基于支持向量机的笔迹鉴别系统

此文介绍一个脱机方式的文本无关的字迹鉴别系统.系统由把手写的文字作为图象通过扫描仪输入计算机,预处理,提取特征参数,训练模型,最后进行识别等阶段组成.在预处理阶段,本文提出了局部分割字符图象中的行,行的标准化,通过行的投影纠正行的水平位置,最后消除水平方向文字之间的空白的方法.在参数提取阶段,本文采用Gabor变换计算4个方向每个方向4个频率的笔迹特征.在训练和识别阶段,使用支持向量机建立模型和进行识别.本文对17个人任意书写的笔迹进行实验,得到较好的结果.     

基于笔迹的身份鉴别

提出了一种鉴别笔迹的新方法.现有的笔迹识别方法大多需要进行分割或关联部分的分析,都是与内容相关的方法.在新方法里,把手写笔迹作为一种纹理来看待,将笔迹鉴别的问题转化为纹理识别来处理,这是一种与内容无关的方法.使用多通道二维Gabor滤波器来提取这些纹理的特征,并使用加权欧氏距离分类器来完成匹配工作.在实验中,使用了17个人的不同笔迹,取得了很好的结果.     

基于支持向量机的文本无关字迹鉴别系统

介绍一个脱机方式的文本无关的字迹鉴别系统 .系统由把手写的文字作为图像通过扫描仪输入计算机 ,预处理 ,提取特征参数 ,训练模型 ,最后进行识别等阶段组成 .在预处理阶段 ,提出了局部分割字符图像中的行 ,行的标准化 ,通过行的投影纠正行的水平位置 ,最后消除水平方向文字之间的空白的方法 .在参数提取阶段 ,采用 Gabor变换计算 4个方向每个方向 4个频率的笔迹特征 .在训练和识别阶段 ,使用支持向量机建立模型和进行识别 .通过对 17个人任意书写的笔迹进行实验 ,得到较好的结果     

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.     

基于混沌序列的SVM参数选择及其在笔迹鉴别中的应用

基于RBF核的支持向量机(SVM)模型选择取决于两个参数，即惩罚因子和核参数，为了寻找SVM参数的最优组合，利于笔迹鉴别图像的自动识别，提出了基于混沌序列的参数搜索算法以实现SVM模型参数的自动选择。从与网格法和双线性法进行的比较实验可以看出，基于混沌序列的SVM参数选取更简单，更易于实现，并使SVM具有更好的推广能力。在10人笔迹灰度图像库上分类识别实验结果表明，该方法不但可以提高分类识别率，而且显著减少了训练SVM的个数。     

基于Gabor变换的纹理分类与识别

自然纹理图像复杂多样,目前国际上没有明确的分类标准,利用中文自然语言中的纹理概念词对常见的自然纹理进行基于概念的分类,并建立了自然纹理图像库。提出了Gabor频谱滤波提取纹理特征的方法,大大提高了计算速度。以支持向量机为分类器,并与传统的基于BP神经网络的识别方法进行对比,实验验证了该分类方法的有效性。     

基于小训练样本和纹理分析的笔迹鉴别方法

本文针对高等教育自学考试考生试卷笔迹真伪鉴定应用,利用人工笔迹鉴定专家知识,结合文本独立,和训练样本少的特点给出一种基于纹理的算法。通过实验得出,正确接受率为92．9％,正确拒绝率为90．0％。     

笔迹鉴别预处理与特征抽取技术研究

笔迹鉴别是身份鉴别技术中的一种有效方法。本文介绍了基于笔迹的身份鉴别的技术特点、研究背景及发展趋势。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,以vc6.0为平台进行了相关的试验,并指出了笔迹鉴别技术的发展方向。     

结合单字特征的笔迹鉴别算法研究

基于高等教育自学考试背景,对笔迹鉴别算法进行研究。首先利用多通道的Gabor变换对笔迹纹理图进行特征提取,并通过欧式距离分类器进行分类,在训练样本库中找到与待测样本最相似的5幅笔迹。在此基础上,利用9/7提升小波算法提取出图像高频部分细节特征,对笔迹中的特征单字进行特征提取,综合分析,给出最终鉴别结果。实验结果证明,本算法具有良好的鉴别率。     

基于局部纹理特征的钢卷侧面缺陷检测方法研究

针对钢卷侧面图像的纹理结构,提出了一套有效的钢卷侧面图像检测方法和一种新的Gabor滤波器参数设计方法,并将Gabor滤波器与LOG滤波器相结合对图像做预处理,有效的滤除了噪声并增强了图像纹理结构.另外,改进了基于"散度"的Zernike矩特征选取方法并结合SVM对预处理后的钢卷侧面图像子块分类,从而检测目标图像中是否含有缺陷.     

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。     

基于笔迹的身份鉴别

提出了一种基于小波分析的笔迹鉴别改进方法。现有的利用小波分析的签字鉴别方法大都建立在把整个签字当作图像,再对整幅图像通过Mallat塔式算法进行多分辨率分析的基础上,所提取的签字特征中总体特征相对较多,细节特征较少。论文所述方法先对签字的每一笔画进行复信号小波分解,然后将反映细节特征的笔画信息进行合成,最后使用马氏距离分类器完成匹配工作。理论分析和实验结果均表明了该算法的有效性。     

基于支持向量机的模糊系统辨识研究

GK模糊聚类是一类广泛应用于分类的数据分析技术,能智能探测不同聚类的形状,但是存在迭代过程中聚类数恒定、公式中协方差矩阵要求非零等缺点。本文针对这些缺点,提出改进的聚类算法,针对现有的模糊辨识算法出现的维数灾难及函数逼近能力不高等问题,以语言模糊模型和缺少常数项的支持向量回归机的等价性分析为基础,提出一种支持向量机与模糊系统相结合的新辨识算法,并且利用梯度下降法对参数进行辨识;为了更好地缩减规则数及体现样本数据的信息,对输入的样本集又采用改进的GK模糊聚类对数据进行分类。     

一种基于SVM的产品质量鉴别方法

为解决现实生产中某些产品无法用客观分析方法进行准确品质鉴别的问题,弥补人工感观鉴定方法的不足,提出了基于SVM的产品质量鉴别方法,通过产品的化学成份完成品质分类鉴定。实验采用葡萄酒的数据做仿真计算,结果表明,该方法可以对葡萄酒的品质进行有效的鉴定,准确度较高。     

基于支持向量机的纸币识别方法设计与研究

纸币识别是一个小样本、非线性和高维模式识别问题,是当前模式识别中的难题之一,具有重要研究意义和实用价值;选用支持向量机二次优化算法中的序贯最小优化算法,该算法以解析的方法处理优化问题,训练速度较快,识别率较高;序贯最小优化算法优化标准的单一阈值容易错判优化条件,从而导致花费大量时间寻找第二个优化样本;在优化标准中增设上下界两个阈值来判断优化条件,避免了原算法单一阈值判决的这个缺点,加快了训练速度,提高了识别率;将此种支持向量机训练算法用于纸币识别,能够充分发挥支持向量机解决小样本、非线性和高维模式识别问题的优点,能够适合工程应用中的需要.     

笔迹鉴别的字符予处理与匹配

笔迹鉴别多用匹配方法比较字并的书写风格, 而字符困像的预处理和归一化对匹配是昨常重要的本文介绍笔迹鉴别的字符图像预处理和一种形状匹配方法。预处理主要介绍二值图像的噪声消除和归一化方法。嗓声消除的方法是平滑、轮廓跟踪和填充为保持字符中的书写特征, 点阵的归一化是线性的, 但字符位五和尺度的确定昨常重要。本文给出了三种归一化方法四边定界法、重心对准法和单边定界法, 并在此基拙上用图像匹配方法进行书写人识别的实验。匹配方法是通过距离变换快速实现的。实验结果表明, 重心对·准归一化最适合于笔迹鉴别问题, 距离变换匹配得到的识别率也比较令人满意     

基于Gabor滤波特征和支持向量机的人脸检测

人脸检测是人脸识别与图像及视频检索的一项重要任务。论文提出了一种基于Gabor滤波特征和支持向量机的正面人脸检测方法。算法首先利用了Gabor滤波器的良好的空间位置与方向的选择特性,采用了四种方向的Gabor滤波器提取人脸样本图像特征并用PCA方法对特征降维,然后用已降维的特征训练支持向量机分类器。最后应用SVM分类检测人脸。实验结果证明该方法行是十分有效的。