基于數(shù)據(jù)融合的脫機(jī)中文簽名鑒別方法研究.pdf

1、脫機(jī)手寫中文簽名鑒別的主要困難就在于特征的提取，因此本文主要圍繞如何提取能反映簽名較本質(zhì)的特征進(jìn)行了相關(guān)研究。在具體解決簽名鑒別時(shí)，一方面要考慮簽名的靜態(tài)特征，另一方面尋找動(dòng)態(tài)特征，這也是本文重點(diǎn)研究的對(duì)象。 提取靜態(tài)特征時(shí)，在細(xì)化簽名圖像的基礎(chǔ)上采用特征不變矩即偽Zernike不變矩來進(jìn)行描述。動(dòng)態(tài)特征方面提出了幾個(gè)重要的特征，并且利用小波變換提取了一個(gè)重要的比例特征。另外在得到簽名的外形以及高密區(qū)域并把它們進(jìn)行結(jié)構(gòu)性描述時(shí)，

2、利用了矩陣的奇異值分解。在分類器設(shè)計(jì)方面，最初采用了簡單的加權(quán)歐氏距離判別法，然后利用了BP(Back-Propagationl)網(wǎng)絡(luò)，之后提出了一個(gè)數(shù)據(jù)融合的混合實(shí)現(xiàn)方案。 本文的主要?jiǎng)?chuàng)新點(diǎn)歸納如下： 1、在簽名圖像預(yù)處理階段，針對(duì)一般細(xì)化算法存在的問題，提出一個(gè)新的細(xì)化算法。此算法運(yùn)算簡單，能較好地解決轉(zhuǎn)折筆劃在細(xì)化時(shí)出現(xiàn)的分叉現(xiàn)象等。另外，在分析現(xiàn)有的連通區(qū)域檢測(cè)算法的基礎(chǔ)上，提出了一個(gè)新的八連通區(qū)域檢測(cè)算法。此算

3、法能很快提取簽名圖像中的連通區(qū)域以進(jìn)行下一步的分析。另外在提取簽名灰度圖像及簽名高密區(qū)域等方面都提出了新的可行方法。 2、提出了一個(gè)新的基于特征不變矩及動(dòng)態(tài)特征的簽名鑒別方案。此方案為一個(gè)結(jié)合靜態(tài)特征與動(dòng)態(tài)特征的新的鑒別方法。提取靜態(tài)特征時(shí)，利用偽Zernike矩的尺度及位移不變性，在細(xì)化的簽名圖像上計(jì)算10階偽Zernike不變矩來組成特征向量。提取動(dòng)態(tài)特征時(shí)，則首先從灰度圖像得到簽名的全局及局部高密區(qū)域，利用高密區(qū)域與原簽名

4、圖像對(duì)應(yīng)部分的面積之比得到全局和局部高密因素HDF(High-Densitv Factor)。另外在全局高密區(qū)域的基礎(chǔ)上，計(jì)算其相對(duì)重心，并將其作為另一個(gè)特征。結(jié)合兩類特征形成16維特征向量后，建立相應(yīng)的鑒別系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，系統(tǒng)的錯(cuò)誤接受率FAR(False Acceptance Rate)和錯(cuò)誤拒絕率FRR(False Rejection Rate )可以分別達(dá)到7.25％、9.30％。 3、在前面研究的基礎(chǔ)上，提出與一般

5、小波變換應(yīng)用不同的方法，利用了小波變換描述信號(hào)近似信息進(jìn)而提取出簽名的比例特征，并結(jié)合前面提出的有關(guān)特征，提出應(yīng)用小波變換與特征不變矩相結(jié)合的方案進(jìn)行脫機(jī)手寫簽名鑒別。利用小波變換時(shí)，對(duì)簽名灰度圖像計(jì)算加權(quán)歸一直方圖并進(jìn)一步對(duì)此一維圖像利用Daubechies(4)小波進(jìn)行四階二進(jìn)離散小波分解，再重建第四階近似系數(shù)。與通常的小波變換提取細(xì)節(jié)信息不同，本文提取的是近似信息。由此計(jì)算一個(gè)比例特征。另外再結(jié)合前面研究的結(jié)果采用加權(quán)歐氏距離法進(jìn)

6、行鑒別，實(shí)驗(yàn)結(jié)果表明FAR和FRR可分別達(dá)到7.83％、6.88％。4、利用BP神經(jīng)網(wǎng)絡(luò)作為分類器，將以上方案提取的特征組成特征向量作為網(wǎng)絡(luò)輸入，提出一個(gè)新的鑒別系統(tǒng)，實(shí)驗(yàn)結(jié)果表明了此系統(tǒng)的有效性。 5、在前面研究的基礎(chǔ)上，進(jìn)一步提出了一個(gè)新的結(jié)合矩陣奇異值分解(SVDSingular Value Decomposition)的數(shù)據(jù)融合解決方案，即根據(jù)前面研究的基于小波變換和特征不變矩提取特征的BP網(wǎng)絡(luò)以及在分析簽名高密區(qū)域并利

7、用SVD提取特征的BP網(wǎng)絡(luò)，將兩個(gè)網(wǎng)絡(luò)的輸出結(jié)果進(jìn)行競(jìng)爭選擇得到最終的判別結(jié)果。并建立了相應(yīng)的分類鑒別系統(tǒng)，即建立一個(gè)由兩個(gè)分類器組成的分類系統(tǒng)。首先針對(duì)細(xì)化的簽名二值圖像與提取的高密區(qū)域細(xì)化圖像分別進(jìn)行奇異值分解，得到一個(gè)40維特征向量。然后建立針對(duì)同類簽名的BP網(wǎng)絡(luò)，對(duì)此網(wǎng)絡(luò)進(jìn)行訓(xùn)練并對(duì)測(cè)試樣本鑒別得到一組輸出結(jié)果。另外對(duì)基于小波變換和特征不變矩的分類鑒別系統(tǒng)進(jìn)行訓(xùn)練，并對(duì)測(cè)試樣本鑒別得到另一組輸出結(jié)果。最后將兩個(gè)系統(tǒng)的結(jié)果競(jìng)爭選擇