图文连通区块的边缘像素点集,构建表征所述隐蔽图文区域基准轮廓边界的空间拓扑坐标集合。

17、优选的,步骤s3中,所述基于所述基准锚点在所述运动状态下产生的畸变量计算点扩散函数的步骤,包括:

18、调取预存的标准无畸变图文模板,将所述标准无畸变图文模板与当前提取的所述基准锚点进行空间几何对齐运算;

19、计算对齐结果的位移偏量与拉伸形变率,提取表征运动轨迹的模糊方向角与模糊尺度参数;

20、利用所述模糊方向角与所述模糊尺度参数构建参数化模糊核矩阵,生成所述点扩散函数。

21、优选的,步骤s3中,所述对所述多帧瞬态光谱图像序列进行复原的步骤,包括:

22、对所述多帧瞬态光谱图像序列执行傅里叶变换,将二维空间像素矩阵转换为频域空间下的复数频谱矩阵;

23、构建包含所述点扩散函数频域表达与信噪比正则化约束项的频域滤波算子,对所述复数频谱矩阵进行逆向频域滤波计算以抑制背景噪声;

24、对经过滤波计算的频谱数据执行二维傅里叶逆变换,消除运动模糊造成的像素混叠,输出所述多帧复原光谱图像序列。

25、优选的,步骤s4中,所述提取各帧图像对应的局部透光度特征向量的步骤,包括:

26、以复原后的隐蔽图文区域为定位原点,在所述多帧复原光谱图像序列中划定用于捕捉响应特征的检测窗口;

27、计算各帧图像中所述检测窗口内预设色彩通道的像素灰度均值,并通过归一化处理映射为当前时刻的光谱响应数值;

28、按采集时间戳先后顺序连接不同帧图像提取的光谱响应数值,组合生成一维数值矩阵作为所述局部透光度特征向量。

29、优选的,步骤s5中,所述将所述时间序列输入预设的渐近线生长曲线方程中进行参数拟合的步骤,包括:

30、构建以时间为自变量、透光度特征为因变量的非线性回归模型,并设定所述非线性回归模型的基础函数簇为广义生长函数;

31、以所述时间序列的离散数据点作为训练集,建立实际观测数值与广义生长函数理论输出值之间的残差平方和目标函数;

32、采用迭代优化算法对所述目标函数进行计算,求解得到使目标函数最小化的特征参数集,完成方程的参数拟合。

33、优选的,步骤s5中,所述推算出所述光致变色防伪材料的稳态光谱特征极限预测值的步骤,包括:

34、获取对所述渐近线生长曲线方程进行参数拟合得到的特征参数集,并将所述特征参数集代入所述渐近线生长曲线方程中,确立表征变色动力学的目标参数化数学方程;

35、对所述目标参数化数学方程中的时间变量执行取无穷大极限的推导运算,计算得到水平渐近线方程;

36、提取所述水平渐近线方程在因变量坐标轴上的饱和极限量值,将所述饱和极限量值作为所述稳态光谱特征极限预测值。

37、优选的,步骤s6中,所述分别与预存的标准图文特征和基准光谱极限容差区间进行比对验证的步骤,包括:

38、计算所述隐蔽图文区域的形态特征与所述标准图文特征之间的空间相似度得分,并判定所述空间相似度得分是否满足预设的结构真伪阈值;

39、量化所述稳态光谱特征极限预测值与预设基准光谱中心值的偏差量,并验证所述偏差量是否落入所述基准光谱极限容差区间内;

40、基于联合逻辑判断规则,仅在结构真伪阈值判定通过且偏差量验证通过的联合条件下,输出真伪识别通过的结果。

41、本发明具有如下有益效果:

42、1、本发明中,通过提取材料激发初期的透光度序列并引入渐近线生长曲线方程拟合,利用极限运算直接推算稳态光谱特征预测值,有效避免了传统识别需等待物理变色稳定的时间限制,将验证耗时缩短,满足了高速工业流水线的检测需求。

43、2、本发明中,将材料预设的隐蔽图文作为空间标定锚点,动态提取运动畸变量以构建点扩散函数,并利用频域逆向滤波对图像进行反卷积复原,从而将物理防伪特征作为图像复原的先验参照,在不增加额外光学防抖硬件的条件下,有效校正了由高速运动造成的像素混叠失真。

44、3、本发明中,将复原的空间图文特征与推算的光谱特征极限预测值进行联合比对验证,使识别过程同时校验材料的印刷形态与光敏分子的动态变色速率,有效防止了仅仿造外观或仅模拟变色现象的单一伪造风险,提升了防伪安全性与认证可靠性。