基于混沌圖像的防偽技術(shù)

1、基于混沌圖像的防偽技術(shù)防偽技術(shù)進(jìn)展到今日,已經(jīng)成為一個(gè)相當(dāng)可觀而且增長(zhǎng)快速的產(chǎn)業(yè),詳細(xì)的辦法 技術(shù)和產(chǎn)品不勝枚舉 當(dāng)前主要的防偽技術(shù)有:激光防偽技術(shù) 生物防偽技術(shù) 核徑跡防偽技術(shù) 包裝防偽技術(shù)和查詢識(shí)別類防偽技術(shù)等等 防偽技術(shù)眾多,但是不論采納何種防偽技術(shù),無(wú)外乎數(shù)字型和模擬型兩種,而混沌防偽技術(shù)結(jié)合了這兩種類型并通過(guò)在模擬信息和數(shù)據(jù)信息之間建立一一對(duì)應(yīng)關(guān)系來(lái)達(dá)到防偽的目的 因?yàn)槟M信息是無(wú)法復(fù)制的,因此囫圇防偽標(biāo)識(shí)也是無(wú)法被復(fù)制 破密的 另外,因?yàn)樗男畔⒘看?在這種防偽標(biāo)志上即使受到一些污點(diǎn)也不影響真假的分辨,抗干擾能力強(qiáng)1 混沌圖像的產(chǎn)生混沌現(xiàn)象無(wú)處不在,只要精心留意,就會(huì)發(fā)覺(jué)身邊處處都

2、有混沌現(xiàn)象 例如,拿一張紙任意一撕,就會(huì)發(fā)覺(jué)紙的邊緣有無(wú)數(shù)毛刺 這些毛刺既沒(méi)有邏輯也不行以被重復(fù)產(chǎn)生 類似于以上現(xiàn)象,用鋼筆在受潮的紙上畫一條線時(shí),墨水馬上就在紙上滲透開(kāi)來(lái),在線的兩側(cè)浮現(xiàn)了很多長(zhǎng)短 外形都不一樣的“毛刺” 這也是一個(gè)混沌現(xiàn)象,同樣也是不行復(fù)制的 混沌防偽技術(shù)正是基于這種混沌現(xiàn)象 明顯,這種辦法制作簡(jiǎn)單,成本低,十分適合應(yīng)用于各式各樣的票證 在本文中,為了增強(qiáng)防偽的信息量和美觀,用鋼筆畫了四條長(zhǎng)短一至 互相并行的線條在受潮的紙上,外加一個(gè)定位框組成混沌防偽圖像(1) 圖中有四條混沌軌道,每條混沌軌道四面是長(zhǎng)短參次不齊 彎曲不同的毛刺 混沌防偽技術(shù)正是利用這些混沌軌道的不行復(fù)制性

3、來(lái)達(dá)到防偽的目的2 混沌防偽標(biāo)志的識(shí)別和信息化從攝像機(jī)上得到的圖像,無(wú)論從幾何外形(尺寸 傾斜角度)上,還是從光照度上都是不確定的 為了能夠?qū)D像舉行分析,必需首先獲得以上的信息,也就是說(shuō)必需對(duì)圖像舉行定位,然后歸一化到某一個(gè)確定的幾何外形 光照度 在詳細(xì)實(shí)現(xiàn)時(shí),需要在混沌防偽圖像周圍設(shè)計(jì)定位符 識(shí)別過(guò)程2所示 采納圖像模式識(shí)別 圖像定位 圖像光照強(qiáng)度分析 圖像均衡 圖像放大 縮小和旋轉(zhuǎn)等等圖像處理技術(shù),獵取定位符的幾何 光照等信息 然后按照定位符的這些信息對(duì)混沌防偽圖像舉行歸一化處理,從而使得防偽圖像具有較強(qiáng)的幾何適應(yīng)性和光照適應(yīng)性,抗干擾能力強(qiáng),從而大大降低了硬件的成本 因?yàn)槊織l混沌軌道相

4、對(duì)于混沌防偽圖像是不確定的,圖像識(shí)別 定位后,不能挺直讀取混沌防偽圖像的數(shù)字信息,還必需采納直線擬合的辦法定位每條混沌軌道(結(jié)果1) 把圖1中的許多毛刺所組成的曲曲折折的曲線看作是一條不規(guī)章的波形 然后對(duì)它舉行采樣 于是可以得到以下序列: xi=x1x2x3xixn (1)3 用復(fù)雜性算法提取特征值因?yàn)榛煦鐖D像的信息量大 結(jié)構(gòu)細(xì)微,而現(xiàn)有儀器的精度卻很有限,不適合挺直計(jì)算毛刺的長(zhǎng)短作為混沌圖象的特征信息 為此本文采納類似于符號(hào)動(dòng)力學(xué)的辦法,也就是粗?；k法,將序列1 的復(fù)雜性測(cè)度作為混沌軌道的特征序列 復(fù)雜性辦法是計(jì)算給定一個(gè)序列的復(fù)雜程度,任何信號(hào)根本上都是一個(gè)序列,復(fù)雜性測(cè)度就反應(yīng)這個(gè)序列

5、的一個(gè)重要的非線性特征 首先取序列(1)的均值:按(3)式可以把序列(1)變?yōu)榉?hào)序列si=s1s2s3si snkolmogorov認(rèn)為序列si的復(fù)雜性可以代替序列xi的復(fù)雜性 采納最基本的kolmogorov復(fù)雜性算法處理序列si 按照kolmogorov復(fù)雜性可認(rèn)為是產(chǎn)生某給定(0,1)序列最少的計(jì)算機(jī)程序的比特?cái)?shù),它可以用來(lái)衡量序列的復(fù)雜程度如何 lempel和ziv定義了由有限集合的元素所構(gòu)成的有限序列的復(fù)雜度c(n),它反映了序列臨近隨機(jī)的程度 按有限序列從頭開(kāi)頭反復(fù)舉行以下操作:每次添加一個(gè)元素構(gòu)成一個(gè)檢驗(yàn)子串,假如該子串在除去最后添加的那個(gè)元素之前所構(gòu)成的序列中已浮現(xiàn)過(guò),那么所

6、構(gòu)成的新序列的復(fù)雜度保持不變,并繼續(xù)添加元素,直到由上述相繼添加元素所構(gòu)成的添加子串在除去最后添加的那個(gè)元素之前所形成的囫圇序列中從未浮現(xiàn)過(guò)為止 此時(shí)囫圇序列的復(fù)雜度增強(qiáng)一,當(dāng)往后繼續(xù)添加元素時(shí)重新建立新的檢驗(yàn)子串,如此反復(fù)舉行,直到結(jié)束 假如最后一個(gè)檢驗(yàn)子串在除去末尾一個(gè)元素之前的序列中浮現(xiàn)過(guò),復(fù)雜度也仍然加一 詳細(xì)來(lái)說(shuō),分以下幾個(gè)步驟: (1)如果有一數(shù)列(x1,x2,x3,.xn), 首先求得這個(gè)數(shù)列的平均值m,再把這個(gè)數(shù)列重構(gòu) 大于平均值m的值,令它們?yōu)?;小于平均值m的,令之為0 這樣,就構(gòu)成了(s1,s2,.sn)新的(0,1)序列 (2)在這樣的(0,1)序列中已形成的一串字符s

7、=s1,s2,.sr后,再加稱之為q的一個(gè)或一串字符sr+1或者(sr+1,sr+2sr+k),得到sq 令sq是一串字符sq減去最后的一個(gè)字符,再看q是否屬于sq字符串中已有的“字句” 假如已經(jīng)有過(guò),那么把這個(gè)字符加在后面稱之為“復(fù)制” 假如沒(méi)有浮現(xiàn)過(guò),則稱之為“插入” “插入”時(shí)用一個(gè)“ ”把前后分開(kāi) 下一步則把“ ”前面的全部字符看成s,再重復(fù)如上步驟 例如,序列0010的復(fù)雜度可以由下列步驟而得: a)第一個(gè)符號(hào)永久是插入0. b)s=0,q=0, sq=00, sq=0,q屬于sq0.0. c)s=0,q=01,sq=001,sq=00,q不屬于sq0.01. d)s=001,q=0

8、,sq=0010,sq=001,q屬于sq0.01.0.這時(shí)c(n)=3 如符號(hào)列0000.應(yīng)是最容易的,它的形式應(yīng)是0.0000,c(n)=2 符號(hào)列01010101應(yīng)是0.1.0101,c(n)=3 (3)如上所述,就得到用“ ”分成段的字符串 分成了段的數(shù)目就定義為“復(fù)雜度”c(n) 按照l(shuí)ampel和ziv的討論,對(duì)幾乎全部的x屬于0,1區(qū)間的c(n)都會(huì)趨向一個(gè)定值:其中,b(n)是隨機(jī)序列的漸舉行為,可以用它來(lái)使c(n)歸一化,稱為“相對(duì)復(fù)雜度” 定義相對(duì)復(fù)雜度: c(n)=c(n)/b(n)=c(n)logn/n (5) 通常就是用這個(gè)函數(shù)來(lái)表達(dá)時(shí)光序列的復(fù)雜性變幻 從這種算法可以看出,徹低隨機(jī)的序列c