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。     

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.     

局部轮廓结构编码的笔迹鉴别

提出一种基于滑动窗口的局部轮廓结构特征的文本无关的笔迹鉴别方法。该方法利用概率分布函数对笔迹中出现的各类局部轮廓形状结构的分布进行了描述,并采用卡方距离度量方法对笔迹进行最终的相似性度量。实验结果表明,在包含240人的HIT-MW中文笔迹库上有效地提高了鉴别正确率。     

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。     

基于幅度和相对相位信息的笔迹鉴别

为提高脱线中文手写体笔迹鉴别的正确率,提出一种基于金字塔对偶树方向滤波器组(PDTDFB)变换的幅度和相对相位信息的脱线手写体笔迹鉴别方法。该方法利用导出幅度分布和基于相对相位的VM、WC分布模型得到文本图像更详实的特征表示,采用具有对称性的RA距离,依据多属性决策的思想,实现幅度和相对相位信息的特征融合。实验结果表明,该方法的鉴别正确率相比PDTDFB变换与广义高斯密度模型相结合方法提高了2.2%。     

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。     

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。     

基于边缘笔画特征结构的维吾尔笔迹鉴别

针对维吾尔文字的特点提出一种笔迹边缘量化模型的鉴别方法。该方法在提取边缘图像的基础上,以“横竖撇捺”基本笔画概念对维吾尔文字笔迹边缘在四族角度趋向上建立一种与文本无关、与方向和长度相关的特征结构矢量模型,统计所有局部窗口的特征结构并得到边缘笔画的概率密度特征向量,使用加权与不加权的距离公式求得鉴别样本笔迹与参考样本笔迹间的特征向量距离,通过比对向量距离来筛选笔迹的候选书写者。该方法能很好地刻画维吾尔文字的笔迹的局部的特征和风格,有较强的实用性,并取得了较好的鉴别效果。     

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。     

Novel geometric features for off-line writer identification

Writer identification is an important field in forensic document examination. Typically, a writer identification system consists of two main steps: feature extraction and matching and the performance depends significantly on the feature extraction step. In this paper, we propose a set of novel geometrical features that are able to characterize different writers. These features include direction, curvature, and tortuosity. We also propose an improvement of the edge-based directional and chain code-based features. The proposed methods are applicable to Arabic and English handwriting. We have also studied several methods for computing the distance between feature vectors when comparing two writers. Evaluation of the methods is performed using both the IAM handwriting database and the QUWI database for each individual feature reaching Top1 identification rates of 82 and 87 % in those two datasets, respectively. The accuracies achieved by Kernel Discriminant Analysis (KDA) are significantly higher than those observed before feature-level writer identification was implemented. The results demonstrate the effectiveness of the improved versions of both chain-code features and edge-based directional features.     

以笔画为研究对象的笔迹伪动态特征提取方法

针对以往的以文字结体为研究对象的离线笔迹特征提取方法在文本相关度较低时无法获取稳定特征的问题,提出了一种以笔画为研究对象的笔迹伪动态特征提取方法,摆脱了结体依存性的束缚。引入概率统计思想,采用网格窗口提取笔画的运笔走势和宽度变化等伪动态特征。分别采用加权欧式距离、加权卡方距离和加权Manhattan距离计算笔迹相似度。在HIT-MW和HIT-SW库上进行实验,文本相关度较高时首选和前10选鉴别正确率分别为95.9%和99.5%;文本相关度较低时首选和前10选鉴别正确率分别为91.9%和99.0%。实验表明,以笔画为研究对象的笔迹伪动态特征提取方法在低文本相关度下仍能取得较好效果。     

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.     

维吾尔文笔迹边缘提取算法及特征提取研究

介绍了四种经典的笔迹边缘提取算法,通过实验结果分析得出Sobel算子在提取维吾尔文笔迹边缘时效果较好。提出一种与文本无关、特征融合的笔迹鉴别方法,融合的特征包括改进网格窗口微结构特征和笔迹曲向特征,该方法采用概率密度分布的方法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。介绍一些高新的图像处理技术,提出对经典算子的改进、融合以及把新的图像处理技术运用到维文的笔迹鉴别工作中将是下一步的主要任务。     

基于优化Gabor滤波器和GMRF的笔迹特征提取方法

提取有效的特征一直是笔迹鉴别的关键问题,针对传统Gabor滤波器特征提取方法存在的不足,充分利用Gabor滤波系数间的相关关系,提出一种融合全局特征和局部特征的特征提取方法。该方法先通过字符笔画的方向梯度直方图（HOG）来优化Gabor滤波器的角度参数,再利用高斯马尔科夫随机场（GMRF）模型对Gabor滤波图像中的不同局部结构信息进行描述,最终得到笔迹图像的整体特征。以楷书四大家的真迹样本和收集的英文手稿作为实验数据,采用最小加权欧式距离分类器对笔迹样本进行分类,通过五重交叉验证法分别得到97.6%和88.3%的正确分类率,表明该方法提取的特征具有较强的笔迹表征能力,是一种有效的笔迹特征提取方法。