脱机手写体签名识别的小波包隐马尔可夫模型

提出了一种基于小波包隐马尔可夫的脱机手写体签名识别方法。该方法用小波包对归一化的签名图像进行特征提取,用混合高斯模型刻画各频带的小波包的系数分布,并用隐马尔可夫的状态转移模型描述了高斯模型在各频带间的相关性和依赖性。该方法数据预处理简单,特征提取完全可逆,避免了复杂分割,很好地描述了签名图像的小波包分解的统计特性,实验表明具有较好的抗噪性、鲁棒性、适应性和较高的识别率。     

基于SVM的脱机手写汉字机器学习识别方法研究

提出了一种模糊统计方法的脱机手写体汉字特征提取方法,结合小波网格方法和汉字笔画密度特征方法对汉字进行特征提取,并运用支持向量机方法,通过机器学习对脱机手写汉字识别。仿真实验表明,支持向量机方法在脱机手写汉字识别中有良好的识别性能及模糊统计方法是有效的。     

基于SVM的脱机手写汉字机器学习识别方法研究

提出了一种模糊统计方法的脱机手写体汉字特征提取方法．结合小波网格方法和汉字笔画密度特征方法对汉字进行特征提取，并运用支持向量机方法，通过机器学习对脱机手写汉字识别。仿真实验表明，支持向量机方法在脱机手写汉字识别中有良好的识别性能及模糊统计方法是有效的。     

基于奇异值分解和小波包分析的液压泵振动信号特征提取方法

针对液压泵故障特征提取问题,提出了一种基于奇异值分解和小波包变换的液压泵振动信号特征提取方法.通过奇异值分解将噪声非均匀分布的液压泵振动信号正交分解为噪声分布相对均匀的分量,对各分量进行小波包阈值去噪,重构去噪后分量,对去噪后信号进行小波包分解,提取各频带能量特征.以齿轮泵为例,将该方法对齿轮泵的气穴故障、齿轮磨损和侧板磨损3种常见故障和正常状态的振动信号进行特征提取分析,结果表明,该方法可有效提取齿轮泵故障特征.     

基于MATLAB的小波包信号消噪处理

信噪分离是小波包应用于信号分析的一个重要方面。本文在基于MATLAB的基础上,采用小波包对含高斯白噪声信号进行分解,通过不同的量化阈值对小波包系数进行处理、重构得出小波包消噪后的信号。计算机仿真结果表明,用不同量化阈值的小波包可对含高斯白声信号进行消噪重构。     

脱机手写体汉字识别综述

脱机手写体汉字识别是模式识别领域中的难题之一。该文分析影响脱机手写体汉字识别性能的主要方面,如规范化方法、特征提取方法及分类方法,给出了每种方法的适用条件,介绍了目前研究中所使用的数据库。     

基于小波包与Otsu的含噪遥感图像分割算法

最大类间方差(Otsu)在用于含噪图像的分割时,不能取得理想的分割效果。针对该问题,在Otsu分割方法的基础上,结合小波包分析,提出一种新的含噪遥感图像分割算法。该算法用小波包对含噪遥感图像进行分解,采用自适应阈值的方法去除图像中的噪声,应用Otsu方法对图像进行分割。仿真实验表明,该算法具有较好的抗噪性能及分割效果。     

脱机手写体汉字识别研究综述

脱机手写体汉字识别是汉字识别领域中最难的课题。该文对目前脱机手写体汉字识别在预处理、特征提取、分类识别及后处理四个阶段主要采用的方法做了简要介绍,阐述了各种方法的优缺点,并提出了一种将支持向量机有效地用于解决多分类问题的策略。最后根据目前的研究状况,指出今后研究中需要注意的问题和研究的发展方向。     

基于小波和RBF神经网络的手写体数字识别

针对传统的手写体数字识别技术的局限性，本文提出了基于小波和RBF神经网络的手写体数字识别方法，即利用小波较强的去噪功能以及RBF神经网络学习快速、容错性较好等优点来解决手写体数字识别的问题。实验表明，该方法的识别正确率较高。     

基于最优小波基选取的掘进机振动信号去噪方法

为了提高掘进机振动信号小波包去噪的效果,最大限度避免噪声对信号特征提取的影响,提出了基于最优小波基选取的掘进机振动信号去噪方法。该方法以信号频谱为分析依据,首先确定了小波包分解的最优分解层数,再选择最优小波基函数,实现了对掘进机振动信号的实时处理,去噪效果达到了最佳。现场试验结果也验证了该方法的有效性。     

基于小波变换和CPN网络的手写签名鉴别

手写签名鉴别技术作为生物特征安全认证领域的重要技术之一,具有广泛的应用前景。为了提高手写签名鉴别的正确性,提出一种基于三层小波变换和CPN神经网络结合的方法。首先对手写签名样本图像采取滤波去噪、二值化、细化、归一化等预处理措施,然后使用离散DB3小波分解提取高通系数矩阵处理后作为样本特征进行提取,而后采用CPN神经网络分类器对4680个训练样本进行每样本7500次训练,最后使用训练完毕的分类器对待鉴别样本进行分类鉴别。在由36个鉴别实验组组成的实验数据集上,样本识别正确率达到了93.48%。通过多种方法的对比实验,结果表明该方法签名特征提取全面、分类识别效果明显优于线性分类器。     

Wavelet-Based Off-Line Handwritten Signature Verification

In this paper, a wavelet-based off-line handwritten signature verification system is proposed. The proposed system can automatically identify useful and common features which consistently exist within different signatures of the same person and, based on these features, verify whether a signature is a forgery or not. The system starts with a closed-contour tracing algorithm. The curvature data of the traced closed contours are decomposed into multiresolutional signals using wavelet transforms. Then the zero-crossings corresponding to the curvature data are extracted as features for matching. Moreover, a statistical measurement is devised to decide systematically which closed contours and their associated frequency data of a writer are most stable and discriminating. Based on these data, the optimal threshold value which controls the accuracy of the feature extraction process is calculated. The proposed approach can be applied to both on-line and off-line signature verification systems. Experimental results show that the average success rates for English signatures and Chinese signatures are 92.57% and 93.68%, respectively.     

基于HHT的脱机手写体汉字特征提取

提出了一种基于数学形态学方向笔画提取的希尔伯特一黄变换(HHT)方法,对脱机手写体汉字进行特征提取.通过对HHT得到的Hilbert谱和边际谱的分析,构成4维结构特征和32维统计特征,并对其进行特征融合后得到36维特征向量作为最终的识别特征.试验结果表明其识别率比单独使用Gabor变换、小波变换等方法的识别率高.在识别速度上虽然比矩变换、数学形态学等方法慢,但是比Gabor变换的速度有明显提高,比多方法特征融合的方法在速度上有一定提高.该研究表明HHT作为一种新的信号分析方法,可以被有效地运用于提取汉字图像的特征.     

区间模糊相似性度量的离线签名验证

为优化离线手写签名验证,提出了一种基于区间符号表示和模糊相似性度量的高效离线签名验证方法。在特征提取步骤中,从签名图像及其欠采样位图计算一组基于改进局部二值模式（LBP）与灰度共生矩阵（GLCM）相融合的特征。然后获得每个签名类中每个要素的区间值符号数据。为每个人的手写签名类创建由一组间隔值（对应于特征的数量）组成的签名模型。为了验证测试样本,还提出了一种新的模糊相似性度量来计算测试样本签名和相应的区间值符号模型之间的相似度。为了评估所提出的验证方法,使用了不同类型的中文手写签名笔迹图片进行测试与比对,识别率可以达到92.75%。实验结果表明当训练样本的数目是10或更多时,有效提高了识别率,所提出的方法优点在于当向系统添加新类时不需要被重新训练,并在内存使用和计算时间方面与神经网络比较是廉价的。     

有限集手写汉字识别中的笔画分区矩描述特征

提出了一种笔画分区矩特征的提取方法。根据汉字笔画分布特点，利用小波变换将汉字分解为4个方向笔画分量，用分区矩分别描述4个笔画于图像，并采用K—L变换对特征进行降维处理。采用该特征对有限集手写体汉字进行识别，初步实验结果表明该方法十分有效。     

New method for feature extraction based on fractal behavior

In this paper, a novel approach to feature extraction based on fractal theory is presented as a powerful technique in pattern recognition. This paper presents a new fractal feature that can be applied to extract the feature of two-dimensional objects. It is constructed by a hybrid feature extraction combining wavelet analysis, central projection transformation and fractal theory. New fractal feature and fractal signatures are reported. A multiresolution family of the wavelets is also used to compute information conserving micro-features. We employed a central projection method to reduce the dimensionality of the original input pattern. A wavelet transformation technique to transform the derived pattern into a set of sub-patterns. Its fractal dimension can readily be computed, and to use the fractal dimension as the feature vectors. Moreover, a modified fractal signature is also used to distinguish the distinct handwritten signatures. We expect that the proposed fractal method can also be used for improving the extraction and classification of features in pattern recognition.     

脱机自由手写英文单词的识别

介绍了一个基于隐马尔科夫模型的、采用模糊分割方式的脱机手写英文单词识别系统。该系统由图像预处理、特征提取、基于HMM的训练和识别四个模块组成。图像预处理中包括二值化、平滑去噪、倾斜校正和参考线提取。然后通过宽度不固定的滑动窗提取特征，前两组特征是整体形状和象素分布特征，另外又引入了Sobel梯度特征。HMM模型采用嵌入式的Baum-Welch算法训练，这种训练方式无需分割单词。最后用Viterbi算法识别。对字典中的每个单词，采用字母模型线性连接成单词模型。     

一种手写体汉字特征提取新方法—小波变换及弹性网络技术的应用

利用小波分析方法将汉字图象分解为横、撇、竖、捺４个方向的分量，然后结合弹性网络技术，提出了进行了手写体汉字特征提取的一种新方法，实验结果显示此方法是行之有效的。