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.     

基于掌纹的身份鉴别

总结了近年来提出的基于掌纹进行身份鉴别的多种方法.针对身份鉴别中所涉及的几个关键问题,分别介绍了各种方法的核心思想、实现步骤和特点.最后,对基于掌纹的身份鉴别的发展前景进行了展望和分析.     

基于ASP的用户身份鉴别

身份鉴别是维护网络安全的首要元素,本文讨论ASP环境下的用户身份鉴别问题,提出基于用户的密码、特征值和物理位置的身份鉴别方法并给出了实现过程。     

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。     

基于MD5算法的身份鉴别技术的研究与实现

MD5报文摘要算法是一种应用广泛的身份认证算法，该文首先对数据加密技术进行了简要的概述，在剖析MD5算法工作原理的基础上，结合DES加密算法，采用加入时间戳、绑定IP地址的基于MD5文摘算法的一次一密方法，给出一个对访问用户口令加密的安全实现，并成功地应用于某高校“艺术类远程招生与考试管理系统”。     

基于微结构特征的维吾尔文笔迹鉴别

对离线的文本无关的笔迹鉴别进行研究,结合维吾尔文文字连写多、字形复杂等特点,采用基于概率分布函数的微结构特征笔迹鉴别,提出一种维吾尔文的笔迹鉴别方法。该方法对笔迹中局部细微结构的书写变化趋势进行描述,运用欧氏距离和Manhattan距离度量方法进行笔迹特征匹配。对120份维吾尔族学生的笔迹样本进行测试,结果表明,该方法能有效提高维吾尔文笔迹鉴别的正确率。     

基于Plugin的WWW身份鉴别系统的研究

在B/S体系结构中采用插件(Plugin)技术可以有效地增强浏览器功能.从基于Web 的安全认证出发,研究了浏览器中Plugin 程序的设计方法,提出了在浏览器中采用Plugin技术实现基于USBKey的身份鉴别方案,并结合PKI体系,实现了具有较高安全性的身份鉴别系统.     

身份鉴别与访问控制的集成方案

将用户鉴别与访问控制集成起来,可以为系统提供更好的安全性。本文对Ｈａｒｎ－ｌｉｎ方案作了进一步的改进,除了具有Ｙｅｎ－Ｌａｉｈ方案的性能外,比其更简洁有效。     

一个军网身份鉴别协议的形式化分析及修正

分别使用形式化分析工具Casper+FDR和OFM C模型检测器对文[1]提出的一个军网身份鉴别协议进行了分析,找到了一个相同的攻击实例。同时指出了文[1]和文[2]中存在的几个谬误。然后对协议进行了修正。形式化验证结果表明修正后的协议是安全的。     

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。     

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。     

基于笔画曲率特征的笔迹鉴别方法

现有的手写汉字脱机笔迹鉴别方法存在只能针对特定字符或需要大量样本字符等问题,为此提出一种基于笔画曲率特征的笔迹鉴别方法。首先运用数学形态学对采集的笔迹图像进行预处理,在横、竖、撇、捺四个方向提取具有代表性的笔画骨架,然后对笔画骨架进行圆的重构,提取四个方向笔画圆的曲率作为特征值组成笔迹特征矩,根据待鉴别的笔迹特征矩与数据库中笔迹特征矩向量夹角相似性度量结果对样本做出判断。实验结果表明该文方法对于待鉴别样本字符的内容没有要求,样本字符数量要求低、应用范围广、鲁棒性强。     

基于混合码本与因子分析的文本独立笔迹鉴别

针对已有的笔迹鉴别方法对笔迹版式的要求比较严格、训练过程耗时、对内容不受限制的小样本数据情况下鉴别性能较低等问题, 提出了基于混合码本与因子分析的文本独立笔迹鉴别算法. 该算法提取写作时常用的子图像, 并用描述符标注“代码”建立“码本”. 在特征提取层, 分别采用加权的方向指数直方图法和距离变换法, 对于具有相同描述符的“代码”计算特征距离. 把影响特征距离的因素分为书写因子和字符因子, 对码本中的每个书写模式进行双因子方差分析. 在IAM和Firemaker这两个标准数据集上的实验结果证明, 相比目前国内外的先进已有方法, 本文提出的算法在精度和速度方面有一定的优势, 具有一定的推广价值, 适合处理多语种的笔迹鉴别问题.     

基于独立分量分析的笔迹识别

笔迹识别作为一种身份识别技术,具有自然,非入侵等优点,因此成为模式识别和机器学习领域的一个研究热点。本文提出了一种与文本无关的笔迹识别方法,该方法利用独立分量分析(Independent Component Analysis , ICA)来提取笔迹的纹理特征,并利用竞争学习方法确定笔迹的特征编码。实验结果证明利用该方法进行笔迹识别具有很好的效果。     

基于纹理分析的多源信息融合方法研究

基于二元树复数小波变换的优良性能,结合遗传算法及证据理论,对图像纹理特征进行分析处理.首先利用DT CWT的移动不变性、良好的方向选择性、完备的重构性、有限的与尺度无关的冗余度以及很高的计算效率等特点提取丰富的图像纹理特征；然后应用遗传算法的寻优能力对纹理特征进行约简；最后采用基于证据理论的数据融合方法实现多源信息融合目标识别.物体非损伤性评价实验表明该算法具有很好的识别效果.     

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Hausdorff距离的图形快速匹配

本文提出了一种快速的图形匹配算法。将图形的角点作为匹配特征，利用HU矩中的重心计算方法得到角点的重心作为原点，在此基础上运用金字塔算法缩放角点对重心的距离以适应图形的比例变化。运用Hausdorff距离计算图形间的相似度，实现了一种快速的图形匹配算法。实验中运用零件图形进行匹配，结果证明，本文中提出的匹配算法不仅具有一定的鲁棒性，而且匹配速度快，是一种高效率的匹配算法。     

基于多通道分解与匹配的笔迹鉴别研究

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.笔迹鉴别的关键步骤是提取反映书写风格的笔迹特征.笔迹特征包括笔划位置、方向、搭配关系等,它们可以通过图像多通道分解提取和表达出来.本文提出一种用于笔迹鉴别的二值图像多通道分解方法,利用字符的笔划方向性先进行方向分解,然后对每个方向的子图像进行频带分解.用分解后的采样信号值作为笔迹特征,用特征匹配方法进行书写人识别,得到了很好的实验结果.