（计算机应用技术专业论文）基于数据融合的脱机中文签名鉴别方法研究.pdf

重庆大学硕士学位论文中文摘要 摘要 脱机手写中文签名鉴别的主要困难就在于特征的提取，因此本文主要围绕如何 提取能反映签名较本质的特征进行了相关研究。在具体解决签名鉴别时，一方面 要考虑签名的静态特征，另一方面寻找动态特征，这也是本文重点研究的对象。 提取静态特征时，在细化签名图像的基础上采用特征不变矩即伪7 - 七t l l i k e 不变 矩来进行描述。动态特征方面提出了几个重要的特征，并且利用小波变换提取了 一个重要的比例特征。另外在得到签名的外形以及高密区域并把它们进行结构性 描述时，利用了矩阵的奇异值分解。在分类器设计方面，最初采用了简单的加权 欧氏距离判别法，然后利用了b p ( b a c k - p r o p a g a t i o n ) 网络，之后提出了一个数据融 合的混合实现方案。 本文的主要创新点归纳如下： l 、在签名图像预处理阶段，针对一般细化算法存在的问题，提出一个新的细 化算法。此算法运算简单，能较好地解决转折笔划在细化时出现的分叉现象等。 另外，在分析现有的连通区域检测算法的基础上，提出了一个新的八连通区域检 测算法。此算法能很快提取签名图像中的连通区域以进行下一步的分析。另外在 提取签名灰度图像及签名高密区域等方面都提出了新的可行方法。 2 、提出了一个新的基于特征不变矩及动态特征的签名鉴别方案。此方案为一 个结合静态特征与动态特征的新的鉴别方法。提取静态特征时，利用伪z d n i k e 矩 的尺度及位移不变性，在细化的签名图像上计算1 0 阶伪z e m i k e 不变矩来组成特 征向量。提取动态特征时，则首先从灰度图像得到签名的全局及局部高密区域， 利用高密区域与原签名图像对应部分的面积之比得到全局和局部高密因素 h d f ( h i g h d e n s i t yf a c t o r ) 。另外在全局高密区域的基础上，计算其相对重心，并 将其作为另一个特征。结合两类特征形成1 6 维特征向量后，建立相应的鉴别系统。 实验结果表明，系统的错误接受率f a r ( f a l s ea c c e p t a n c er a t e ) 和错误拒绝率 f r r ( f a l s er e j e c t i o nr a t e ) 可以分别达到7 2 5 、9 3 0 e 。 3 、在前面研究的基础上，提出与一般小波变换应用不同的方法，利用了小波 变换描述信号近似信息进而提取出签名的比例特征，并结合前面提出的有关特征， 提出应用小波变换与特征不变矩相结合的方案进行脱机手写签名鉴别。利用小波 变换时，对签名灰度图像计算加权归一直方图并进一步对此一维图像利用 d a u b e c h i e s ( 4 ) 小波进行四阶二迸离散小波分解，再重建第四阶近似系数。与通常的 小波变换提取细节信息不同，本文提取的是近似信息。由此计算一个比例特征。 另外再结合前面研究的结果采用加权欧氏距离法进行鉴别，实验结果表明f a r 和 重庆大学硕士学位论文中文摘要 f r r 可分别达到7 8 3 、6 8 8 。 4 、利用b p 神经网络作为分类器，将以上方案提取的特征组成特征向量作为网 络输入，提出一个新的鉴别系统，实验结果表明了此系统的有效性。 5 、在前面研究的基础上，进一步提出了一个新的结合矩阵奇异值分解( s v d s i n g u l a rv a l u ed e c o m p o s i t i o n ) 的数据融合解决方案，即根据前面研究的基于小波 变换和特征不变矩提取特征的b p 网络以及在分析签名高密区域并利用s v d 提取 特征的b p 网络，将两个网络的输出结果进行竞争选择得到最终的判别结果。并建 立了相应的分类鉴别系统，即建立一个由两个分类器组成的分类系统。首先针对 细化的签名二值图像与提取的高密区域细化图像分别进行奇异值分解，得到一个 4 0 维特征向量。然后建立针对同类签名的b p 网络，对此网络进行训练并对测试样 本鉴别得到一组输出结果。另外对基于小波变换和特征不变矩的分类鉴别系统进 行训练，并对测试样本鉴别得到另一组输出结果。最后将两个系统的结果竞争选 择输出从而得到最终的鉴别结果。实验结果表明此方案比任两个单独的系统在鉴 别性能上有进一步的提高，f a r 和f r r 分别能达到5 7 l 和6 2 5 。 关键词：签名鉴别；特征不变矩；小波变换；数据融合 重庆大学硕士学位论文英文摘要 a b s t r a c t t h em a i nd i f f i c u l t yo fo f f i i n eh a n d w r i t t e nc h i n 雠s i g n a t u r ev e r i f i c a t i o ni sf e a t u r e e x t r a c t i o n s ob o wt oe x t r a e tf e a t u r e sb a s e do nc h a r a c t e r i s t i c so fc h i n e s es i g n a t u r ei s d i s c u s s e di nt h i sd i s s e r t a t i o n w h e ns i g n a t u r ev e r i f i c a t i o ni sc o n s i d e r e d , t h e r ea r et w o p r o b l e m sn d e dt os o l v e o n ei ss t a t i cf e a t u r ee x t r a c t i o n t h eo t h e ri ss e e k i n gd y n a m i c f e a t u r e s a n dt h i si sm a i n l yc o n c e r n e di nt h i sd i s s e r t a t i o n w h e ns t a t i cf e a t u r e sa t ee x t r a c t e d , t h e ya l ed e s c r i b e du s i n gp s e u d o - z e m i k e i n v a r i e n tm o m e n t sc a l c u l a t e db a s e do nt h i n n e ds i g n a t u r ei m a g e s s e v e r a li m p o r t a n t d y n a m i cf e a t u r e sa r ef o u n d , a n dav e r yi m p o r t a n tr a t i of e a t u r ei s e x 仃a c t e du s i n g w a v e l e tt r a n s f o r m i na d d i t i o n , w h e ns i g n a t u r es h a p ea n dh i g h - d e n s i t y 羽铘粥 d e p i c t e di ns t r u c t u r a lw a y , s i n g u l a rv a l u ed e c o m p o s i t i o no fm a t r i xi su t i l i z e d a st o c l a s s i f i e rd e s i g n a t i o n , f i r s t s i m p l e e u c l i d i a nd i s t a n c ec l a s s i f i e ri su s e d , t h e n b a c k - p r o p a g a t i o nn e t w o r k i su t i l i z e d a tl a s tad a t af u s i o ns c h e m ei sr e a l i z e d n em a i nw o r k so f t h i sd i s s e r t a t i o n 黜a sf o l l o w s 1 a st op r o - p r o c e s s i n go fs i g n a t u r ei m a g e , an e wt h i n n i n ga l g o r i t h mi sp r o p o s e d a i m e da tq u e s t i o n se x i s t i n gi nn o r m a lt h i n n i n ga l g o r i t h m s t h ea l g o r i t h mi ss i m p l e , b u t b r a n c hp r o b l e m sc a nb es o l v e db y u s i n g i tw h e nt u r ns a o k e sa t h i n n e d i na d d i t i o n , a n e w8 - c o n n e c t e dn e i g h b o r sd e t e c t i o na l g o r i t h mi sp r e s e n t e d i tc a ne x t r a c tc o n n e c t e d a n 潮i ns i g n a t u r ei m a g ef o rn e x ta n a l y s i s a n dn e wm e t h o d sa r ep r o p o s e di ng r a yl e v e l s i g n a t u r ei m a g ea n dh i g h - d e n s i t ya r e ae x t r a e t i o n 2 an o v e ls i g n a t u r ev e r i f i c a t i o ns c h e m ei sp r o p o s e db a s e d0 1 1i n v a r i a n tm o m e n t s a n dd y n a m i cf e a t u r e sw h i c hc o n s i d e r i n gs t a t i cf e a t u r e sa n dd y n a m i cf e a t u r e s s t a t i c f e a t u r e so fs i g n a t u r e 躺d e s c r i b e du s i n gp s e u d o - z e m i k ei n v a r i a n tm o m e n t sb a s e do n t h i n n e ds i g n a t u r ei m a g e 1 0o r d e r so fm o d u l a rv a l u e sa r ec o m p u t e d 勰f e a t u r e su s i n g $ c a l ea n dw a n s l a t i o ni n v a r i e n a n da n t i - n o i s ec h a r a c t e ro fp s e u d o - z e m i k em o m e n t s w h e nd y n a m i cf e a t u r e sa r _ ee x t n t e t 烈 ) g l o b a la n dl o c a lh i g h - d e n s i t ya 瞳a sa l eo b t a i n e d f i o mg r a yl e v e li m a g ea tf i r s t t h e ng l o b a la n dl o c a lh i g h - d e n s i t yf a c t o r sa r ec a l c u l a t e d a sr a t i oo fa 嘲o f h i g h - d e n s i t yi m a g et ot h a to fs i g n a t u r ei m a g e i na d d i t i o n , b a s e do n g l o b a lh i g h - d e n s i t ya r e a , t h er e l a t i v eg r a v i t yc e n t e ri sc o m p u t e d 嬲a n o t h e rf e s t u r e s o 1 6f e a t u r e sa r eo b t a i n e da n dav e r i f i c a t i o ns y s t e mi sb u i l tu s i n ge t m l i d i 趾d i s t a n c e c l a s s i f i e r e x p e r i m e n tr e s u l ts h o w sf a r ( f a l s ea c c e p t a n c er a t e ) a n df r r ( f a i s cr o e c t i o n r a t e ) 锄a c h i e v e7 2 5 a n d9 3 0 重庆大学硕士学位论文 英文摘要 3 i nf u r t h e rr e s e a r c ho fd y n a m i cf e a t u r e s ，an o v e lm e t h o di sp r o p o s e du s i n gt h e a b i l i t yo fd e s c r i b i n ga p p r o p r i a t ei n f o r m a t i o no fw a v e l e tr a n s f o r m w h e nw a v e l e t t r a n s f o r mi su s e d ，af o r t hd i s c r e t ew a v e l e ct r a n s f o r mi sp e r f o r m e do nw e i g h t e d n o r m a l i z e dh i s t o g r a mo fg r a yl e v e ls i g n a t u r ei m a g ew i t hd a u b e c h i e s ( 4 ) a n dt h ef o r t h a p p r o p r i a t ec o e f f i c i e n t sa r er e c o n s t r u c t e d u n l i k eu s u a lu s eo fw a v e l e tt r a n s f o r mo n e x t r a c t i n gd e t a i li n f o r m a t i o n , a p p r o p r i a t ei n f o r m a t i o ni s o b t a i n e d a n dar a t i oi s c a l c u l a t e da sa n o t h e ri m p o r t a n tf e a t u r e w e i g h t e de u c l i d i 缸d i s t a n c ec l a s s i f i e ri su s e d b a s e do nt h ef o r m e rr e s e a r c h e x p e r i m e n tr e s u l ts h o w st h a tf a ra n df r r 啪a c h i e v e 7 8 3 a n d6 8 8 4 c o n n e c t e dw i t hb pn e u r a ln e t w o r ka sc l a s s i f i e r , an o v e lv e r i f i c a t i o ns y s t e mi s c o n s t r u c t e dw i t ht h ef e a t u r e se x t r a c t e da sn e t w o r ki n p u t e x p e r i m e n tr e s u l ts h o w si t s e f f i c i e n c y 5 b a s e do nf o r m e rr e s e a r c h , an o v e ld a t af u s i o ns c h e m ei sp r o p o s e du s i n gs i n g u l a r v a l u ed e c o m p o s i t i o nf o rd e s c r i b i n gf e a t u r e sf t o ms i g n a t u r e s a n dan o v e lh y b r i d s c h e m ew h i c hi san o v dd a t af u s i o ns c h e m ei sp r o p o s e dc o m b i n gi tw i t ht h ef o r m e ro n e r 1 1 地f i n a lo u t p u ti so b t a i n e dt h r o u g hc o m p e t i t i v es e l e c t i o no fo u t p u t so f 2b pn e t w o r k s a n dav e r i f i c a t i o ns y s t e mi sb u i l tw h i c hi sac l a s s i f y i n gs y s t e mc o m b i n i n g2c l a s s i f i e r s b a s e do nt h i n n e ds i g n a t u r ei m a g ea n dh i # d e n s i t yi m a g e , 4 0f e a t u r e sc o m p o s i n g f e a t u r ev e c t o ra r ee x n 翟c t e dw i 也s v d a n dt h e ya r et h ei n p u to ft h eb pn e t w o r k t h e n t h ef i n a lo u t p u ti sp r o d u c e dw i t ho u t p u t so ft h i sn e t w o r kc o m p e t e dw i t ht h o s eo ft h e f o r m e rn e t w o r k e x p e r i m e n tr e s u l ts h o w st h a ti t sm o l q ee f f e c t i v et h a na n yo f2l o n e l y s y s t e l m e a ra n df r r c 觚a c h i e v e5 7 1 a n d6 2 5 r e s p e c t i v e l y k e y w o r d s ： s i g n a t u r e v e r i f i c a t i o n , f e a t u r eh v a r i a n tm o m e n t s , w a v e l e tt r a n s f o r m , d a t af u s i o n i v 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，论文 中不包含其他人已经发表或撰写过的研究成果，也不包含为获得重麽太堂 或其他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。 学位论文作者签名夕膳鸯 学位论文版权使用授权书 本学位论文作者完全了解重废太堂有关保留、使用学位论文的 规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许 论文被查阅和借阅。本人授权重废太堂可以将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、汇编学位论文。 保密() ，在年解密后适用本授权书。 本学位论文属于 不保密( v ) 。 ( 请只在上述一个括号内打“4 ”) 学位论文作者签名：步缓文 导师签名： 霄未膏 签字吼砷年j 删日 签字日期：加7 耵刖旧 重庆大学硕士学位论文 1 前言 l 前言 脱机手写签名在国外是各学者研究的热门课题，也出现了许多很好的解决方案。由 于各方案的实用性，国外已有相应的研究产品。相比西文语种，脱机手写中文签名存在 着西文语种签名所不具有的特点，国内相关的研究非常少，而且明显存在着方案的缺陷 性。本研究课题针对中文签名存在的问题试图去解决有关的特征提取与分类鉴别问题， 经过研究发现如果针对中文汉字的特点，并运用相关的解决方案去实现鉴别方案是可行 的。 1 1 研究背景 手写签名作为一个行为生物特征，是现在身份鉴别最为广泛接受一种属性。它与我 们的日常生活、工作密切相关。在经常涉及到的签订合同、办理公证、提取款项、订立 协议、处理单据等日常社会活动中，签名都是必不可少的程序，具有相应的法律效力。 因此可以认为，签名已成为社会生活中的身份标志。但是，由于签名是作为同意或授权 的一种标志，它已长时间成为伪造或欺骗的对象，特别是在流行信用卡和银行支票的时 代。 生物特征识别是用于自动身份认证的一个重要研究领域。目前的安全做法通常包括 p i n 码、口令以及访问卡。这些方法不是很可靠，因为它们容易被忘记或遗失，而且对 于未授权用户在一个相应的环境中也使用这些方法则没有进一步的限制。而生物特征方 法不容易被复制，也不会丢失或被盗，因此更为安全。 签名鉴别是日常生活中接触最多的一种身份识别方法，接受程度高。但因笔迹动态 范围变化大，即使同一个人在不同时期和精神状态下的笔迹也不会完全相同，所以多用 于身份验证中。 1 2 脱机手写签名鉴别研究的意义 1 2 1 签名鉴别研究的意义 众所周知，手写签名作为社会生活中一个不可缺少的部分，己渗入行政、经济、金 融、法律等行业，就连日常生活中我们也会利用签名作为身份认证的一种手段。 ( 1 ) 行政领域，在同意或授权时长期以来实行公章制。而公章代表的是一个单位， 如果出现问题要承担责任时，则任何人都可以推卸。而在行政制度及民主制度健全的西 方发达国家都是采取个人责任制，个人手写签名作为同意或授权的一种标志。我们国家 正在逐步走向政治制度完善的国家，实行领导责任制势在必行。这时对于手写签名的鉴 别具有非常重大的意义。 ( 2 ) 金融领域，当涉及到银行业务如开户、取款、信用卡、个人支票时除了身份证 重庆大学硕士学位论文1 前言 明之外，主要的形式就是签名。如果光是采用签名这一普遍接受的行为方式，就会成为 伪造者瞄准的目标。事实上，美国每年信用卡公司的损失很严重就是因为伪签名的存在。 据报道，1 9 9 6 年由于支票欺骗仅美国一年就损失金额达到1 0 0 亿美元。签名鉴别此时可 发挥重要作用。 ( 3 ) 法律纠纷，如涉及到遗嘱真假的判别，甚至高考试卷偷梁换柱的识别，这时最 简单的判别依据就是签名。 ( 4 ) 安全事务，如果光凭签名就可涉足安全部门，签名鉴别就可发挥重要作用。 总之，签名作为社会生活普遍接受的一种同意或授权的方式，在社会生活中发挥了 重要作用。而且，由于手写签名是人性化的行为，相信它会成为大众容易接受的方式。 当然由于它的简单、易模仿性，将成为伪造的目标。此时手写签名鉴别就会发挥它的作 用。如果鉴别正确率高，对社会各行业包括行政、金融、处理法律纠纷、安全领域等方 面的应用能起到保障作用，则在我们国家的经济建设中能发挥重要作用。所以本人提出 针对脱机手写签名鉴别的研究，相信此项课题的研究对于社会生活具有重要意义。 1 2 2 签名鉴别的分类 依据数据获取方式的不同，自动签名鉴别相应的分为联机( o n - l i n es i g n a t u r e v m 6 c a t i o n ) 和脱机签名鉴别( o 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 ) 两种。在联机签名鉴别中，签 名通过特殊的硬件装置( 如手写板) 被表示成一种或几种随时间变化的信号序列，其中包 含签名的动态信息，因此联机签名鉴别也称为动态签名鉴别：而脱机签名鉴别中，签名经 过扫描成为二维数字图像的形式，故也称之为静态签名鉴别。 与联机签名鉴别相比，脱机签名鉴别受设备约束少，用一般的扫描仪都可胜任。具 有更广的实用范围，对以往书写的签名或签名者不在现场的情形显然只能使用脱机的方 法。而且，在动态签名鉴别中也要用到静态签名鉴别的许多理论和方法。但是脱机签名 中的动态信息只能通过签名图像的形状、灰度等特征通过问接的方式获得( 严格的讲只 能获得伪动态特征，动态特征全部丢失1 。 迄今为止，在签名自动鉴别方面，国内外已作了大量的研究工作。其中联机鉴别研 究的较多n 1 ，脱机鉴别相对较少。现在某些发达国家己经有许多成熟的商用签名自动 鉴别仪器，一般是联机工作的。由于汉字是一种象形文字，所以中文签名鉴别有其特殊 性，如笔划复杂，结构丰富，从某种程度上讲比较适合脱机鉴别。 1 3 脱机签名鉴别技术的研究动态 在脱机签名鉴别方面，国内外已作了大量研究工作，并已取得了不少成果。国外对 该课题的研究起步的较早，我国则较晚。外文签名鉴别的某些研究成果值得借鉴；而中 文签名鉴别有其特殊性，由于汉字的结构复杂性，使中文签名鉴别的难度更大。 2 重庆大学硕士学位论文 l 前言 脱机签名鉴别采用的一般算法都是利用签名的静态特征，把整个签名看作是一个整 体。常用的技术包括图像投影的分析与比较岱1 、梯度特征哺1 、几何特征们、阴影代码描 述符引、转换特征嘲等。近年来，神经网络以及多专家鉴别技术n 0 1 在系统执行中也显 示了较好的可行性及鲁棒性。 下面主要就两个方面( 随机伪签名和熟练伪签名的鉴别) 简单介绍几种现有的脱机签 名鉴别方法。 由于随机( 简单泐签名与真签名图像差别较显著，所以前期研究者只利用静态图像 特征鉴别真伪。例如，r e v f l l e t 1 用力矩不变性和傅立叶描述符来区分真伪签名。c h u a a g n 2 1 把签名图像分成三个区域( 上，中，下) ，从中提取一些全局特征，把这些特征及比 率与参考签名的特征及比率相对比，用权重距离来分类。得出类i 和类ii 的错误率均为 2 0 。由此可知，仅仅利用全局图像特征来鉴定随机伪签名是不理想的。s a b o u r i ne t a l n 如 在随机伪签名鉴别中取得了显著成就。他把延长的阴影代码作为一种外形特征用于随机 伪签名鉴别中。这些代码把签名的全局及局部表述结合起来，利用k - n n 及最小距离分 类器得到阴影代码的特征向量。实验得到系统的错误率仅为2 1 6 。但是，这种方法对 于图像平移、旋转、尺寸变化的容错性很差。 而对于熟练伪签名的鉴别目前还没有一种识别率较高的方法。g u oe ta l 阻4 1 采用的 一种方法，是通过建立一个模型与待鉴别签名间的局部一致性来分辨真伪。把待定签名 分割成连续笔划段，这些笔划段与模型的笔划段相匹配笔划边界由拓扑特征定义，把最 大权重付给最小不变子笔划的最小不变性特征。这样强调了依赖于签名者的特征。由一 个高斯静态模型来决定阈值，通过检测子笔划中的依赖于签名者信息及抖动信息来辨别 真伪。f a n ge ta 1 则利用签名的水平和垂直投影来检测熟练伪签名。m a m m a re ta 1 提出 一种叫做a m t ( a n 姗皤m a t c h i n gt e c h n i q u e ) n 卯方法。使用这种方法，据称可以检出熟 练伪签名且拒识率很低。 另外，一些研究者还采用了其它技术，如神经网络、并行处理、支持向量机、隐 马尔可夫模型等，来处理脱机签名鉴别问题。 目前，对于脱机签名鉴别的研究大多针对西文签名。一些日文学者，如i s a o y a s h i m u r a 等对从日本汉字签名中提取笔划方向特征作了有益的尝试，但是中文签名和 西文签名相比有很大的差异，即使是日文签名，它和中文签名相比，更接近于手写印刷 体，远不如中文签名那么复杂。 1 4 脱机中文签名鉴别的特点和难点 签名鉴别中存在着许多难点。其一是签名的不稳定性。尽管签名具有体现其自身特 性的稳定性，但静态签名和动态签名过程不可避免的存在着可变性；由于工作性质不同， 每天需签署文件与偶尔为之会影响签名样本的一致性；年轻人的签名具有不稳定性，随 重庆大学硕士学位论文1 前言 着时间的推移是一个演变的过程；生理、心理状态的改变会增加签名的可变性，如疾病、 疲劳、饮酒等；另外书写位置、笔的式样等实际条件也会影响签名n 6 o 这些不稳定性 给鉴别签名真伪带来了困难。 其次，签名鉴别不是一个通常意义下的字符识别问题，它是一个两类划分问题。签 名鉴别系统的性能评价是通过计算第一类错误率( 弃真错误率) 和第二类错误率( 取伪错 误率) 来表示的。由于通常情况下好的参考样本数量不足，伪造签名集合不能全部获得， 而且在很多情况下，是用随意伪造签名代替熟练伪造签名对系统进行性能评价，这就人 为的减少了第一类错误率和第二类错误率，这是一个需要解决的问题。 再者，不同的人的签名形式差别很大，用统一的识别方法或选取统一的阈值难以保 证较高的准确率。另外对于同一人的签名，由于学习和训练集通常较小，这就造成了阈 值选取的困难。 另外，对于脱机签名鉴别来说，由于其书写过程的动态信息全部丢失，可利用的信 息更少，因此如何利用有限的信息提高脱机签名鉴别的识别率也是一个难点。 1 5 本文的研究内容与组织结构 大家容易承认，手写签名不仅反映了有关签名者名字的语义信息，而且反映了有关 签名者本人特有的内在的并且是唯一的特征。这些特征提供了签名者的生理以及心理状 态。因此手写签名表明了许多适合身份鉴别的特征。但是存在的问题是，即使在签名中 可以观察到稳定性，就算是连续的签名，也不可能从中提取完全准确、可重复并且完全 相同的特征数据。事实上，由于年龄、时间、习惯、出理或精神状态、身体或签名条件 的不同，在不同的签名中可以发现大量的变化。因此，利用签名进行身份鉴别始终是一 个较难的课题。 本课题是对于脱机手写中文签名鉴别方法的研究，目标是分析和研究手写签名的内 在特性，提取出反映不同人签名个性的特征，以期设计出鉴别正确率较高的脱机手写签 名鉴别系统。 各章的主要内容如下： 第二章介绍了签名图像的相关预处理工作。本文研究的基础与一般研究基于二值图 像不同，它基于灰度图像，因为这样可以保持许多重要的特征，尤其是许多动态特征的 提取。在本章中，介绍了如下内容：签名图像获取；改进以前的方法对签名灰度图像进 行提取以及提取高密区域；提出了一个针对手写签名的细化算法；并提出一个八连通区 域提取算法；之后分析了脱机手写签名的静态特征，比较与分析了几个特征不变矩，并 利用签名图像验证了伪z e r n l k c 矩的不变性特征。 第三章提出了一个新的基于特征不变矩及动态特征的签名鉴别方案。此方案为一个 结合静态特征与动态特征的鉴别方法。提取静态特征时，利用伪z e r n k e 矩的尺度及位 4 重庆大学硕士学位论文 1 前言 移不变性，在细化的签名图像上计算1 0 阶伪z , a l l i k e 不变矩来组成特征向量。提取动态 特征时，则首先从灰度图像得到签名的全局及局部高密区域，利用高密区域与原签名图 像对应部分的面积之比得到全局和局部h d f 。另外在全局高密区域的基础上，计算其 相对重心，并将其作为另一个特征。结合两类特征形成1 6 维特征向量后，建立相应的 鉴别系统。实验结果表明，系统的f a r 和f r r 可以分别达到7 2 5 、9 3 0 。 第四章在前面研究的基础上，利用了小波变换描述信号近似信息的能力，提取出签 名的比例特征，并结合前面提出的有关特征，提出应用小波变换与特征不变矩相结合的 方案进行脱机手写签名鉴别。利用小波变换时，对签名灰度图像计算加权归一直方图并 进一步对此一维图像利用d a u b e c h i e s ( 4 ) d , 波进行四阶二进离散小波分解，再重建第四阶 近似系数。与通常的小波变换提取细节信息不同，本文提取的是近似信息，由此计算一 个比例特征。另外再结合前面研究的结果分别采用加权欧氏距离判别，实验结果表明 f a r ( 错误接受率) 和f r r ( 错误拒绝率) 可分别达到7 8 3 、6 8 8 。基于这些提取 到的特征向量，再采用b p 网络构建脱机签名鉴别系统，实验结果表明系统也能达到较 好的性能。 第五章在前面研究的基础上，进一步提出了一个新的结合矩阵奇异值分解( $ v d ) 的数据融合解决方案，即根据前面研究的基于小波变换和特征不变矩提取特征的b p 网 络以及在分析签名高密区域并利用$ v d 提取特征的b p 网络，将两个网络的输出结果进 行竞争选择得到最终的判别结果。并建立相应的分类鉴别系统，即建立一个由两个分类 器组成的分类系统。首先针对细化的签名二值图像与提取的高密区域细化图像分别进行 奇异值分解，得到一个4 0 维特征向量。然后建立针对同类签名的b p 网络，对此网络进 行训练并对测试样本鉴别得到一组输出结果。另外对基于小波变换和不变矩的分类鉴别 系统进行训练，并对测试样本鉴别得到另一组输出结果。最后将两个系统的结果竞争选 择输出从而得到最终的鉴别结果。实验结果表明此方案比任两个单独的系统在鉴别性能 上有进一步的提高，f a r ( 错误接受率) f r r ( 错误拒绝率) 分别能达到5 7 1 和6 2 5 。 在结论与展望部分对本文的主要研究成果进行了相关总结，并对研究过程中的存在 的思路进行了相关分析。在研究本课题的过程中，本人曾对手写签名的重心区域作过重 点分析，即对签名过程中的重笔道即高密区域进行了分析。在提取高密区域的基础上， 检测连通区域，并计算各区域的重心，得到一系列重心点。曾尝试采用三次样条曲线对 这些点进行拟合或利用小波变换来进行细节突变信号的检测以提取相应的特征。实验结 果表明这样很难进一步提取到有用的特征，故转而利用矩阵奇异值分解来提取特征。 5 重庆大学硕士学位论文2 数据采集与预处理 2 数据采集与预处理 签名图像的获取与预处理是进一步研究的基础，在本章中首先介绍本文签名样本图 像的获取。由于本文的研究基本上都是基于灰度图像，但多数签名鉴别研究是基于二值 图像，只在a m m a r 等m 3 的文献中详细分析了签名灰度图像的提取。本文结合实验情况， 改进了他们的方法，直接利用最大类间方差法即o s t u 算法进行图像分割进而得到签名 灰度图像。本文研究的重点是签名图像的高密区域，改进了a m m a r 等的高密区域求法。 由于细化能减少笔划宽度以及字体不同等影响，因此本文许多特征的提取都是基于细化 图像。通用的细化算法存在着转折笔划在细化时出现分叉现象等问题，本文提出了一个 简单易行的细化算法。另外由于对八连通区域算法的研究较少，本文在已有的四连通区 域提取算法即标号法基础上提出了一个八连通区域提取算法。 在此基础上本文还分析了几种特征不变矩包括几何矩、z e m i k e 矩、伪7 _ _ 七i l l i k e 矩， 对于它们的旋转、尺度以及位移不变性特征进行了详细分析，并用签名图像验证了伪 z e m i k e 矩的不变性特征。 2 1 签名图像的收集 实验所用的签名样本是用普通钢笔书写在打印纸上的。使用的图像输入设备是 l i n o s c a n l 4 0 0 扫描仪，采用1 0 0 d p i 分辨率，以2 5 6 灰度方式输入计算机，存为t i f f 格式 图形文件。每个原始签名图像经过手工分割取出，并按照一定的命名规则单独存为b m p 文件。 2 2 签名灰度图像的提取 2 2 1o s t u 算法 图像的阈值化是一个基本的像素分割问题，其目的是把一幅给定的图像分割成两类： 一类属于目标像素，另一类属于背景像素。阈值化是图像分割中的一个最常用的工具。 多年来，已有各种各样的阈值选择方法提出来。t p u n 1s ，1 9 3 在分割过程中第一次引进 了熵的概念。从那时起，许多研究人员就在这方面进行了相应的工作，并提出了多种基 于熵的方法2 2 2 1 。在文献 2 3 】中，提出了一种基于灰度梯度共生矩阵模型和最大熵原 理的自动阈值选择方法。该方法同时利用了图像的灰度和梯度信息，因而分割效果良好。 o s t u 算法是较早的分割算法，由于在本文实验中应用效果好，而且计算简单，因此 它被用于本文中的图像分割。图像分割的o s t u 算法是o s t u 提出的最大类间方差法，该 算法是在判决分析最小二乘法原理的基础上推导得出的1 。 o s t u 准则分割原理如下： 设一幅图像的灰度等级范围为1 1 ，2 ，l i ，对应灰度级i 的像素为个，整幅图像的像 6 重庆大学硕士学位论文 2 数据采集与预处理 素总个数= 啊+ n 2 + + n l ，则对应灰度级f 的像素出现的概率为； 只= 只o异= l( 2 1 ) 整幅图像总的均值为： 蜥= “= 嵋 ( 2 2 ) 若整幅图像以灰度级k 为阈值，且分为c o 与c l 两类。其中c o 类灰度级范围为 b ，k 】，q 类为k ，二】。这两类的方差分别为： 小缸p ) = 喜0 ) 2 ( 2 3 ) 小喜。) 2 p , q c ? = 喜。1 ) 2 ( 2 4 ) 式中，p 为在c o ( 或q ) 类中灰度级珀q 像素出现的概率，u o 和均分别为c o 和c 1 类 的均值。这样有w o u 。+ m 蝴= u r 成立，w o 和分别为c o 类和c 1 类的概率。在此o s t u 定义类内方差： q 2 = w o 2 + w l 砰 ( 2 5 ) 类间方差： 盯口2 = w o ( u o 一“，) 2 + w 1 ( u l 一蚱) 2 = w o w l ( u l u o ) 2 ( 2 6 ) 总的方差： 盯；= ( f 一蜥) 2 只 ( 2 7 ) o s t u 准则即： 最优的阈值灰度满足下式：盯；( f ) = m a x 2 ( 目 2 2 2 签名灰度图像的提取 书写在白纸上的签名被扫描成图像后，由于噪声的干扰，需要去除噪声。a m m a r 等 皿5 1 对签名的预处理包括三个步骤： 第一步利用以下公式减少背景； 凡驴 一办 如果嚣p 。 其中： 7 ( 2 8 ) 重庆大学硕士学位论文2 数据采集与预处理 p t ( d = p ( f ，力一吉p u ，) 1 u 1 = 1 p ( i ，) ：为扫描得到的原图像 m n ：图像大小 第二步利用o s t u 算法设置一个阈值，规定灰度值小于此阈值则为0 ，否则为1 ，从 而在得到二值签名图像； 第三步再利用此二值签名图像从原始图像中提取出签名对应的灰度图像。 本文对a l l l t n a r 的提取灰度签名图像算法进行了验证，发现效果并不好。 本文的所有实验中，由于签名书写在白纸上，尽管利用扫描仪获取图像时会有相应 的噪声出现，但大部分像素的灰度值都较大，与签名本身部分的像素很容易区别开来。 本文实验直接采用了o s t u 算法，从原始图像中得到相应的灰度图像s 。【f ，刀。 在图2 1 中可以看出，利用o s t u 算法就可以很好地将签名灰度图像与背景分离开来。 图2 1 本文算法处理结果：a ) 原始图像；b ) 灰度图像 f i g 2 1p r o c e s s i n gr e s u l t ：a ) o d g i n a li m a g e ；b ) g r a ys c a li m a g e q 2 3 签名图像的细化分析 2 3 1 引言 在对汉字进行处理或与汉字相关的签名或手写体汉字识别或鉴别过程中，细化在前 期处理中起着十分重要的作用，它能从汉字中抽出模式的特征信息。因此对于细化，一 方面要求去掉多余的像素，另一方面要求保存模式的基本结构和特征。目前，人们在汉 字识别领域已经做了大量深入研究，正式发表的细化算法也是举不胜举，如迭代算法， 跟踪算法，极值算法等。这些算法的共同缺点是： ( 1 ) 大多数算法不考虑原型模式中的中心轴，细化后有较大的畸形产生； ( 2 ) 只适用于信息量较少的汉字。 细化在脱机手写签名的识别与鉴别处理中起着重要作用，因为细化后能减少笔划宽 度以及不同字体的影响。因此，本文对于细化算法进行了相关研究。 一般地，数据预处理阶段包括去噪、细化等步骤。到现在为止，对于细化算法的研 究不胜枚举，特别是国外许多学者提出的算法都能取得较好的效果。对于手写签名来说， 细化处理容易出现如汉字识别时的细化问题： 重庆大学硕士学位论文2 数据采集与预处理 交叉笔划畸变 转折处出现分叉笔划 失去短笔道 笔划合并等 针对这些情况，本人提出了一种新的算法。 2 3 2 细化算法分析 首先对签名图像像素点的有关概念进行如下说明： 本文采用的像素邻域为4 x 3 窗口，在如图2 2 所示的3 x 3 窗口中，中心像素点为p ， 在八个方向存在的相邻点分别为n