已阅读5页,还剩70页未读, 继续免费阅读
(计算机应用技术专业论文)脱机中文签名鉴别系统关键技术研究.pdf.pdf 免费下载
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
摘要 签名是一种使用广泛的识别身份的生物特征,基于手写签名的身份鉴别在金 融、军事、囊业、通蕊、办公自动化、工程文件等领域有广泛的应瘸兹景,签名 舔舅技术的研究对于实际应用和科技进步肖着重要静黧_ 义。本文首强分析了手写 煞名鉴别的应用背景、发展历史及国内外研究动态,探讨了签名鉴别问题的性质 秘艇规中文签襄鉴别实现的难点,对黢飒中文签名鉴别豹一些关键技术帮主要算 法傲了深入的研究和尝试,设计并开发了个脱机中文签名鉴别系统。 主要的研究工作有: 签名塑像瓣鞭处理和特链提取除段,凌查阅了缀多爨秘轰,深入疆究了现有 嚣法,本文中整名的预处理大多采用现肖的适用于脱机中文签名黢别的成熟算 法,在特征提淑时,提取了懋名的静态形状特征和伪动态特征,并提出了一种新 鹣赞动态特 垂,帮签名的赢灰凄稳定医黪经。 特征提取盾,本文进行了特征选择。文本提出并采用了一种将概率距离法中 的b h a t t a c h a r y y a 距离和特,谯本身因素综合起来考虑的方法,得到8 个特征值, 嚣瓣是蔻了缝瓣鍪嗣对淘,茏其是耱终瓣络分类鉴别瓣熬时闻。 比较决策阶段采用了5 种分类鉴别的方法。首先分别采用了k n n 法、加权 欧氏距离法进行分类鉴别,接下来,深入地分析了神经网络的模式分类原理,算 法戆一黢理论,疆究并且魄竣了b p 耪缀瓣络彝径囊萋毒孛经舞终豹毯缺点,设诗 并实现了基于中文签名图像的两种神经网络分类器,试验表明径向基分类效果优 于b p 。最后,对支撑矢量机做了深入的剖析,将拉格朗日支撑矢量机( l s v m ) 篓翳方法运弼予魏瓿中文签名签爨。l s 蠖算法较搽攥翁s v m 葵法来说,速瘦 聪快,更易于实现,效果比较理想。 关键词:脱机中文签名鉴别、特征提取、模式识别、神经网络、支撑矢量机 a b s t r a c t s i g n a t u r ei so n eo ft h eb i o l o g i c a lf e a t u r e su s e da b r o a dt ov e r i f yi d e n t i t y , b e c a u s e o ft h es i g n i f i c a n t a d v a n t a g e s o fs i g n a t u r ev e r i f i c a t i o na saw a yo fp e r s o n a l i d e n t i f i c a t i o n ,i th a saw i d ep e r s p e c t i v ei na p p l i c a t i o n si ne l e c t r o n i c - b a n k ,m i l i t a r y a f f a i r s ,e l e c t r o n i c - b u s i n e s s ,c o m m u n i c a t i o n ,o f f i c ea u t o m a t i o na n de n g i n e e r i n gf i l e s , t h er e s e a r c hi n t o s i g n a t u r ev e r i f i c a t i o n i si n d e e d s i g n i f i c a n t b o t ht o p r a c t i c a l a p p l i c a t i o na n dt h ed e v e l o p m e n to fs c i e n c e f i r s t ,t h ea p p l i c a t i o nb a c k g r o u n da n d h i s t o r yo fd e v e l o p m e n to fh a n d w r i t t e ns i g n a t u r ev e r i f i c a t i o nt e c h n i q u e sa r eb r i e f l y i n t r o d u c e di nt h i st h e s i s t h es t a t eo ft h eh a n d w r i t t e ns i g n a t u r ev e r i f i c a t i o nr e s e a r c h e s a th o m ea n da b r o a di sa l s os u r v e y e d t h en a t u r eo ft h eo f f - l i n es i g n a t u r ev e r i f i c a t i o n p r o b l e ma n dd i f f i c u l t i e sa r ea n a l y z e d ,s o m ek e yt e c h n i q u e sa n dm a i na l g o r i t h m so f o f f - l i n ec h i n e s es i g n a t u r ev e r i f i c a t i o nh a v eb e e ns t u d i e d ,a n da no f f - l i n ec h i n e s e s i g n a t u r ev e r i f i c a t i o ns y s t e mh a sb e e nd e v e l o p e d t h em a i nr e s e a r c hw o r ki n c l u d i n g : i nt h ep r o c e s so f p r e p r o c e s s i n ga n df e a t u r ee x t r a c t i o n ,a f t e rc o n s u l t i n gaf u n do f i n f o r m a t i o n ,ad e e ps t u d yo fe x i s t i n ga l g o r i t h mh a sb e e nm a d e i nt h i st h e s i s ,m o s to f t h em e t h o d su s e df o rp r e p r o c e s s i n go ft h es i g n a t u r ei m a g ea r er i p ea l g o r i t h m sf o r o f f - l i n ec h i n e s es i g n a t u r ev e r i f i c a t i o n t h es i g n a t u r e ss t a t i cs h a p ef e a t u r ea n dp s e u d o d y n a m i cf e a t u r e sh a v eb e e ne x t r a c t e di nf e a t u r ee x t r a c t i o n ,a n dan e wp s e u d o d y n a m i cf e a t u r e ,t h eh i g hf a ys t a b l ea e l af e a t u r eo f t h es i g n a t u r eh a sb e e np r o p o s e d a f t e rf e a t u r ee x t r a c t i o n ,f e a t u r es e l e c t i o nh a sb e e nm a d e am e t h o dc o m b i n i n g b h a t t a c h a r y y ad i s t a n c ew h i c hi sad i s t a n c ei np r o b a b i l i t ym e t h o da n dt h ef e a t u r e ss e l f c h a r a c t e r i s t i ch a sb e e np r o p o s e da n du s e d ,e i g h tf e a t u r e sh a v eb e e na b t a i n e d i nt h i s w a y , t h ev e r i f i c a t i o nt i m ei ss h o r t e n e d ,e x p e c i a l l yt h ev e r i f i c a t i o nt i m eo ft h en e u r a l n e t w o r k f i v ev e r i f i c a t i o nm e t h o d sh a v eb e e nu s e di nt h ep r o c e s so f v e r i f i c a t i o n f i r s t ,t h e k - n nm e t h o da n dt h em e t h o do f w e i g h t e de u c l i d e a nd i s t a n c eh a v eb e e nu s e d t h e n , ad e e pa n a l y s i so ft h et h e o r ya n dt h ek e ya l g o r i t h mo ft h en e u r a ln e t w o r kh a v eb e e n m a d e ,t h ed e s i g n i n g ,c o m p a r i s o na n di m p l e m e n t a t i o no ft h eb p ( b a e k - p r o p o g a t i o n ) a n dr b f ( r a d i a lb a s i sf u n c t i o n ) n e u r a ln e t w o r kh a v eb e e nm a d e 。e x p e r i m e n t a l r e s u l t sp r o v et h a tt h er b fn np e r f o r m sb e t t e rt h a nb pn ni nt e r m so fc l a s s i f i c a t i o n a c c u r a c y l a s t al a g r a n g i a ns u p p o r tv e c t o rm a c h i n e ( l s v m ) c l a s s i f i e ri sp r o p o s e d i n t e r m s o f d e e p l ys t u d y o f s u p p o r t v e c t o r m a c h i n e ( s v m ) ,w h i c h n o t o n l y l u l l s f a s t e r t h a ns t a n d a r ds u p p o r tv e c t o rm a c h i n ec l a s s i f i e r sb u ta l s oi se a s yt oi m p l e m e mw i t h s a t i s f a c t o r yr e s u l t , k e yw o r d s :o f f - l i n ec h i n e s es i g n a t u r ev e r i f i c a t i o n ,f e a t u r ee x t r a c t i o n ,p a t t e r n r e c o g n i t i o n ,n e u r a ln e t w o r k ,s u p p o r tv e c t o rm a c h i n e 西北大学学位论文知识产权声明书 本人完全了解学校有关保护知识产权的规定,即:研究生在校攻读学位期 间论文工作的知识产权单位属于西北大学。学校有权保留并向国家有关部门或 机构送交论文的复印件和电子版。本人允许论文被查阅和借阅。学校可以将本 学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或 扫描等复制手段保存和汇编本学位论文。同时,本人保证,毕业后结合学位论 文研究课题再撰写的文章一律注明作者单位为西北大学。 保密论文待解密后适用本声明。 学位论文作者签名:差整! ! 塑指导教师签名:学位论文作者签名:笙堕! 型指导教师签名: 皿刀石年6 月爿日d 2 虞名年月27 日 西北大学学位论文独创性声明 本人声明:所呈交的学位论文是本人在导师指导下进行的研究工作及取得 的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,本论文不包 含其他人已经发表或撰写过的研究成果,也不包含为获得西北大学或其它教育 机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何 贡献均已在论文中作了明确的说明并表示谢意。 l 学位论文作者签名:荞话阮 必。6 年6 玛刁r 第一章绪论 本章主要介绍手写签名鉴别相关的撼本概念,计算机签名真伪鉴别的基本方 法,手写签名签剿技术的分类,中文脱樵签名鉴别的特点和难点、褥要注意的阅 题及签名鉴掰在国际国内的研究现状,磷究背景、主要研究内容及全文组织结梅 蒋内容。 。 研究背景及研究意义 签名作为身份认证的手段已经用了几百年了,而恩我们都很熟悉在银行的格 式表萃中签名作为我霞身徐懿标恚,签名熬耋要淫稻法律蘧整在姿今毒会中爨然 是无法替代的。在大多数场合下,亲笔髂名是权利、义务和责任和象征,直接代 裘签名者本人】。签名鉴别在国外,尤其是在北美和婚欧,是普遍接受的身份 辫蓼 方法之一。 手写签名攫别方法属于生物测定技术。生物测定学是一种通过貔们每个人所 独有的生物信息,如虹膜缀合格式、指纹和声音,测定并分析生物数据,来控制 激务和信怠靛使用权弱技术。因为每个入盼生耪信纛楚疆无= 晨搬其难予复澍 的,所以许多人将其视为一种特别牢固的安全措施。自动签名鉴别,就是让计算 机自动鉴别一个签名的真伪,属于计算枫模式识别领域中的文字识别。签名鉴别 _ j 熏程是处理舔名笔迹中酶特征部分,魄赣是秘蘑与书写蠹容无关静书写嚣| 硌穗 息,确定书霹者的身份。黪别指的是辨别某签名样本是否为某书霹者所写,是一 个一对一的比较过程。签名嚣别的目的就是在错误概率最,j 、的情况下识别签名的 粪伪l 擒。 签名鉴别与其他生物测定技术相比,具有足够的动态信息、难模仿、区分性 较高、尊重黪瓤投、信息获取商效等优势,在特征的碍搜集性、人体伤窖可接受 住和鲁棒径方黼都是穰突国的,有广淘的应用# 景。在辩技和经济飞速发展的今 天,提高签名艇别的质量和速度是一项媳有重要现实懑义的高科技应用研究,它 对探索和发缀中文信息处溅、人工智能 翅有重要的璎埝侩值和实髑意义。 现在,研究入员聱力予键高手写签名的鉴剐率,大部分研究工作集中于签襄 特征的选择上,包括面向圈像特征和矢蹩特征的处理,对原始特授的采集和统计 特征的计算及耜互间的比较,对特征的用户区分性比较等。在样本训练方式上, 主要包括统计方法裙税嚣学习方法,簸为突出静分爨蔗动态霹阀牵弓 f d t w ) 黪 a s s m 可变形状模板方法、支撑向量机( s v m ) 和隐马尔可夫模型( h m m ) 等。 。2 签名整黉技术麓分类 手写签名属于生物特征中的行为特征,而签名鉴别就是一种利用签名这种风 俗瀚天瓣行为黪薤逮嚣:象转验涯戆技拳。英藩理是缓浚每拿久懿签名郡是疆黪熬 并且比较稳定,在较短时期内不会随意改变。这种假设符合在纸上签名习惯的 人,并且在许多发达国家都已立法承认签名的合法。陂,包括电子签名的合法性。 签名鍪溺按术涉及镶广4 泛h l | ”,毽狻分为嚣拿圭爨蓦暑突镶域,蹇线系绞窝霞 线系统。离线系统对签名的二维静态图像进行研究,也就是签名行为完成后的镣 果,它主要通过扫描仪、数字摄像机等输入设备,利用光电转换原理,将原始的 手写签名转按淹鹜缘信惑输入鹫诗冀謇蔻鼙,挺取静褥链篷嚣:签名瓣位置、形狄、 笔划的方向、笔划间的搭配等;在线系统则研究产生篾名的动态过程即签名行为 本身,它以采样点序列的形式出现,通过连接到计算机串口上的手写板来实现对 采群赢羹采集帮输入。每令手写板赣入浚备在一定懿空阕分瓣率稻采襻菝率下, 采集连续的煞名书写轨迹,从而形成一个采样点序列,每个采样点以其在手写板 上的位置来撒述,提取的特征包括运笔速度、加速度、压力、运笔方向等。但是, 在线系统霭簧手写板等设蘩,霹两应埔鬻琵较受限,并且在金疆、镶行、孬篌等 领域,签名一般都是在普通票据和纸张上完成的,如粜数量较大或者鉴于某些特 定需要,要用计算机来帮助人工鉴别专寐进行鉴别,则需要由脱机签名鉴别发撵 作用,霞蘧,脱褫签名鍪潮系统正葑克黻了联辊系统应用范围懿敲麓,有潜在瓣 广泛的市场。如本文的题目所示,本文就是针对脱机签名鉴别系统展开论述的。 ,3 手写签名鉴别技术的国内羚研变动态 手写签名鉴别身份黢别技术是国际上公认更易被大众接受的一种身份证明 方式,遣是爨藜诗算捉模式谖囊领域魏瓣游漂题,这域技零壹至l = i 琵疆三年,才褒 美国和日本取得突破。国外对计算机签名鉴别的研究已经有三十多年历史,并取 2 得了不少成聚。而我国对计算机签名鉴别的研究则相对较晚。外文签名鉴别的菜 些研究成果後得借鉴;丽中文签名鉴别有其特殊性,由于汉字的结构极其复杂, 使中文签名撩澍难度更大。 如前所述,签名鉴别可以分为联机( 在线) 和脱机( 离线) 两种方式。目前, 国内外豹研究举者对联机签名鉴别比较潼视,开展了大量的研究工作,芳取得了 诲多有意义的成果1 3 a 5 , 6 1 ,0 4 年底0 5 年镪,由吉林大学承撵静手筲签名识剐技 术的应用产黼研制开发,通过计算机把手写签名的图像、笔顺、速度和压力等 信息与真实签名榉本进行魄对,实时鉴别手写签名真伪,标志着我豳联机手写镶 名鏊掰达垂了国际先遂水平。丽各雷锋对脱机签名鏊掰,却只有糯辩少量酶工作 1 7 即】。就目前的状况来说,联机签名鉴别系统的识别率豢高于脱机箍名鉴别系统。 离线签名因为只麓得到签名的静止辫像,缺少了笔尖的运动傣惑,因丽鉴剐 起来要眈在线签名的篓剐豳难得多,通常将离线盼霰签名分成篱单静假签名和藤 缀的( 熟练的陂临摹的) 假煞名区别对待。相对而言,对于高级的离线假签名,鉴 剐戆困难要大褥多。离线煞名鉴裂提取媳特征主要有全局特挺【3 4 3 安摇重心、高宽 比等) 、局部特征( 如局部倾斜、局部笔划密度等) 、离压特征控1 f i ( h i g h p r e s s ) 、 方向概率分稚、其它提取特征方法( 如z e m i k e 矩i 、伪z e m i k e 矩【1 8 1 、小波变换 i s , 1 6 1 , g a b o r 滤波嚣旧等) ,分类熬方法主要蠢:热权欢氏题蒜旧、摸攒模式识别5 3 4 1 、 神经网络f 3 6 】等方法。 人工神缀网络( a r t i f i c i a ln e u r a ln e t w o r k s ,n n ) 系统从2 0 世纪4 0 年代末诞生 至今段半个多整纪,毽壶予它其畜蘩惠豹分布存懿、并行处理及鑫学戆力等优点, 融经在信息处理、模式识剐、智能控制及系统建模等领域得至0 越来趟广泛的应用。 m i 曲e l l 簿人【19 】是最早将神经网络戚用于脱机签名鉴别中的人。后来r a s h a a b b a s 等久阁f 鞠将褪经瓣络教班改遴。一般采援戆淘反馈穆缎爨终,羧灭瑟 的神经元数嫩由签名图像的大小决定,通常是直接将蕊名图像,而不是提取后的 特征,输入到神经元网络中。如定义签名图像的大小为1 5 0 x 4 0 象索,输入层就 褰6 0 0 0 令耪缓元。输爨瑟为一个搴枣经元,绘交了输入该霹络兹签霆跫真实签名 的可信度一个0 到1f , j 的数字。0 蠢示签名为伪造签名;l 表示签名是真实 链名。测试时,如果输出鼷结果大于闽值0 5 即为真,反之为假。通过改变隐屡 耱经元数量尝涟了不霆瓣溺缮结穗,箕法戮采援反囱疆搔雾法。实验结票显示, 对随机伪造黪名鉴别率很高,而对于熟练伪造签名的鉴别率有待撮高。 。4 中文乎写签名鍪剃翡特点难煮 手写签名作为身份认诫方式是当前研究的热点,但是,与其他生物测定方法 ( 龙其是掺纹、褪网蔟、糕貘粒d n a 等基于生理毽缓豹溪定方法) 程毖,手霉 签名认证的识别率并不高。从理论上来分析,原因在于: ( 1 ) 生理特征在一段相当长的时期内是不可变的( 除非十分特殊的情况, 女l 发弯麓、受像、手术、蒸蠢突变等) ,瑟行惫特经会隧羞人熬习惯菠交嚣耀痰 发生或多或少的变化。手鼍签名作为基于行为特征的测定技术,特定于某个用户 的习惯特性并不稳定,既念在短时期内的若干样本中肖所波动,长时期内也会在 歪鬻夔范圈中漾瑷窭纲徽豹交位。这将绘襻搴调练、襞名鉴裂豢采定鹣困戆, 也使得系统难以长期适应用户签名习惯的变化。 ( 2 ) 来自签名的变化性和多样性。由于签名过稔本身并不是个可以严格 簿凌弱过程。任麓嚣令囊繁名都不会完全稳秘。鑫鼗,始莱嚣令羲名罄本完全一 样,则可以肯定其中一个必然是伪签名。也就是说,可能是采用复印或照相技术 制造的伪签名。造成签名变化和多样性的因素很多,例如:国家、民族、年龄、 瓣阔、磊4 雯、莲和荣幸誊敬悫、骞薅跌凝以及睾写姿势、书写工爨甚至书写霞餐 都可能造成熊名的变化和多样性。 ( 3 ) 手写签名鉴别所采用特征集的区分度不足够大。这并非指签名过程中 不存在角户瓣送分度足够大的静态影获特征帮动态行为特征,在璜憋翡情嚣下一 定客观存在这样的特征组合。但在实际应用中,认证的用户群( p o p u l a t i o n ) 相当大, 这样的特征煞合也相应的会缀庞大,在商目追求识别攀的同时耗费极大的代价。 4 ) 可鹅样零多。瓢实露静受度采游,不可戆稀大量静襻本逡行调练,这 样会造成阀值的选取的困难:另一方面,伪造签名样本不易获得。伪造签名的样 本不能用统计的方法获得,只能用随机的榉本,丽这就造成所获得的伪造样本有 缀多都是簿肇饶造签名,魏栗蠲它稻采代替熬练镑签名进行性能评价,必然会弓l 勰对系统性能过高的估计。 ( 5 ) 脱机签名鉴别中,出于丢失了书写过程中的动态信息,傥可利用的信 慧减少,增蕊了鉴鄹的难度。勇乡 ,青憋嵩超虢傍造签名模傍褥憔妙惟鸯,有融 4 即使是人类专家进行鉴别,鉴别率也可能会很低。 再者,中文签名鉴别与谣文签名鉴别也有较大本旗上的区别。中文主要由熬 酸梅成,露瑟文瑷弧段瓷主,丽显中文签名数匿多,绦狗复杂,菇字体交往多释, 而西文签名则相对简单很移,例如英文籀名只可能由2 6 个英文字母组成,即使鼹 翻文签名,鞠中文签名楣比,更接近手麓印刷体,远不如中文签名那么复杂。 鉴于默上原因,中文聪税签名鉴剩鬣今还没有一种秘实有簸匏方法亲速至l 较 黼的正确识别率。一方面,努力寻找提搿脱机签名鉴别率的方法是当务之急,弼 一方砸也可以这样考虑,擞然鉴别率现在还达不到很高,但是当霞骚鉴别的签名 数量禳大时我们可以稻周我们设计开发静鉴剐系统镪渤人工签名熬掰专家送行 签名的初步筛选,然后由专家对筛选出的计算机难以分辨的签名谶行最终鉴别。 1 。璎究内容与组织结祷 同大多数文字识别系统类似,签名撩别一般包括以下几个步骤:数据获取、 羧处理、装缓糖致、蓖较凌蒙。本文中鹣“疆壤中文签名签裂系绞”,签名鉴爨 系统流程图如图1 一l : 圈1 - - l 签名鉴剜系统流程图 依据以上步骤和流程,本文主要从攀了以下研究工作: l 。签名霉豫采集及羲处褒:为了诖签名鹫豫受蛰全瓣曼其瀵骚憋,本文采集了 1 1 个不同年龄不同行业等共3 3 0 个舆实签名,除了让他们互相模仿获得伪签 名外,遥获取了另外一魃人对这1 1 个人真签名的模仿,最终樗到共6 6 0 个 签名撵本,囊镄签名冬鑫一半。颈憝毽工 睾主要怒赞对签名载次瘦銎像泰二 值图像进行的,大多采用了比较成熟的预处理方法,主要有分别对灰度签名 和二值签名的图像平滑去噪、去除签名字与字阅黔水平间隙( 豳为这些间隙 可以造成麓涮时不必要鹃干扰) 、签名的轮廓提取,轮廓细化、签名灰度雷 架提取等等。 2 签名图像熬赞薤程取与谯箨:特挺熬撵取露选择燕缀重要静,它囊接彩骥鉴 别分类器的设计和性能。本文研究了签名图像的特点,提取了签名图像的形 状特征及伪动态特征,希望通过形状特征反映签名字形方面的特点,通过伪 动态特短爱浃书写遭疆瓣特赢,曩瓣,在镑蘑态特征提取嚣,本文挺窭了一 种新的伪动态特征签名高灰度稳定区特征,并应用于后面的分类鉴别 中。在特征选择方面,本文使用了一种将概率距离法中的b h a t t a c h a r y y a 距离 穰特征本鸯因素练合起来考瘥夔方法,交子在瑟联狳爱撵致了5 缝多维懿特 征,所以本文首先以组为单位,每缎特征用b h a t t a c h a r y y a 距离选择出其中的 一维作为本文最终进入e b 较决策阶段的那些特征中的一个,得到5 个经过选 择豹特征蕊,然嚣再霹葵它菲多缝鹁特征臻b h a t t a c h a r y y a 聚褰澎夫爨夺撵 序,排除了排序排在后丽的3 个特征,最终一共得到8 个特征作为分类鉴别 的输入,之所以在众多特征中只选择8 个特征,主要是为了提高系统的速度, 尤其是螽磁漆鬟过程中辛孛经隧络分类签舅嚣静诩练邃凄,这像怒本文懿一令 特色。 3 签名真伪爨嬲( 比较决繁) :毙较决策方法豹多撵憔是本文的一大特点。本 文不仅研究了比较基础酌用于模式识剐盼方法k - n n 方法和签名鉴剐中眈较 常用的加权欧氏距离法,给出了实验结果,在运用了b p 神经网络方法进行 签名鉴别鬃,还将径向麓糖经网络方法运翅于签名舆魏鉴裂系绞中,矬较亵 分析了两种神经网络方法的优缺点,并给出这两种方法的实验缩巢眈对。最 后,本文将拉格朗日支橼向量机方法酋次运用于签名真伪鉴别,分析了标准 支捧良量援方法靛不足魏实瑷难熹,详纲夯绍了数貉朗弱支撑矢爨撬戆理论 和算法实现,实验结果褥到了8 3 3 1 的平均鉴别率。 本文共分为八章: 第一章:绪论。霞分本漾遂,簪 究鬻爨,竣及墓凑努耢究褒浚, 舞究露蚕、 6 本文内容组织。 第二章:数据采集与预处理。主要研究了在签名豳像预处理避程中用到的臻 法,如对签名获度蚕像瓣平滑,对二德签名囤像斡平游,图像静二谴位方法,麓 名的轮廓提取和骨架提取等。 第三章:镰名图像的特征选择与提敬。首先介绍了签名图像的特征分类情况, 然后根据签名图像的特点,提取了签名黔形状特征和伪动态特征,竣后用概率鼹 离法中的b h a t t a c h a r y y a 躐离和特征本身因素综合起来考虑的方法,筛选出了八 个签名图像特征雩# 为后甄剿刘决策的输入。 第四章:签名图像的模式分类鉴剐。零章首先介绍模式谖剐和模式分类的糨 关理论和概念,其次介绍了模式识别在手写签名鉴别中常用的方法,对k - n n 方 法、麴权欧氏蹬离法在签襄篓别中魏应溺傲了较详缨论述并分别绘蹬了这两秘方 法的实验绪聚。最后介绍了人工神经网络和支撑矢爨枫分类的蘩本概念和特点。 第五章:基于人工神经网络的签名豁别。分析了人工神经网络的基本结构、 学习篓法、粼辑了_ 孛经网络的主要饯、缺点。b p 耪经网络存在训练速疫馒、易 陷入局部极小、全局搜索能力差等缺陷,本章进一步研究速度更快、分类能力黧 好的径向基函数网络,并对实验结果进行了比较,实践证明,我们构造的神经网 络蒺型是蠢效的。 第六章:基于拉格朗阿支撑矢量机的签名鉴别。酋先介绍了标准支撑矢量机 算法的一般思想,实现原理,分析了标准支撑矢量机算法在应用上的技术难点, 扶露弓| 出了挝格麓霾支撑矢量疆嚣思想。夔蓐详缨分缀了挝格鞠强支撑矢量瓤算 法的建立及实现,并给出了实验结果。 第七章:脱机中文签名艇别系统设计。以前几章论述的算法思想为理论基础, 实现了签名黧缘预处理、签名豹形状籍铤提取、秘动态特拯提取、k - n n 方法鏊 别器、加权欧氏距离鉴别器、神经网络真伪鉴别器等,完成了整个系统。 第八章;总结与展望。对本文作以总结,并对下步的研究方向进行了展望。 1 。6 本耄小结 本章是全文的纲领性部分,介绍了论文戆研究背景歉意义,图内外研究现状, 熬个工作静研究重点和主黉蠹容,垒文组织结构及各章概要。 7 第二章数据采集与预处理 2 1 签名圈像的数据采集 麓辊签名签裂静数据集是 餮将签名翡图像数字纯并输入诗黪祝,俸为签名 的原始数据,是签名鉴别的最初阶段。采集到的签名数据的质量好坏对于整个撩 剥系统的性熊具有重要影响。如果采集剿的数据质爨好,预处理速度就会加快, 特征提取连会更准确,觚蕊戳便整个谈溺系统的魏髓褥弱裙应瓣提高。 在脱机艇名鉴别中,通常采用扫描的方式获取煞名图像。图像扫描仪的扫描 精度与赝栽获敬的签名信息量的大小赢接楣关,签名圈像靛清毖度楚影晌签名鉴 澍系统性麓静重要因素,龟是脱机签名箍剐系统中瓣一个重要参数驻“。常嗣簸 图像扫描精度有2 0 0 d p i ,3 0 0 d p i 和6 0 0 d p i 铸几种,扫描精度越高,熬名图像的清晰 菠裁越裹,偬含静信息量就越大,这对撮蔫鉴别效果楚有利的;假清晰度越赢数 据量就越大,所需的内存和处瑾时闻稿应氆鸯鞋,使褥处理速度受到鞠显彩镌。蔽 此,合理选敬扫描精度很煎要。根据经验,选用3 0 0 d p i 的扫描精度效果较好。 通过扫撼仪输入计冀桃的签名图像弼以是兰僮躐像或获度图像,获度图像包 含有更多的俗怠,但是要l l - - - 值图像占髑更多的内存。由于灰度图像的灰度缀梯 度变化等方面可能包含签名的部分动态信息,因此可利用灰度图像虢得签名的伪 动态售息,瘸子特征提取。 本文在谶行中文签名麓剐的工作中,采集了真实箍名和伪造舔名。由于现夜 国内外还没诲任何现有的簸名库,为了让签名数据更加全面且更具有说服性,我 们尽量缓提供熬名露恚愿蠢静工终鸷爨,文豫东平,攀赁,年龄等不尽穗同,德 们来自各行各业,有教师,学生,医生,护士,公务员,工人,商入等,他们中 大多都会在生活及工作中缝常使用各自的签名。我们不仅采用了他们之间相互模 锈艨藏静费造签皂,瑟萎逐透舅努一些恚瑟考对魏嬲熬真实签名遴霉亍镑透。 2 2 签名图像的预处理 一般我稍逡行预薤壤,除了可戳素蹩罐声及对谈羯无甭静辩瓣信患之外, 还可以加强商用的信息,通过一系列操作,把签名图像规格化为特征提取需要的 状悫,从丽为下一步提取一致的特征向擐做好准备。 在签名蕊潮中,签名嚣的情绪,纸张翡蘑圭篚黧绞瀵,扫疆设备等藤困都会瑟 签名有一定的影响,例如文字笔画附近出现污点( 称为黑色孤立点) ,或文字煞 谶中有缺陷( 称为白色孤立点) ,签名笔画断开或者棚邻文字粘逡等。所以一般 我们不直接采角通过扫穗纹等输入设备褥蜀酶签名鞠像,两是对其傲迸一步静矮 理。文本所用到的预处理操作包括了签名图像的平滑去噪,二值化,轮廓提取, 静架提取等。 2 2 1 签锅图像的平滑 吾 + 去 主 + 9 蚕2 2 二值图像的平滑利用n n 窗口 达到消除孤立点的目的。 麓搿模嫒整理效袋 对窗口内的二值象素进行逻辑运算,从而 x l x 4xx 2 x 3 图2 3 清除孤立点的3 3 窗口 当x 为囱点时,x 1 ,x 2 ,x 3 ,x 4 中肖两个以上的点是黑点,此时点x 由白点 变为黑点;曼x 为黑点时,x i ,x 2 。x 3 ,x 4 中有嚣个以上豹点是自点,j 圪时点) ( 由黑点交为酝点。 2 。2 。2 签名豳像的二值化 图像的二值化就是对图像进行阀值化分割,将图像中目标和背景分离出来, 是易于提取目标的一种图像处理技术。图像二值化的关键在于阈缎t 豹选取, 横疆闰僮t 慕区分图像中熬对象稻鹜景。浚蘸始灰发鬻像兔f ( x ,y ) ,变换矗静二 值图像为g ( x ,”,则二值化的过程表示为: 如炉话兹鬻 旺, 根据闽假选取情况,二值化方法可分为全局二俄化、局部二值化和动态二值 化f 2 引。典型的全局闽值法鸯平均灰度馕法、o s t u 算滋等。蜀部阈馕法则是由象 豢灰度值帮象索周围点两部灰度特性来确定像素阕德躲。在许多的淄部阀僮方法 中,一个图像被分成m x n 个块,每个块都分别有一个阀值。常用的动态阀值的 方法商最大离闻方差法、共生矩终法等。本文所使用的就是动态阉俊法中的迭代 法实现的。迭代法是基子邋近黪思想,蕻步骤如下; 1 求出签名图像的最大灰度德和最小灰度德,分别记为i m a x g r a y v a l u e 和i m i n g r a y v a l u e ,令初始闽值i t h r e s h o l d = ( i m a x g r a y v a l u e + i m i n g r a y v a l u e ) 2 ; 2 。 校撵窝篷i t h r e s h o l d 耨签名黼像分蘩惫蕊部分,分鬟求澎湃者的平均 淡度值i m e a n l g r a y v a l u e 和i m e a n 2 g r a y v a l u e 3 求如薪阂值i t h r e s h o l d + l i m e a n l g r a y v a l u e + i m e a r t 2 g m y v a l u e ) + k : f 本文取k - - 0 6 ) 4 游i t h r e s h o l d = i t h r e s h o l d + 1 ,则所得即为闽值;否则转2 ,迭代计算。 图2 4 原始签名图像及二值化后签名图像 2 2 3 签名豳像的轮廓提取 本文中签名图像轮廓褥取的目的是为了获褥圈豫瓣外部轮癣特征以为后露 的特征分析和提取服务。签名图像的轮廓提取有很多方法,如用s o b e l 算予、r o b e r t 舆子等方法。零文采用了一矛申非常简单黔方法,即用数学形态学方法来进行签名 图像轮廓的掇取。因为二德豳像的轮廓掇取就是掏空冀态部点:如聚原图中有一 点为黑,且它的8 个相邻点都是黑色时,则将该点删除。具体的方法是用一个九 个点豹结l 奄元索对原图像进行窟浊,再爝原图豫减去麟蚀圈像。 图2 5 二值化后图像及提取轮廓盾的签名图像 2 2 4 签名图像的骨架提取 疆取签名菠像静骨架,嶷舔藏是瓣签名二篷讫嚣戆鞫像逶雩亍缫化跫理。缨诧 厝的签名图像可以突出签名的形状特点和减少冗余的信息量,但逐是要保持原来 阐有的形状。文字细化的熬本要求是这样的:细化结果是原目标躅像的中心线 2 7 j ;保证绥纯爱霾拣图像鹣连逶往;僳瑟鹜标图像瓣灞点;空闻,l 、羹速度侠。 由于文字骨架保留了绝大部分的有效识别特征,而且细化后需要的存储量比原图 像的二值化点眸少褥多,因j | :比较利于特征提取,但髭细化也同样会造成一些畸 变,谮魏谖翳靛难度,丽虽绻纯本身也需要一定酶露黼 2 4 1 1 2 5 1 t 2 6 t 。 文字细化的算法主要分为串行算法和并行算法两种。串行算法怒按一定的次 黟对文字边缘的象素进i 亍遮代检测,按约定判据来决定象素的删鼹,一层层“剥 离”而留下字符的骨架;并行算法的愚鼹类钕,僵不怒依次逐点避行,因两实瑰 简单,速度更快。 本文采用的查表法是一融简单丽且效果很好的细他算法。这种方法根据一个 点的,个耜邻点来判断该悫建不是骨架患,是更l 保留,不是掰去除( 设自点为1 , 黑点为0 ) 。该方法的判据如下:( 1 ) 内部点不能删除;( 2 ) 孤立点不能删除;( 3 ) 焱线端点不能测除;嵇,如粜p 是边界点,去掉p 矮,始采连通分量不增加,则p 可以删除。根撼上述的笋q 据,事先做出一张表,从0 弼2 5 5 共育2 5 6 个元素,每 个元素要么是0 ,要么是1 。我们根据某点的八个相邻点的情况查袭,若表中的 元豢是l ,剐袭示该点可测,香则傈整。 查表的方法是,左上方点对应一个8 位数的第一位( 簸低位) ,正上方点对应 篇二位,右上方点对应的第三位,左邻点对应第四位,右邻点对应箱五位,左下 方点慰应篱六继,委下方患对瘦第七位,右下方点对应瓣第,l 经,按这样组残豹 8 位数去查表即可。 图2 - 6 二值图像中几种点分布的情况 锲热上强中( 1 ) 薄痤表中鹃燕0 项,渡颁应该为0 ;q ) 对应3 7 ,该硬应该为o ; ( 3 ) 对应1 7 3 ,该项应该为1 ;( 4 ) 对应2 3 1 ,该项应该为o ;( 5 ) 对应2 3 7 ,该项应 1 2 该为1 ;( 6 ) 对应2 5 4 ,该项应该为o ;( 7 ) 对应2 5 5 ,该颂应该为0 。所用到的表如 下所示: s t a t i ci n te r a s e t a b l e 2 5 6 = 0 ,0 ,1 ,1 ,0 ,0 ,1 ,1 ,1 ,1 ,0 ,1 ,1 ,1 ,0 ,1 , 1 ,1 ,0 , 0 ,1 ,1 ,1 ,1 ,0 , 0 ,0 ,0 ,0 ,0 ,0 ,1 , 0 , 0 ,1 ,1 ,0 ,0 ,1 ,1 ,1 , 1 ,0 ,1 ,1 ,1 ,0 ,1 , l ,1 , 0 ,0 ,l ,l ,l ,1 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,l , 1 ,1 ,0 , 0 ,1 ,1 ,0 , 0 ,0 , 0 ,0 ,0 ,0 ,0 ,0 ,0 , 0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 , 0 ,0 ,0 ,0 ,0 ,0 ,0 , 1 , 1 0 0l 10 0 ,l ,1 ,0 11i 01 0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 , 0 , 0 ,1 ,l ,0 , 0 ,1 ,1 ,l ,1 , 0 ,1 ,1 ,1 ,0 ,l , 1 , 1 001 ,1 ,1 , 1 ,0 ,o ,0 , 0 o ,o ,o ,1 , 0 01l 001 ,1 ,1 , 1 ,0 ,1 110 ,l , 1 ,1 , 0 ,0 ,1 ,1 ,1 ,1 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 , l ,1 ,o ,o ,1 ,1 , 0 ,0 ,o , 0 ,0 ,o ,o ,0 ,o ,o , l ,l ,0 ,0 ,l 。l ,1 ,1 ,o ,0 ,0 00o oo l 100 ,1 100 ,1 , 1 ,0 ,1 ,1 100 , l ,1 ,o ,o ,1 ,l ,1 , 0 ,1 ,1 , 0 ,0 ,1 ,0 ,o ,o : 2 。3 本鬻小结 图2 7 原始签名图像及提取骨架赢的签名图像 预处理的好坏直接影响整个系统的识别效果,预处理的好,可以方便提取到 鸯教夔识墨l 凳餐,节省提取黪薤懿对阉,凳戮螽兹篓聚努下墓礁。经过羲处理我 们在原始签名图像的基础上得到了平滑腊的签名图像,签名二值化图像,水平压 缩签名图像,签名的骨架图像以及签名的轮廓图像。 1 3 第三章签名图像的特征选择与提取 签名鉴别的主要原理是从签名中提取反映书写风格的特征,并比较待检验签 名翻参考训练签名书写特,征的差异,判款他们是否为髑一人所写。因此,不管是 辩入工专家或计算机来说,憝名特征酶疆淑斧噩选择都燕歪关重要的。特征提取广 义上指的是一种变换,将处于高维空间的样本通过映射溅变换的方式转换到低维 黧蠲,达到海缝熬强豹;特链选择指扶一缀特征中去除冗余或不相关的特征来降 维。在模式识剐中,特征提取与特征选择作为两个过程,它们静先露次序并不是 固定不变的,在处理实际问题时,二者常联合使用,如先通过变换将高维特征空 潮殃射到低维特惩窒闻,然麓嚣去除冗余豹襄不相关豹特征来进一步降低缍数。 特征的选取应保证最有代表憔、信息量大、冗余量小,筒豆要求在一定的干扰下, 墩能保持一定的不变性和适成性。 辩 特征分类 在签名鉴剩中,特征的分类多种多榉,m a m m a r 把特征分为形状特征和密 度特征,r 。s a b o u r i n 把特 歪分为全届祷挺秘局部特餐,s u k h a nl e e 熬特征分鸯全 周特征、统计特征、几何及搦扑特征几种。实际上,这然不同分类特征之间并不 愁楣互独立,截然分开的,它们相互关联,相互渗透,例如全局特饺中也可能包 含着豆鹰或者密度特征,统计特征中氇可麓包含着全裁将征等等,掰叛我稻可竣 从不同角度来进行签名的分类。 与联枫签名鉴别系统榴拢,脱机签名燎别的难点在于丢失了书写时的动态信 怠,因照,歇静态图像中摄墩动态信塞成淹簸近的一个番嚣究熬点,我们称之受稳 动态特征【5 引。伪动态特征可以间接地反映出一些一般在联机签名燎别中爿俄获 褥静特短,如伪动态特征中的薅压力特征,即灰度值低的区域与总签名区的比例, 就可以闻接反欧出一个人在麓名对的露力轻重程度,还有笔划宽度特征也耱觚一 定程度上反映一个人在运笔时的特征。因此,本文不仅提取了能反映签名形状方 嚣黝特征,丽鼠逐提取了签名蛇伪动态特,任,在提取特蔹朗时候,不仅考虑了全 局特征也考虑至i 了局部特征,尽量使提取蹦的特征晟有代表往。 1 4 3 2 形状特征的提取 签名鹃形状特征是建立在笔划静基麓上静,透露强笔麓或笔翅甏威静穗徉之 间的空间结构关系来描述签名,它是汉字结构的一种模型化的直接反映,因此形 状特征可以反映出签名的本质特征,但怒黉准确的提取有效的形状特征是比较困 赡静。本文摄取的形状特征露签名的离宽眈、签名承平蘧缩后静离窝魄、黑点露 积与总面积比、水平及垂崮方向相对重心、水平及垂崴方向笔划密度特征、轮廓 倾斜方向向量憋援。 3 2 1 签名的高度和宽度比 藏是签襄多 边疆靛裹发写宽度之爨。蠢懿久兹签名譬豹毙较疯,骞豹霉戆魄 较长,一般来说,一个人签名的高度和宽度比是相对稳定的,可以作为一个特征。 麓名宽度与高度的计算方法是,对平滑后的二值图像从上、下、左、右四边向内 遴行扫撵,去豫滔逮窒鲁,掰整銎豫豹大,l 、便是繇要签名熬离凄与突发。在爨凝 缀名边界时,为了避免遇到小的噪声点时就停止扫描,我们规定个扫描阀值 ( t h = 2 ) ,即在从外向内扫描过
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2024年安全管理人员安全教育培训试题及答案
- 2023年煤矿井下电气备考押题二卷合一带答案41
- (2025)0-6岁儿童健康管理服务规范培训试题及参考答案
- (新)保密知识竞赛试题(附答案)
- (中级社工师)综合能力试题及答案
- 2025 年食安员管理员考试题库及答案
- (2025年)辅警考试真题及答案
- (完整版)船员安全培训试题(含答案)
- 26年初级注册安全工程师《建筑施工安全》真题及答案解析
- 20261029-052016-人教版三年级体育下册单元测试卷全套(含答案)
- 北京市朝阳区2026-2027学年度第一学期期中质量检测高三英语试卷(含答案)
- 2026山东省防疫安全协管员招聘考试(畜牧兽医)历年参考题库含答案详解
- 2026健康管理师考试理论知识真题及答案
- 2025 含聚谷氨酸有机水溶肥料在马铃薯种植中的应用技术规程
- 2026-2027学年清华附中九年级上册化学期中真题卷
- 2026年四川省成都市技能人才评价考评员考试题库(附答案)
- 正大集团人才评估行测题目
- 离散数学 (第七版) 课件 第二部分 集合论
- FMEA风险评估分析表实战培训
- 2025年进出口银行人员招聘笔试考试试题及答案详解
- 光伏组件拆除方案
评论
0/150
提交评论