一、防伪标志如何识别真假（论文文献综述）
黄义妨,魏丹丹,武淼,李慧斌,郭勐[1]（2021）在《面向不同传感器与复杂场景的人脸识别系统防伪方法综述》文中研究表明人脸识别技术作为一项重要的生物特征识别技术,在人们的日常生活中得到广泛应用。尽管人脸识别技术已取得明显进展,但当前的人脸识别系统仍容易受到非法用户的恶意攻击,因此人脸防伪技术成为人脸识别过程中必不可少的一个环节。在简述人脸防伪概念及常见攻击类型的基础上,分析人脸防伪方法的主要建模思路,从面向不同传感器与面向复杂场景的人脸识别系统防伪方法切入,分类阐述不同人脸防伪方法的基本原理及发展脉络。总结公开人脸防伪数据库,分析比较代表性防伪方法及其性能表现,并对人脸防伪问题的未来发展趋势进行展望。
王雪琪[2]（2021）在《民国药品商标设计艺术研究》文中研究表明早在明清时期欧风东渐,西药跟随西方传教士的传教活动就进入我国,但其最初只是作为传教的附带品,还谈不上与中国本土的中药抗衡。发展至民国时期,随着西方商品在中国市场的大量倾销,在医药领域西药所占比重日益提高。发展至1929年,当中药废止制度提出后,西药进入中国市场的数量剧增。在西药洪水滔天的冲击下,传统中药企业陷入前所未有的危机,在生死抉择的背景下,中药企业意识到药品宣传销售中商标设计的重要性。于是在现实性与紧迫性的双重压力下,中药的商标设计中大量将本土化的符号与西方的设计语汇进行融合,从而开辟了近代药品商标的设计思路,产生了众多题材丰富、手法多样、寓意鲜明、时代风格突出的优秀药品商标设计。从目前遗留的民国药品商标中,可以清楚直观地捕捉到国人在面对西方文化冲击时的种种探索和创新精神。清末民初的药品商标倾向于传统民族风格,发展到二十世纪二三十年代由于西药普及、商标法颁布,药品商标出现了对于西方设计语言的模仿和借鉴。为此,本文通过对民国药品商标图形的比较与分析,论述民国时期商标法的不完善和人们对商标保护意识的淡薄,以至于药品商标设计中出现了近似、冒用、混用等设计杂象。与此同时,归纳整理民国商标设计中对传统符号和现代符号重新塑造的过程与理念,并在此基础上探寻民国商标设计风貌和历经的摸索历程,以此改变中国近现代平面设计中商标设计研究不足的现状,希望对当今中国药品领域的商标设计有所参考和启发。
齐凤亮,田丽丽,光晓俐,李志豪,廉哲,尹宝华,杨爱东[3]（2021）在《浅析纸钞的公众防伪设计》文中提出钞票是国家名片,各国为了防范伪造都在钞票上采用了大量防伪技术。钞票的防伪技术一般分为公众防伪、专业防伪和专家防伪三个层次。公众防伪特征是公众无需使用特殊设备就能鉴别钞票真假的主要手段,也是假币犯罪分子突破的重点。为了应对制假技术的提高,增强货币的防伪能力,中国人民银行和欧美等国央行也在不断对钞票进行改版提升,将最新的防伪技术应用到钞票中,同时加大宣传力度,提高普通民众对钞票防伪点的识别能力。本文调研了欧美等国央行在钞票防伪技术提升与防伪点的公众识别方面的研究,分析了新版人民币与部分国家和地区最新发行的纸质钞票的公众防伪特征,对比了不同纸钞的公众防伪特点,结合纸钞防伪设计分析,从更新钞票防伪设计、加强公众宣传等方面,为防范假币提出了建议。
戴倩宁[4]（2020）在《基于SWT的混沌加密防伪标签识别算法研究》文中研究指明近年来,假冒商品的蔓延已遍及全球,受侵权商品的范围也大大增加。某些消费品,尤其是一些非常昂贵或着名的品牌,或者是易于廉价复制的一些品牌,成为了不良商家常见的伪造对象。伪造者企图通过欺骗消费者,让他们误以为自己购买的是合法商品,或者通过模仿正品来混淆正品和伪劣产品,从而获取暴利。这样不仅损害了消费者的利益,也大大降低了品牌的认可度和损害了被伪造品牌的形象。为了增加消费者对产品的可信度,维护商家的利益,有效的防伪技术变得尤为重要。在这个高速发展的数字化时代,各大产业纷纷与信息化产业结合并迸发出蓬勃的生机。云技术作为新时代产物,承载着各大产业的重要信息。大部分商家选择把防伪标签上传到云端,以便实现防伪标签的快速识别。近年来,很多违法犯罪分子为了窃取有效的防伪信息,不断攻击第三方云系统,导致信息泄露的事件层出不穷。所以为了提高防伪标签自动识别算法的鲁棒性和安全性,本文在特征提取和防伪标签混沌加密两方面作了进一步研究。提出了基于SWT的混沌加密防伪识别算法。本文主要做了以下研究工作:（1）研究了混沌加密方式。将防伪标签图像由空间域变换为频域,利用得到的频域系数结合不同的混沌加密技术实现对防伪标签图像的加密。（2）研究了加密防伪标签图像特征提取技术。利用平稳小波变换对加密防伪标签图像进行特征提取。（3）研究了混沌加密防伪标签在攻击实验下算法的鲁棒性。研究了加密防伪算法在抵抗高斯攻击、中值滤波攻击等常规攻击,和旋转攻击、剪切攻击等几何攻击的性能,验证算法的鲁棒性。（4）研究了混沌加密的密钥空间:基于Logistic混沌、陈氏混沌、蔡氏混沌提出了3种混沌加密防伪识别算法,并通过密钥敏感性测试计算密钥空间,从而验证算法的安全性;（5）对三种基于SWT的混沌加密防伪识别算法的鲁棒性、密钥空间等指标做了对比分析。总结出适合真迹防伪标签自动识别最优算法,并为将来下一步研究工作指出了研究重点和研究方向。
郭素珍[5]（2020）在《基于手机图像的人民币鉴伪技术研究与实现》文中指出基于手机图像的人民币鉴伪方法的研究有助于维护人民币在国际上的声誉,保障我国金融安全,维护社会正常的经济秩序以及维护社会的稳定性,推进反假鉴伪工作,同时有助于人民币鉴伪在移动手机端的扩展,具有重要的研究意义和应用前景。本文基于手机人民币图像进行鉴伪技术研究与实现。具体工作如下:（1）建立了一个手机人民币图像真假数据集。通过对手机人民币图像鉴伪部位的分析,使用5种配置（三种手机四种分辨率,魅族16plus＿4032＿3024、小米8＿4032＿3024、小米8＿4032＿2268、荣耀v20＿4000＿3000、荣耀v20＿2992＿2992）对100元真假币的四个凹版印刷区域（国徽、中间100、梅花、衣领）进行数据采集。每种配置每种鉴伪区域的训练集真假样本各900张、验证集真假样本各300张、测试集真假样本各300张。（2）提出并实现了基于纹理特征和颜色加权的LR鉴伪方法。本文数据集由凹版印刷区组成,具有丰富的纹理特征,故而设计了基于GLCM纹理特征、GGCM纹理特征、GLCM纹理特征和颜色加权、GGCM纹理特征和颜色加权的LR四种鉴伪方法。它们都以共生矩阵的二阶统计量（ASM、CON、IDM和ENT）作为纹理特征,均以LR作为分类器,颜色加权通过1×1的卷积核实现。实验证明了仅使用GLCM或GGCM纹理特征的鉴伪方法准确率较低,增加颜色加权后准确率均有提高。（3）提出并实现了基于颜色加权和VGG16的人民币图像鉴伪方法。在基于通用深度卷积网络的人民币图像鉴伪方法中,使用四种经典网络（VGG16、Inception＿v3、Res Net50、Dense Net＿121）进行实验分析。实验证明了卷积神经网络作为特征提取器的鉴伪性能优于使用纹理特征的鉴伪模型;VGG16的block5作为特征提取器时鉴伪性能最高,故而后期提出了基于颜色加权和VGG16的人民币鉴伪方法。实验证明了颜色加权有助于基于VGG16构建的人民币鉴伪方法鉴伪性能的提高。（4）提出并实现了基于颜色加权和VGG16构建的BCNN的人民币图像鉴伪方法。基于VGG16构建的BCNN鉴伪方法、基于颜色加权和VGG16构建的BCNN方法的两种方法均是用一路VGG16模拟两路从而构建BCNN,颜色加权通过在输入层之后紧接形状为[1,1,3,3]的卷积层实现。实验证明了BCNN鉴伪模型在各种二分类指标上全面优于通用卷积神经网络;颜色加权同样有利于鉴伪性能提高。（5）实现了手机人民币图像鉴伪模型在移动手机端的移植。通过谷歌开源的keras框架将鉴伪模型量化为安卓系统可以调用的轻量化模型。
汪锡平[6]（2019）在《基于深度学习的假币图像识别》文中研究说明基于手机图像的人民币真伪鉴别是实现手机拍照鉴别人民币真伪的关键技术,是实现人民币真伪鉴别手机终端化的重要环节。本文以人民币手机图像为研究对象,重点研究了基于丰富纹理的图像去噪、图像校正、基于传统纹理特征的真伪鉴别和基于深度卷积特征的真伪鉴别等工作。具体内容如下:（1）建立了一个真伪人民币数据集。其中真币样本1000张,假币样本137张。在多方协助下,采集了假币原始样本137张,其中全假币50张,左真右假变造币41张,左假右真变造币45张,左真右真变造币1张。（2）设计并实现了一种基于人民币纹理分析的组合中值滤波。针对人民币纹理细节丰富的特点,将人民币图像划分为小块,对每块进行纹理分析,设计了一个量化纹理的纹理复杂因子,当图像块中纹理复杂因子较小时采用大尺寸方形中值滤波,反之则采用小尺寸线性中值滤波。实验结果表明,相比单一的传统中值滤波不仅具有较好的视觉效果,而且在PSNR和SSIM标准下也具有更优的表现。设计了基于理想直线的误差惩罚加权函数,改进了加权最小二乘直线拟合法,对比试验表明该方法能够有效地降低异常点对边缘直线拟合结果的影响。（3）设计并实现了在D-S证据理论框架下融合GLCM纹理特征和Gabor纹理特征的人民币真伪鉴别法。经对比研究选定了人民币图像的防伪区域,利用基于GLCM纹理特征提取法和基于Gabor纹理特征提取法分别对选定区域进行特征提取,然后利用LIBSVM中带RBF核的SVM进行分类,实验结果表明,基于单特征的真伪识别效果欠佳。利用D-S证据理论融合这两种特征,对人民币进行真伪鉴别,对比实验表明,基于D-S多特征融合鉴别法可以有效提升基于单特征鉴别法的识别率,降低其误识率和拒识率。（4）设计并实现了基于VGG-19卷积神经网络的人民币真伪鉴别。使用VGG-19卷积神经网络对人民币特征区域进行特征提取,设计了两个1 X 1卷积层取代全连接层对提取的特征进行融合降维,最后使用LIBSVM中带RBF核的SVM进行分类,实现人民币真伪鉴别。实验对比基于传统特征的真伪鉴别方法,基于卷积神经网络的真伪识别方法不仅具有更高的准确率,而且对于特征区域发生平移等具有更好的容错能力,具有更佳的泛化能力。
张继成,李光恩[7]（2017）在《“假冒伪劣”的形成机制及其鉴别原理——“假冒伪劣”之法律规制的前置性研究》文中研究表明人类的生活世界由自然事物和人造事物构成,其中自然事物必然无真假,人造事物可以有真假。社会实在由无情性物理实在、功能赋予、集体意向性、构成性规则（或受调整性规则调控）等要素构成。一般来说,同时具备上述构成要件的就是"真"的人造事物,上述任一要素的缺乏（或存在瑕疵）或规则被滥用,就是"假冒伪劣"的人造事物;构成要件的缺乏（存在瑕疵）或规则被滥用是产生假冒伪劣现象的客观原因,追求（不法）利益是产生假冒伪劣商品或现象的主观原因和内在动力,这就是假冒伪劣的形成机制。根据前述形成机制,可以总结出6组15个对准确鉴别各种假冒伪劣商品或现象具有本体论指导意义的基本原理。
孙其新[8]（2015）在《基于多光谱图像的港币防伪鉴定研究》文中指出纸币真伪鉴别是模式识别领域的经典问题,其中港币真伪鉴定与分类是本学科的前沿课题,具有重要的市场意义和前景。港币真假的鉴定与分类算法的成熟度决定了金融机具对于港币的支持度,特别的对港币图像进行研究,能够有效解决这一问题。港币图像算法面临的主要问题有:港币版本多样,不同版本港币多光谱图像的图像特征、防伪点既有很多相似性,但又不尽相同;流通港币存在折旧、字迹、孔洞等问题。所有这些都对我们对港币的图像采集模型与预处理模型、港币面额面向关键技术、港币版本识别以及真假鉴定与识别等有着较为严格的要求。首先,针对港币图像采集模型与港币图像与处理,我们引入了多光谱摄像机模型,更好的分析了港币图像的边缘检测和直线拟合,并对获得的港币图像进行倾斜校正;其次,针对港币面额面向关键技术研究,特征提取阶段我们提出了有别于传统的红外光谱特征提取算法,并介绍了小波多频段特征提取方法,建立了面额面向特征样本库,并对其面额面向进行了识别;然后,采用区域对比策略,进行特征提取,并对提取到的港币特征防伪点进行特征级融合;最后,针对港币图像的真假鉴定与识别,我们分别提出了基于SVM和基于Adaboost分类算法的两种鉴定纸币真伪的方式,并对他们进行了对比。通过与其他纸币图像鉴定与分类算法的比较,表明本文提出的算法对于港币版本识别的准确率更高,鉴伪能力更强。
朱则刚[9]（2015）在《探秘印刷防伪油墨及其防伪技术》文中提出当下,假冒伪劣产品在我国屡禁不止,对名优产品造成了不小的冲击,严重扰乱了正常的社会经济秩序。面对市场上的这种不和谐音,无论国家还是厂商都千方百计地采用各种防伪技术尽量杜绝商品被仿造和假冒。在这种大环境下,印刷防伪技术突破了钞票、支票、债券、股票等有价证券领域,在商品包装领域的应用也越来越广泛。在安全防伪措施多样化的今天,各种新型印刷防伪技术层出不穷,呈现出百花齐放的局面。防伪技术的关键,是延长防伪技术的时
陈丁文,张义平[10]（2014）在《新版机动车驾驶证真伪的简易快速识别方法》文中研究指明利用假机动车驾驶证驾驶机动车实施犯罪的违法犯罪案件呈现逐年上升趋势,如何快速、有效地识别假驾驶证是一线交通民警工作中急需解决的问题。根据新版（2008版）机动车驾驶证的防伪特征,真假新版机动车驾驶证的简易识别方法主要从印刷材料、印刷方法、印刷技术和印刷图文等方面,利用一观察、二照射、三放大、四比较的方法进行快速识别。
二、防伪标志如何识别真假（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、防伪标志如何识别真假（论文提纲范文）
（1）面向不同传感器与复杂场景的人脸识别系统防伪方法综述（论文提纲范文）
| 0概述 |
| 1 人脸识别系统防伪方法 |
| 2 面向不同传感器的人脸识别系统防伪方法 |
| 2.1 基于不同传感器获取生理信息的人脸防伪方法 |
| 2.1.1 基于RGB视频流rPPG的人脸防伪方法 |
| 2.1.2 基于RGB视频时空运动信息的人脸防伪方法 |
| 2.1.3 基于热像仪的热度信息人脸防伪方法 |
| 2.2 基于不同传感器增强纹理信息的人脸防伪方法 |
| 2.2.1 RGB相机可见光图像纹理信息的人脸防伪方法 |
| 2.2.2 NIR相机与NIR图像纹理信息的人脸防伪方法 |
| 2.2.3 多光谱相机及图像纹理信息的人脸防伪方法 |
| 2.3 基于不同传感器增强形状信息的人脸防伪方法 |
| 2.3.1 可见光图像回归3D伪深度图人脸防伪方法 |
| 2.3.2 基于RGB-D相机深度图像信息的人脸防伪方法 |
| 2.4 基于多传感器多模态信息融合的人脸防伪方法 |
| 3 面向复杂场景的人脸识别系统防伪方法 |
| 3.1 基于单分类异常检测的未知场景人脸防伪方法 |
| 3.2 基于域适应与域泛化的跨场景人脸防伪方法 |
| 3.3 基于元学习的未知攻击人脸防伪方法 |
| 3.4 基于解耦表示学习的复杂场景人脸防伪方法 |
| 4 人脸防伪数据库及性能评估 |
| 4.1 人脸防伪数据库 |
| 4.2 实验评估 |
| 4.2.1 评估协议 |
| 4.2.2 性能评估指标 |
| 4.2.3 人脸防伪方法性能比较 |
| 5 未来发展方向 |
| 6 结束语 |
（2）民国药品商标设计艺术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 关于选题 |
| 1.2 研究现状及文献综述 |
| 1.2.1 国内相关期刊、硕博论文类 |
| 1.2.2 国内相关着作文献综述 |
| 1.3 重点、难点和创新点 |
| 1.4 研究思路与方法 |
| 2 民国时期的药品市场 |
| 2.1 本土国药 |
| 2.1.1 国药发展历史 |
| 2.1.2 民国国药市场 |
| 2.1.3 知名本土品牌 |
| 2.2 外来药品 |
| 2.2.1 西药的发展历史 |
| 2.2.2 西药输入中国市场 |
| 2.2.3 知名西药品牌 |
| 2.3 商标立法 |
| 2.3.1 商标法的颁布 |
| 2.3.2 法规的不平等性 |
| 2.3.3 法规的争议性 |
| 3 民国药品商标的设计 |
| 3.1 本土文化下的设计 |
| 3.1.1 以中国汉字为主 |
| 3.1.2 以中国传统图形为主 |
| 3.1.3 中国传统风格图文结合 |
| 3.2 .外来文化下的设计 |
| 3.2.1 以外来文字为主 |
| 3.2.2 以外来风格图形为主 |
| 3.2.3 外来文化图文结合 |
| 3.3 中外融合下的设计 |
| 3.3.1 以中外文字结合为主 |
| 3.3.2 以中外图形融合为主 |
| 3.3.3 中外图文结合 |
| 4 民国药品商标设计杂象 |
| 4.1 商标设计的近似与相似 |
| 4.1.1 西文发音字形相似 |
| 4.1.2 中文发音文字近似 |
| 4.1.3 不同属性商品中文发音及字形相似 |
| 4.1.4 药品商标图案近似 |
| 4.1.5 同属性药品图案相似 |
| 4.1.6 不同属性商品图案近似 |
| 4.2 商标的冒用与混用 |
| 4.2.1 商标的冒用 |
| 4.2.2 商标的混用 |
| 4.3 防伪标志出现与应用 |
| 4.3.1 文字防伪 |
| 4.3.2 更新注册防伪 |
| 4.3.3 广告宣传商标防伪 |
| 4.3.4 增加多种商标防伪 |
| 4.3.5 注册系列商标防伪 |
| 4.3.6 重复图案防伪 |
| 4.3.7 版纹防伪 |
| 4.3.8 肖像防伪 |
| 5 结论 |
| 参考文献 |
| 图片出处 |
| 附录A |
| 附录B |
| 附录C |
| 作者攻读学位期间取得的研究成果 |
（3）浅析纸钞的公众防伪设计（论文提纲范文）
| 1 钞票的公众防伪 |
| 2 新版人民币及欧美新版纸钞的公众防伪设计 |
| 2.1 人民币等纸钞的公众防伪 |
| 2.1.1 2015年版第五套100元面额人民币 |
| 2.1.2 2013年发行的100元面额美元 |
| 2.1.3 2019年发行的欧罗巴系列100元面额欧元 |
| 2.2 不同纸钞公众防伪比较 |
| 3 小结 |
（4）基于SWT的混沌加密防伪标签识别算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.3 本文的主要工作与组织结构安排 |
| 2 基本理论与混沌系统 |
| 2.1 频域变换 |
| 2.1.1 离散余弦变换(DCT) |
| 2.1.2 离散平稳小波变换(SWT) |
| 2.2 混沌系统 |
| 2.2.1 Logistic混沌映射 |
| 2.2.2 陈氏混沌系统 |
| 2.2.3 蔡氏超混沌系统 |
| 2.3 数字图像评估标准 |
| 2.4 本章小结 |
| 3 基于SWT_DCT和 Logistic混沌的加密防伪标签识别算法 |
| 3.1 算法过程 |
| 3.1.1 Logistic混沌加密算法 |
| 3.1.2 提取特征向量 |
| 3.1.3 混沌加密防伪标签识别过程 |
| 3.2 实验结果与分析 |
| 3.2.1 算法的鲁棒性分析 |
| 3.2.2 鲁棒性对比实验分析 |
| 3.2.3 算法的安全性分析 |
| 3.3 本章小结 |
| 4 基于SWT_DCT和陈氏混沌的加密防伪标签识别算法 |
| 4.1 算法过程 |
| 4.1.1 陈氏混沌加密算法 |
| 4.1.2 提取特征向量 |
| 4.1.3 混沌加密防伪标签识别过程 |
| 4.2 实验结果与分析 |
| 4.2.1 算法鲁棒性分析 |
| 4.2.2 算法的安全性分析 |
| 4.3 本章小节 |
| 5 基于SWT_DCT和蔡氏混沌的加密防伪标签识别算法 |
| 5.1 算法过程 |
| 5.1.1 蔡氏混沌加密算法 |
| 5.1.2 提取特征向量 |
| 5.1.3 混沌加密防伪标签识别过程 |
| 5.2 实验结果与分析 |
| 5.2.1 算法鲁棒性分析 |
| 5.2.2 算法的安全性分析 |
| 5.3 本章小结 |
| 6 实验对比与分析 |
| 6.1 鲁棒性比较 |
| 6.2 安全性比较 |
| 6.3 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士期间的科研成果 |
| 致谢 |
（5）基于手机图像的人民币鉴伪技术研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 纸币鉴伪国内外研究现状 |
| 1.2.2 手机APP在反假币中的应用现状 |
| 1.3 论文主要研究内容及章节安排 |
| 2 手机人民币图像数据采集及相关技术分析 |
| 2.1 手机人民币图像鉴伪部位分析 |
| 2.1.1 人民币防伪特征介绍 |
| 2.1.2 人民币假币种类与特征 |
| 2.1.3 人民币鉴伪部位选择 |
| 2.2 手机人民图像数据采集 |
| 2.2.1 手机人民币图像数据采集方案设计 |
| 2.2.2 手机人民币图像鉴伪数据库组成 |
| 2.3 细粒度图像分类方法 |
| 2.3.1 细粒度图像分类 |
| 2.3.2 基于传统的特征提取的细粒度图像分类方法 |
| 2.3.3 基于通用深度卷积网络的细粒度图像分类方法 |
| 2.3.4 基于定位-识别的细粒度图像分类方法 |
| 2.3.5 基于通用深度卷积网络集成的细粒度图像分类方法 |
| 2.4 二分类模型主要评价指标 |
| 2.5 keras深度学习框架 |
| 2.5.1 主流深度学习框架对比 |
| 2.5.2 keras深度学习框架 |
| 2.5.3 本文实验基本网络配置 |
| 2.6 本章小结 |
| 3 一种基于纹理特征和颜色加权的LR鉴伪方法 |
| 3.1 引言 |
| 3.2 纹理特征提取方法对比 |
| 3.2.1 纹理基本定义和组成单元 |
| 3.2.2 纹理的种类 |
| 3.2.3 纹理特征提取方法 |
| 3.2.4 纹理特征提取方法比较 |
| 3.3 逻辑回归分类器 |
| 3.3.1 机器学习分类器 |
| 3.3.2 逻辑回归分类器 |
| 3.4 基于GLCM纹理特征的LR鉴伪方法 |
| 3.4.1 灰度共生矩阵(GLCM) |
| 3.4.2 基于GLCM纹理特征的LR鉴伪方法流程及模型 |
| 3.4.3 实验分析 |
| 3.5 基于GGCM纹理特征的LR鉴伪方法 |
| 3.5.1 灰度梯度共生矩阵(GGCM) |
| 3.5.2 边缘检测算子 |
| 3.5.3 基于GGCM纹理特征的LR鉴伪方法流程及模型 |
| 3.5.4 实验分析 |
| 3.6 基于纹理特征和颜色加权的LR鉴伪方法 |
| 3.6.1 基于卷积层的颜色加权 |
| 3.6.2 基于纹理特征和颜色加权的LR鉴伪方法流程及模型 |
| 3.6.3 实验分析 |
| 3.7 本章小结 |
| 4 基于颜色加权和VGG16 的人民币图像鉴伪方法 |
| 4.1 引言 |
| 4.2 卷积神经网络 |
| 4.2.1 .深度学习的发展 |
| 4.2.2 卷积神经网络概述 |
| 4.3 基于通用DCNN的人民币图像鉴伪方法 |
| 4.3.1 基于VGG16 的人民币图像鉴伪方法 |
| 4.3.2 基于Inception_v3 的人民币图像鉴伪方法 |
| 4.3.3 基于Res Net50 的人民币图像鉴伪方法 |
| 4.3.4 基于Dense Net_121 的人民币图像鉴伪方法 |
| 4.3.5 实验分析 |
| 4.4 基于颜色加权和VGG16 的人民币图像鉴伪方法 |
| 4.4.1 基于卷积层的颜色加权方法 |
| 4.4.2 基于颜色加权和VGG16 的人民币图像鉴伪方法模型 |
| 4.4.3 实验分析 |
| 4.5 本章小结 |
| 5 基于颜色加权和VGG16 构建的BCNN的人民币图像鉴伪方法 |
| 5.1 引言 |
| 5.2 双线性BCNN |
| 5.2.1 双线性来源 |
| 5.2.2 双线性汇合操作 |
| 5.2.3 双线性CNN模型 |
| 5.3 基于VGG16 构建的BCNN的人民币图像鉴伪方法 |
| 5.3.1 基于VGG16和BilinearPooling层简单组合的人民币图像鉴伪方法 |
| 5.3.2 基于VGG16和BilinearPooling层端到端组合的人民币图像鉴伪方法 |
| 5.3.3 实验分析 |
| 5.4 基于颜色加权和VGG16 构建的BCNN的人民币图像鉴伪方法 |
| 5.4.1 基于颜色加权和VGG16 构建的BCNN的人民币图像鉴伪模型 |
| 5.4.2 实验分析 |
| 5.5 手机人民币图像鉴伪模型的移动端实现 |
| 5.5.1 深度学习模型的压缩 |
| 5.5.2 移动端系统概述 |
| 5.5.3 手机APP结果展示 |
| 5.6 本章小结 |
| 6 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）基于深度学习的假币图像识别（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文结构 |
| 2 人民币手机图像预处理 |
| 2.1 人民币手机图像去噪 |
| 2.1.1 图像噪声模型 |
| 2.1.2 常见图像噪声 |
| 2.1.3 常用的去噪算法 |
| 2.1.4 基于人民币纹理的组合中值滤波 |
| 2.1.5 实验对比分析 |
| 2.2 人民币手机图像增强 |
| 2.2.1 线性变换和非线性变换 |
| 2.2.2 直方图均衡化 |
| 2.3 人民币手机图像校正 |
| 2.3.1 人民币手机图像边缘检测 |
| 2.3.2 人民币手机图像畸变校正 |
| 2.4 本章小结 |
| 3 GLCM纹理特征和Gabor纹理特征 |
| 3.1 引言 |
| 3.2 纹理特征简介 |
| 3.3 纹理特征提取方法 |
| 3.3.1 基于统计的提取方法 |
| 3.3.2 基于模型的提取方法 |
| 3.3.3 基于结构的提取方法 |
| 3.3.4 基于信号的提取方法 |
| 3.4 基于GLCM的人民币手机图像特征提取 |
| 3.4.1 GLCM理论基础 |
| 3.4.2 基于GLCM纹理特征参数的选择 |
| 3.4.3 基于GLCM的人民币纹理特征提取 |
| 3.5 基于Gabor滤波器的人民币手机图像特征提取 |
| 3.5.1 二维Gabor滤波器 |
| 3.5.2 基于Gabor滤波器的人民币特征提取 |
| 3.6 本章小结 |
| 4 基于SVM和D-S理论的人民币手机图像鉴伪 |
| 4.1 引言 |
| 4.2 SVM理论基础 |
| 4.2.1 线性可分SVM |
| 4.2.2 线性不可分SVM |
| 4.3 D-S证据理论基础 |
| 4.3.1 假设空间 |
| 4.3.2 基本概率分配函数 |
| 4.3.3 信任函数和似然函数 |
| 4.3.4 信任区间 |
| 4.3.5 D-S证据合成规则 |
| 4.4 D-S证据融合分类方法 |
| 4.4.1 分类方法结构 |
| 4.4.2 基本信任分配函数 |
| 4.4.3 分类决策规则 |
| 4.5 基于手机图像的人民币鉴伪实验 |
| 4.5.1 基于手机图像的人民币数据集 |
| 4.5.2 基于手机图像的人民币鉴伪实验分析 |
| 4.6 本章小结 |
| 5 基于深度学习的人民币手机图像鉴伪 |
| 5.1 引言 |
| 5.2 深度学习理论基础 |
| 5.2.1 人工神经网络 |
| 5.2.2 前馈神经网络 |
| 5.2.3 反向传播算法 |
| 5.2.4 卷积神经网络 |
| 5.2.5 卷积神经网络结构 |
| 5.2.6 常用的卷积神经网络介绍 |
| 5.3 基于VGG-19的人民币手机图像特征提取 |
| 5.3.1 数据集 |
| 5.3.2 VGG-19特征可视化 |
| 5.3.3 基于VGG-19特征选择 |
| 5.4 实验分析 |
| 5.4.1 与基于纹理特征的人民币手机图像鉴伪比较 |
| 5.4.2 影响识别率原因分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）“假冒伪劣”的形成机制及其鉴别原理——“假冒伪劣”之法律规制的前置性研究（论文提纲范文）
| 一、自然事物必然无真假、人造事物可以有真假 |
| (一) 真假只能作为命题的评价词的观点是错误的 |
| (二) 事物分为自然事物和人造事物 |
| (三) 事物的属性分为独立于观察者的属性和依赖于观察者的属性 |
| (四) 自然事物必然无真假, 人造事物可以有真假 |
| 二、社会实在的构成要件与“假冒伪劣”的基本含义 |
| (一) 社会实在的基本构成要件 |
| 1. 无情性物理实在是社会实在的物质基础 |
| 2. 社会实在是通过功能赋予的方式被创造出来的 |
| 3. 社会实在是根据人类的意向性被创造出来的 |
| 4. 社会实在是根据构成性规则构建而成的或是受调整性规则调控的 |
| (二) “假冒伪劣”的具体含义与分类 |
| 1.“假冒伪劣”的具体含义 |
| 2.“假冒伪劣”的分类 |
| 三、“假冒伪劣”商品和现象的形成机制 |
| (一) 构成要件的缺失 (或存在瑕疵) 或滥用是“假冒伪劣”产生的客观原因 |
| 1. 构成要件 (规则) 的缺失 (或存在瑕疵) 是假冒伪劣商品形成的客观原因 |
| 2. 构成性规则或调整性规则被滥用是假冒伪劣现象形成的客观原因 |
| (二) 追求 (不法) 利益 (43) 是形成“假冒伪劣”商品和现象的主观原因和根本动力 |
| 1. 追求高于制假成本的经济利益是假冒伪劣商品泛滥成灾的根本原因 |
| 2. 追求依附于“地位—功能”之上的制度性利益是假冒伪劣现象泛滥成灾的根本原因 |
| 四、“假冒伪劣”的鉴别原理 |
| (一) 依据无情性物理特征的鉴别原理 |
| 1. 分析外部感官特征 |
| 2. 分析原材料的成分、含量 |
| (二) 依据结构—功能或地位—功能的鉴别原理 |
| 1. 分析产品能否实现其结构—功能 |
| 2. 分析制度性实在能否实现其地位—功能 |
| 3. 分析地位—功能是否被作为获取其他非法利益的手段 |
| (三) 依据地位标志物的鉴别原理 |
| 1. 分析地位标志物的有无 |
| 2. 分析地位标志物是否被冒用 |
| 3. 分析地位标志物是否被伪造 |
| (四) 依据意向性的鉴别原理 |
| 1. 分析产品是否实现了设计者、制造者的个体意向 |
| 2. 分析是否得到权威机构的批准、认可 (是否实现权威机构的集体意向性) |
| (五) 依据构成性规则 (或调整性规则) 的鉴别原理 |
| (六) 依据特定时间空间或主体的鉴别原理 (58) |
| 五、结语 |
| (一) 两种“真假”具有本质差异 |
| (二) 了解假冒伪劣形成机制和鉴别原理的理论意义与实践意义 |
（8）基于多光谱图像的港币防伪鉴定研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 课题研究来源及背景 |
| 1.3 国内外研究现状 |
| 1.4 研究意义 |
| 1.5 本文主要研究内容及章节安排 |
| 2 港币图像采集模型与纸币图像预处理 |
| 2.1 多光谱摄像机模型 |
| 2.2 港币图像的边缘检测与直线拟合 |
| 2.3 港币图像的倾斜校正 |
| 2.4 本章小结 |
| 3 港币面额面向关键技术研究 |
| 3.1 面额面向特征提取 |
| 3.2 港币面额面向识别 |
| 3.3 实验结果与分析 |
| 3.4 本章小结 |
| 4 港币版本识别 |
| 4.1 港币版本匹配约束条件 |
| 4.2 相同港币版本的种子点匹配 |
| 4.3 基于同版本的港币图像增长的稠密匹配 |
| 4.4 港币面向与版本识别方法 |
| 4.5 实验结果 |
| 4.6 本章小结 |
| 5 针对港币图像的真假鉴定与识别 |
| 5.1 港币多光谱图像防伪特征分析 |
| 5.2 港币多光谱图像特征提取 |
| 5.3 分类器设计 |
| 5.4 港币真伪识别实验 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 致谢 |
| 参考文献 |
（10）新版机动车驾驶证真伪的简易快速识别方法（论文提纲范文）
| 一、观察 |
| (一)观察塑封套图案 |
| 1. 平安结 |
| 2. 立交桥 |
| 3. 同心五角星 |
| 4. 文字 |
| 5. 圆圈 |
| (二)观察证芯纸张和印刷图文 |
| 1. 纸张 |
| 2. 印刷文字字体 |
| 3. 用打印字体 |
| 二、照射 |
| (一)可见光透光照射 |
| (二)紫外照射 |
| 三、放大 |
| (一)放大安全线文字 |
| (二)放大下划线缩和花团边缘缩微文字 |
| (三)放大打印字迹 |
| (四)放大印文防伪暗记 |
| 四、比较 |
| (一)比较检验驾驶证的规格 |
| (二)比较检验印刷图文 |
四、防伪标志如何识别真假（论文参考文献）
- [1]面向不同传感器与复杂场景的人脸识别系统防伪方法综述[J]. 黄义妨,魏丹丹,武淼,李慧斌,郭勐. 计算机工程, 2021
- [2]民国药品商标设计艺术研究[D]. 王雪琪. 北京印刷学院, 2021(09)
- [3]浅析纸钞的公众防伪设计[J]. 齐凤亮,田丽丽,光晓俐,李志豪,廉哲,尹宝华,杨爱东. 刑事技术, 2021(02)
- [4]基于SWT的混沌加密防伪标签识别算法研究[D]. 戴倩宁. 海南大学, 2020(07)
- [5]基于手机图像的人民币鉴伪技术研究与实现[D]. 郭素珍. 南京理工大学, 2020(01)
- [6]基于深度学习的假币图像识别[D]. 汪锡平. 南京理工大学, 2019(07)
- [7]“假冒伪劣”的形成机制及其鉴别原理——“假冒伪劣”之法律规制的前置性研究[J]. 张继成,李光恩. 北方法学, 2017(04)
- [8]基于多光谱图像的港币防伪鉴定研究[D]. 孙其新. 华中科技大学, 2015(05)
- [9]探秘印刷防伪油墨及其防伪技术[J]. 朱则刚. 印刷质量与标准化, 2015(03)
- [10]新版机动车驾驶证真伪的简易快速识别方法[J]. 陈丁文,张义平. 云南警官学院学报, 2014(03)