筆跡鑒別中的Gabor濾波器參數(shù)優(yōu)化設計.pdf

1、筆跡鑒別是一個模式識別問題，它基于筆跡風格這項生物特征來對書寫者的身份進行辨別。由于手寫筆跡具有普遍性、易獲得性及非侵犯性等優(yōu)點，所以在各級考試、財務票據(jù)、法庭舉證等諸多領域得到了廣泛應用。
　　Gabor濾波器具有多條通道而且能夠進行多分辨率分析，和哺乳動物的視覺感知模式相似。通過Gabor變換獲得的筆跡特征不僅能夠反映筆劃的方向、筆劃結構局域性等空間方面的特征，而且能夠很好地對筆劃與噪聲干擾進行區(qū)分，這使得Gabor濾波器在筆

2、跡鑒別領域得到越來越多研究者的關注。Gabor濾波器的參數(shù)設計是一個復雜的問題，直接影響筆跡鑒別的效率和最后的分類識別率。但是直到目前，還沒有效果很好的針對Gabor濾波器的參數(shù)優(yōu)化方法。本文的主要工作是利用人工蜂群算法(Artificial Bee Colony，ABC)對Gabor濾波器參數(shù)進行優(yōu)化設計，并將其應用到筆跡鑒別中。
　　首先，通過實驗驗證了多通道Gabor濾波器在筆跡特征提取中的優(yōu)越性。對經過預處理的筆跡圖像，分

3、別提取Gabor變換的均值和方差特征、小波變化的系數(shù)特征、9種不變矩特征及灰度共生矩陣的4種參數(shù)（能量、熵、相關性、慣性矩）特征，通過KNN分類器進行分類驗證，結果證明Gabor特征的分類識別率最高。
　　其次，基于線性判別分析方法的類內距離和類間距離的比建立人工蜂群算法的適應度函數(shù)，利用人工蜂群算法對Gabor濾波器中的參數(shù)?進行優(yōu)化選擇。
　　通過筆跡鑒別的相關實驗得到該方法的有效性。在相對廣闊的范圍內為?選擇多個不同值

4、分別提取樣本的Gabor特征，與經人工蜂群優(yōu)選的Gabor特征一起分別采用KNN、貝葉斯和支持向量機分類器進行分類驗證，實驗結果證明經過人工蜂群算法優(yōu)化的Gabor特征的分類結果最佳。除此之外，為了證明人工蜂群算法能夠解決局部最優(yōu)、效率低等難題，分別利用小生境遺傳算法和Fisher Cost評估函數(shù)對Gabor濾波器的參數(shù)進行優(yōu)化選擇，并對三種優(yōu)化算法的優(yōu)化結果利用支持向量機分類器進行分類驗證，實驗結果證明人工蜂群算法所耗時間最短，分類