基于多分辨几何特征的维吾尔文脱机签名识别

对维吾尔文手写签名图像进行二值化、去噪、归一化和细化等预处理的基础上,结合维吾尔文手写签名的结构与书写风格,对每幅签名图像进行金字塔式分辨率子图像切分,对高分辨率层抽取了共16维方向特征,对低分辨率层则抽取了共32维局部中心点特征。基于这两种特征的签名识别率分别为95.50%和90.50%。为了进一步提高识别率,又对两种特征进行了融合,结果识别率提升到了98.50%。对比分析了基于欧式距离和卡方距离度量方法对识别率的影响,确定最佳度量方法。     

基于中心距离特征的联机手写维吾尔文全形态字母识别研究

为了提高联机手写维吾尔文字母的正确识别率,根据维吾尔文字母的手写特点,提出了中心距离特征CDF(Center Distance Feature)、并基于CDF进行了一系列识别实验。在实验中,该文采集了400个人的手写字母样本,利用CDF的三种不同的实施方案(CDF-2,CDF-4,CDF-8)分别对维吾尔文字的32个母独立形态和128个所有形态进行了识别实验,并对实验结果进行了分析。实验结果表明,CDF是一种非常适合于维吾尔文字母识别的特征,有待于进一步改进和优化。     

基于中心距离特征的联机手写维吾尔文全形态字母识别研究

为了提高联机手写维吾尔文字母的正确识别率,根据维吾尔文字母的手写特点,提出了中心距离特征CDF（Center Distance Feature）、并基于CDF进行了一系列识别实验。在实验中,该文采集了400个人的手写字母样本,利用CDF的三种不同的实施方案（CDF-2,CDF-4,CDF-8）分别对维吾尔文字的32个母独立形态和128个所有形态进行了识别实验,并对实验结果进行了分析。实验结果表明,CDF是一种非常适合于维吾尔文字母识别的特征,有待于进一步改进和优化。     

隐马尔可夫模型下视频手写签名认证算法研究

为了提高视频手写签名认证的准确率,确保身份认证的严谨性,需要对隐马尔可夫(Hidden Markov Models,HMM)模型下视频手写签名认证算法进行改进设计;使用当前算法对视频手写签名进行认证时,存在认证判断误差大、效率低的问题;提出基于HMM模型下视频手写签名认证算法;该算法将使用Wacom手写板采集手写签名特征点及压力数据,对采集到的手写签名特征与压力数据进行预处理,消除采集过程中环境和手写板产生的影响,并且规范采集的视频手写签名特征位置、尺寸,提取手写签名特征与压力数据,再以HMM模型对已提取的视频手写签名特征点与压力数据进行认证与计算,确定签名的真实度;实验仿真证明,所提算法提高了视频签名认证的性能。     

基于几何中心静态手写签名的识别算法研究*

研究了静态手写体签名识别和认证的问题。针对静态手写体签名无法提供笔画之间前后时序动态信息和手写笔画的压力信息,提出了一种利用手写签名的几何中心作为特征值的识别和认证算法。首先将静态签名图像依据几何中心不断进行切分,使其成为独立的小块;然后依据各个小块的几何中心的相对位置和距离提取特征值;在此基础上进行签名识别和认证。实验结果显示本方法快速有效,所提取的特征能稳定地描述包含集合形变的手写签名字体。该方法能拓展应用到手写体的识别系统中。     

基于支持向量机的手写签名研究

针对一般手写签名中特征提取方法的不足,将支持向量机的原理引入到手写签名算法里,从而可以很好地应用于高维数据,避免了特征提取中维数灾问题。主要研究如何在标准的窗格中利用扫描的方法提取图像密度特征,从而得到特征向量。通过MATLAB工具,将得到的图像密度特征作为特征向量为SVM的输入进行训练仿真实验。实验表明,该方法能够有效识别手写签名真伪,说明把支持向量机应用到手写签名具有很好的识别能力,并解决了“维数灾”的问题。     

基于支持向量机的手写签名研究

针对一般手写签名中特征提取方法的不足,将支持向量机的原理引人到手写签名算法里,从而可以很好地应用于高维数据,避免了特征提取中维数灾问题.主要研究如何在标准的窗格中利用扫描的方法提取图像密度特征,从而得到特征向量.通过MATLAB工具,将得到的图像密度特征作为特征向量为SVM的输入进行训练仿真实验.实验表明,该方法能够有效识别手写签名真伪,说明把支持向量机应用到手写签名具有很好的识别能力,并解决了"维数灾"的问题.     

基于Gist和IPCA算法的多文种离线手写签名识别

由于离线手写签名图像有效的笔画部分普遍比较稀疏,存在大量的无效白色背景,目前常用的特征描述方法会使得得到的特征数据存在大量冗余,影响识别准确率。识别准确率的提高,需要依赖大量的训练数据和提取多个特征并进行融合,但这样又会因特征数据过多和维度过大而造成计算困难,影响识别效率。为此,提出了一种基于Gist和IPCA算法的多文种离线手写签名识别方法,利用Gist特征聚焦图像的整体布局和笔画部分,同时利用IPCA算法的批处理能力来提高识别效果和运行效率。使用中、英、维3种语言的实验数据集,并使用SVM分类器进行识别实验。结果显示,3个数据集上的识别准确率分别为97.97%,98.43%和97.19%,3种数据混合后的识别准确率为97.70%。经过对比分析可知,提出的方法与之前的相关方法相比明显较优。     

基于实值Gabor能量特征的手写体维文字符识别

提出了一种基于实值Gabor滤波器手写体维吾尔文字符特征提取算法.将手写体维吾尔文字符图像进行滤波处理之后,在将图像进行分决,提取出每一块的实值Gabor能量值.由这些能量值形成一个能量矩阵,将矩阵降维之后得到字符的特征相量.完成特征提取后,使用KNN识别分类器进行识别.对手写体维吾尔文单字符数据库中的样本分别进行基于实值Gabor能量特征的手写体维吾尔文字符特征识别和字符笔迹特征识别.对KNN分类器识别的平均识别率和平均候选识别率进行了数据分析.实验结果表明,该算法简单有效且识别率比较高.     

计算智能方法及应用研究

介绍了4种计算智能方法,即神经网络、模糊计算、遗传算法和免疫算法,通过总结和比较各智能算法的优缺点及其在各个领域的应用,给出了计算智能存在的主要问题及发展趋势。设计了脱机手写签名识别软件,提取签名图像的骨架特征和边角特征,并利用BP神经网络方法有效地识别真、假签名。