基于纹理分析的笔迹鉴别系统

笔迹鉴别是通过分析手写字符的书写风格来判断书写人身份的一门技术。本文把手写笔迹作为一种纹理来看待,将笔迹鉴别转化为纹理识别来处理,利用多通道Gabor滤波器来提取笔迹图像的纹理特征,用支持向量机进行分类。实验中采集了17个人的不同笔迹,取得了较好的结果。     

一种基于纹理特征的笔迹鉴别方法

介绍了一种基于纹理特征的笔迹识别方法。把手写笔迹图像作为一种纹理看待,从而将笔迹识别问题转化为纹理识别问题。笔迹图像预处理采用基于像素点的切割方法,通过实验证明该方法可以较为完整的保存纹理信息。对于预处理后的纹理图像,再利用纹理处理技术和数学方法提取笔迹纹理特征,设计Gabor滤波器对特征图像鉴别,所有过程均使用MATLAB编程仿真实现。试验结果表明采用纹理识别的方法简单,避免了由于文字数量、纸张材质、字体颜色等因素的影响,显著提高了识别的准确度和笔迹识别应用的广度。     

基于特征融合的维吾尔文笔迹鉴别

针对采用纹理方法鉴别维吾尔文不稳定的问题,提出一种与文本无关、特征融合的笔迹鉴别方法,融合的特征包括网格窗口微结构特征和笔迹曲向特征。所提方法从笔迹原始图像提取笔画边缘,对笔迹的边缘图像建立大量局部窗口模型,通过扫描边缘图像获取融合特征结构的概率密度分布,使用多种距离公式计算概率密度向量间的距离。在实验笔迹容量大小为80的笔迹库上进行实验得到的鉴别率为89.2%。所提方法能很好地刻画笔迹的局部书写变化趋势和笔画的曲向,采用概率密度分布来统计笔迹的网格窗口微结构特征和曲向特征,鉴别效果达到了预期值。     

改进Gabor滤波器在笔迹鉴别中的应用

将笔迹图像当作纹理网像看待,用改进的多通道二维Gabor滤波器提取笔迹图像的纹理特征,经过处理后加入特征数据库中作为笔迹鉴别的依据.这是一种文本无关的方法,具有很好的通用性,经过对Gabor变换进行改进提高了鉴别的速度和准确性,以vc 6.0为开发平台通过大量的实验验证了算法的有效性.     

基于统计特征的维吾尔文笔迹鉴别研究

针对目前的笔迹鉴别研究只是单一针对纹理特征和概率分布密度．提出一种采用边缘方向分布特征和LBP纹理特征相融合的笔迹鉴别方法。该方法利用概率密度分布思想从边缘轮廓图像中提取边缘方向分布特征,使用直方图向量提取LBP纹理特征。并且采用几种距离公式进行相似性度量。所提方法简单可行并很好地描述了维吾尔文的书写习惯和特征,取得较好的鉴别结果。     

基于SVM和纹理的笔迹鉴别方法

针对与书写内容无关的笔迹，提出利用快速Gabor小波提取笔迹图像的整体纹理特征、用支持向量机(SVM)进行训练和识别的方法．SVM是解决两类问题的算法，而笔迹鉴别是一个多类问题，通过“一对多”的方法将多类问题转化为两类问题．在87人笔迹库上的实验结果表明，文中基于SVM和纹理的笔迹鉴别方法是有效的。     

基于部首合并的自适应文字切分制作笔迹纹理

目前笔迹鉴别预处理阶段的纹理图像制作通常采用压缩行距及字间距的方式,由于样本中存在随机出现的过长笔画,导致制作出的纹理不均匀,以致影响最终的笔迹鉴别结果。提出了一种基于偏旁部首合并的自适应文字切分算法,实验表明采用此算法能够对粘连的文字进行有效切分并且能够确保分字的正确,从而制作出的纹理更加均匀,能够有效提高笔迹鉴别的效果。     

简化的Wigner分布及其在笔迹鉴别中的应用

本文提出了简化的Ｗｉｇｎｅｒ分布纹理分析方法并用于笔迹鉴别．Ｗｉｇｎｅｒ分布是图像的局部频谱表示，但计算量和存储量太大，我们证明Ｗｉｇｎｅｒ分布是信号的冗余表示，然后对它进行了简化．简化的Ｗｉｇｎｅｒ分布是信息保持的，且仍保持较好的纹理度量性能．该方法在笔迹鉴别实验中比以往的笔迹纹理分析方法取得了更好的结果。     

简化的Wigner发布及其在笔迹鉴别中的应用

本文提出了简化的Ｗｉｇｎｅｒ分布纹理分析方法用于笔迹鉴别。Ｗｉｇｎｅｒ分布是图像的局部频谱表示，但计算量和存储量太大。我们证明Ｗｉｇｎｅｒ分布是信号的冗余表示，然后对它进行了简化。简化的Ｗｉｇｎｅｒ分布是信息保持的，且仍保持较好的纹理度量性能。该方法在笔迹鉴别实验中比以往的笔迹纹理分析方法取得了更好的结果。     

维吾尔语笔迹鉴别方法研究

笔迹鉴别是通过机器分析手写笔迹风格的差异特征来判断书写人身份的一门科学与技术.就像语音、指纹、虹膜和脸谱等生物特征识别技术一样是一个典型的模式识别问题.笔迹鉴别可分为在线、离线两种.笔迹鉴别方法可以分为两大类:文本依存的方法和文本独立的方法.主要针对离线维吾尔语手写体笔迹鉴别方法展开研究,力求提取笔迹图像的全局特征,以提供更多更有效的鉴别信息,结合维吾尔语自身特点对与文本无关的笔迹鉴别中预处理和特征提取技术进行了细致的研究.     

Writer identification of Chinese handwriting documents using hidden Markov tree model

Handwriting-based writer identification, a branch of biometrics, is an active research topic in pattern recognition. Since most existing methods and models aim to on-line and/or text-dependent writer identification, it is necessary to propose new methods for off-line, text-independent writer identification. At present, two-dimensional Gabor model is widely acknowledged as an effective and classic method for off-line, text-independent handwriting identification, while it still suffers from some inherent shortcomings, such as the excessive calculational cost. In this paper, we present a novel method based on hidden Markov tree (HMT) model in wavelet domain for off-line, text-independent writer identification of Chinese handwriting documents. Our experiments show this HMT method, compared with two-dimensional Gabor model, not only achieves better identification results but also greatly reduces the elapsed time on computation.     

基于优化分割重建图像的文本无关笔迹鉴定

笔迹鉴定的主要过程首先是系统把手写的笔迹文字通过扫描仪输入计算机，然后对原始笔迹的图像进行预处理。在预处理阶段，本文提出了优化分割重建图像的归一化预处理方法，在参数提取阶段，本文采用多通道二维G2bro滤波器，通过计算4个方向每个方向4个频率来提取的笔迹特征。本文对10个人任意书写的笔迹进行实验，鉴别正确率得到较好的提高。     

Text-independent writer identification and verification using textural and allographic features

The identification of a person on the basis of scanned images of handwriting is a useful biometric modality with application in forensic and historic document analysis and constitutes an exemplary study area within the research field of behavioral biometrics. We developed new and very effective techniques for automatic writer identification and verification that use probability distribution functions (PDFs) extracted from the handwriting images to characterize writer individuality. A defining property of our methods is that they are designed to be independent of the textual content of the handwritten samples. Our methods operate at two levels of analysis: the texture level and the character-shape (allograph) level. At the texture level, we use contour-based joint directional PDFs that encode orientation and curvature information to give an intimate characterization of individual handwriting style. In our analysis at the allograph level, the writer is considered to be characterized by a stochastic pattern generator of ink-trace fragments, or graphemes. The PDF of these simple shapes in a given handwriting sample is characteristic for the writer and is computed using a common shape codebook obtained by grapheme clustering. Combining multiple features (directional, grapheme, and run-length PDFs) yields increased writer identification and verification performance. The proposed methods are applicable to free-style handwriting (both cursive and isolated) and have practical feasibility, under the assumption that a few text lines of handwritten material are available in order to obtain reliable probability estimates     

基于手写体的身份识别

以前许多文章曾介绍过一些基于手写体的书写人身份识别技术，其中多数都假设所写的文本是固定的。本文中，我们试图通过一种自动的不依赖文本的书写人识别听新颖算法，来消除这种假设，假定不同的人手写体存在明显的区别，我们采用一种综合方法，它基于纹理分析，每个人的手写体都被看成一种不同的纹理。原则上，我们可以采用任意一种标准的纹理识别算法（例如：多通道伽柏滤波器方法）。在对40名书写人的1000份测试文档的分类中，测试结果非常令人满意，识别率最高达到了96%。     

一种基于微结构特征的多文种文本无关笔迹鉴别方法

与字符识别一样, 计算机自动笔迹鉴别是一个涉及到不同文种的研究课题. 本文提出了一种基于网格窗口微结构特征的文本无关的笔迹鉴别方法, 能适用于各种不同文种的笔迹. 该方法对笔迹中局部细微结构的书写变化趋势进行描述, 并采用加权距离度量方法进行笔迹相似性度量. 利用该方法实现了文本无关的多文种笔迹检索系统, 并在实际汉字、英文、藏文和维吾尔文的笔迹库上进行了测试. 实验证明, 该方法是一种高效且适用性较广、限制性较少的笔迹鉴别方法.     

Arabic writer identification based on hybrid spectral–statistical measures

Many techniques have been reported for handwriting-based writer identification. None of these techniques assume that the written text is in Arabic. In this paper we present a new technique for feature extraction based on hybrid spectral–statistical measures (SSMs) of texture. We show its effectiveness compared with multiple-channel (Gabor) filters and the grey-level co-occurrence matrix (GLCM), which are well-known techniques yielding a high performance in writer identification in Roman handwriting. Texture features were extracted for wide range of frequency and orientation because of the nature of the spread of Arabic handwriting compared with Roman handwriting, and the most discriminant features were selected with a model for feature selection using hybrid support vector machine–genetic algorithm techniques. Four classification techniques were used: linear discriminant classifier (LDC), support vector machine (SVM), weighted Euclidean distance (WED), and the K nearest neighbours (K_NN) classifier. Experiments were performed using Arabic handwriting samples from 20 different people and very promising results of 90.0% correct identification were achieved.     

基于局部结构分割的维吾尔文笔迹鉴别方法

针对基于纹理分析的全局特征提取受文本组合或字符连接影响较大,导致特征提取不稳定的现象,以及现有局部特征提取方法存在的不足,提出一种基于局部结构分割构建Codebook的维吾尔文文本无关笔迹鉴别方法。该方法根据笔迹图像的像素值提取维吾尔文笔迹样本中具有代表性的轮廓,生成描述书写者书写风格的Codebook并进行相似性度量,从而达到笔迹鉴别的目的。实验结果表明,该方法对于维吾尔文笔迹是一种简单、可行,具有较高识别率的笔迹鉴别方法。