高维统计特征融合的维吾尔文脱机手写签名识别

签名识别作为一种身份认证方法,在现代社会的各行业各领域中普遍使用,并且发挥了重要的作用。主要针对使用单一低维签名特征进行签名识别准确率不够高的问题,提出了一种基于高维统计特征的维吾尔文手写签名识别方法。首先根据特征提取的需求,对每幅签名图像进行平滑处理、二值化、归一化和细化等预处理操作;然后提取每一幅签名的128维局部中心点特征和112维ETDT特征,将得到的两种特征组合形成新的高维特征;最后分别利用距离度量和相似性度量算法进行训练和识别。实验结果显示该算法比以前算法提取的识别结果更好,有效地提高了维吾尔文手写签名的识别率。     

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。     

基于概率统计的签名认证系统的研究与应用

针对签名在办公自动化系统中的广泛应用,该文首先对各种签名识别技术进行介绍、分析和比较,然后介绍了一个基于生物特征手写签名认证的系统原型,并着重提出了基于概率统计的手写签名识别方法。     

基于第二代Bandelet的脱线签名识别

由于脱线签名鉴定丢失了在书写过程中的动态信息,鉴定难度大.本文针对脱线签名识别的特点,提出了基于Ban-delet变换的特征提取方式,将传统的结构特征和统计特征有效地结合起来.通过K-L变换降低特征向量的维数,然后采用支持向量机(SVM)的方法进行训练和识别.对400个手写样本进行了识别,实验证明该方法能有效提高脱线签名的识别率.     

基于DCT和SVDD的在线手写签名认证方法

为使在线手写签名认证的使用更具实用性,提出了一种基于离散余弦变换（DCT）频域分析和支持向量数据描述（SVDD）的在线手写签名认证方法.依托自制的Android手机软件采集签名数据,采用了基于DCT频域特征分析和奇异值分解（SVD）的特征融合方法提取签名特征,根据SVDD分类器适用于有限样本、一类分类方法建模的优势,建立了基于SVDD的认证模型进行在线签名认证,并采用了网格搜索法对核函数参数进行优化选择.实验结果表明,该方法算法复杂度低,快速有效,提取的签名特征区分明显,使用少量的一类真实签名作为训练样本,取得了较好的认证识别效果.     

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。     

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。     

基于集成神经网络的离线手写签名鉴别方法

离线手写签名鉴别是一种基于生物特征的身份识别技术,利用集成神经网络对手写签名进行自动鉴别。该集成神经网络由特征分配网络、神经网络认证主体和决策融合识别网络三部分构成。通过为每个签名者构造独立的分类器,并分别为每个分类器构造认证、识别训练集,解决了离线签名的认证和识别问题。基于此方法的签名鉴别实验获得了比较满意的结果,可以用来辅助人类专家进行签名鉴别。     

基于主曲线的脱机手写数字结构特征分析及选取

要提高脱机手写数字识别的识别率,关键是特征的提取与选择．主曲线是主成分分析的非线性推广,它是通过数据分布“中间”并满足“自相合”的光滑曲线．它较好地反映了数据分布的结构特征．在数字特征选取中,首先将主曲线用于训练数据的特征提取;其次在详细分析数字主曲线的结构特点的基础上,选择出用于数字识别的粗分类、细分类特征;最后在对手写数字进行识别时,先进行粗分类再进行细分类．所提方法在Concordia大学的CENPARMI手写体数字数据库上的实验结果表明：利用这些特征能有效区分相似字符,提高了手写数字的识别率,为脱机手写数字识别的研究提供了一条新途径。     

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.     

基于图像特征匹配的商品识别算法

基于条形码的结帐系统存在操作繁琐等一些问题,为了解决零售业结账服务中排队的难题,提出一种以SURF(Speeded Up Robust Features)特征匹配为主,主颜色特征数字编码分类、形状特征数字编码分类为辅的商品快速识别算法。基于特征的方法具有压缩信息量、精度高等优点,成为目前研究的热点。但是传统图像特征识别算法,存在特征维度多、计算量大、运行速度慢等缺点,限制了其应用。本文将其中的主颜色和形状特征进行数字编码分类,之后利用高效识别算法SURF进行准确识别,很好地克服了以上缺点。实验表明,本文算法运行速度快,识别性能好,为零售业的结账服务提供了便利。     

基于LSVM分类鉴定器的脱机签名鉴定研究

针对脱机中文签名鉴定,主要对脱机签名鉴定的特征抽取和比较决策做进一步的研究.在特征提取与选择上,在参考国内外一些成熟方法的基础上做相应的改进和尝试,使用静态形状特征和伪动态特征相结合的方法,提出一种新的高灰度稳定区特征,在特征选择上采用一种把概率距离法中的Bhattacharyya距离和特征本身综合起来考虑的方法;在比较决策上,采用比标准SVM算法速度更快,更易于实现的LSVM算法作为分类鉴定的方法,取得了较好的效果.     

结合仿射不变特征的平面目标区域矩研究

平面目标闭合曲线的傅里叶描述子只描述了目标区域的边界形状,无法反映目标内在属性。若目标区域的灰度分布已知,可利用目标区域的灰度分布构造各阶矩来描述目标的灰度分布特性及边界形状,即用区域矩来表征目标,可以得到反映目标内在属性的一些仿射不变特征,更能全面地反映目标本原特征。     

基于KPCA和灰色模型的凝汽器故障预测

汽轮机凝汽器的故障预测为其故障自愈的研究提供了理论依据.提出一种基于核主元分析和灰色预测模型的汽轮机凝汽器故障预测方法,首次将灰色预测理论应用于凝汽器的故障预测.采用核主元分析法对故障特征数据进行分析和处理,提取反映故障的主要特征量,以降低特征变量之间的非线性相关性,同时减少灰色预测模型的预测参数的数目.然后应用灰色预测理论建立故障特征的预测模型,对每一个主要特征量的趋势值进行预测,重构故障特征向量,用于汽轮机凝汽器故障的预测分析.     

谷物害虫检测与分类识别技术的研究及应用

阐述了在仓储物害虫检测与分类识别的方法,提出了检测系统的硬件组成,对检测到的谷物害虫图像的一阶灰度值直方图和图像的目标区域,自动提取静态仓储物害虫图像的数理统计特征、纹理特征和几何形状特征的主要技术和方法。试验结果表明,该方法可为谷物害虫的计算机自动模式识别(快速分类)提供稳定的特征参数值,有效提高了识别率,为仓储物害虫的快速鉴定和分类研究开辟了新途径。     

二维图像特征点自主提取算法研究

采用概率论理论,对二维图像进行灰度统计分析,采用计算标准差方法,对图像特征点区域定位并提取特征点.该方法提取特征点,仅需对抽样象素区域进行灰度标准差分析,避免了提取图像特征点,根据被处理图像的一些先验信息,利用试探方法确定阈值的局限性.通过分别对具有弱纹理及包含复杂背景的多物体自然二维图像的特征提取,证实了所提方法的有效性和可靠性,可满足机器视觉系统中自主、实时识别与提取二维图像特征点要求.     

基于灰度直方图的运动目标特征检测算法

为提高运动目标的检测效果和指导性，提出一种基于灰度直方图分析的运动目标特征检测算法。采用视觉成像技术进行运动目标图像采集和视觉特征分析，提取运动目标的动态视觉特征量。根据运动目标边缘差分变换和空间位置关系进行运动图像的特征分离，提取运动目标图像的边缘轮廓特征量。采用统计形状模型进行运动目标图像的二值化分离，构建运动目标图像的灰度直方图。根据灰度直方图中的统计信息进行目标特征检测和动态特征提取，实现运动目标图像的视觉检测和动态识别，有效提取运动目标的关键特征，实现目标特征检测。仿真结果表明，采用该方法进行运动目标图像的特征检测性能较好，对运动目标的动态识别能力较强。     

基于人体手指静脉特征提取算法的研究

根据人体手指静脉图像的特点,提出了一种基于降维思想的手指静脉特征提取方法,即搜索二维灰度图像中的静脉在一维灰度曲线上形成的谷形区域来实现静脉特征的提取.为了对手指静脉特征的充分提取,在进行特征提取前,采用了高频强调滤波对图像进行增强处理.实验结果表明,该方法思想独特,简单易行,对手指静脉的特征提取达到满意的效果.     

特征提取算法在工件识别中的研究

特征提取在工件识别中具有重要的意义. 运用灰度变换与平滑去噪对获取到的原始图像进行图像预处理. 提出改进的工件特征提取方法. SURF算法作为SIFT算法的加速版,不仅能够确保检测到的特征点的稳定性,而且能很大程度地加快特征提取的时间,满足了工件识别过程中实时性的需求. 采用改进的SURF算法的特征匹配方法进行工件的识别. 实验表明,改进的特征匹配方法对工件识别精确且速度较快.     

基于VPRSM的辐射源灰色识别法

针对辐射源识别问题,提出一种基于变精度粗糙集与灰色理论相结合的雷达辐射源识别方法.利用变精度粗糙集获取雷达辐射源各属性参数的权重,并结合灰色关联分析完成辐射源识别.以雷达用途识别为例,给出仿真实验.结果表明,该算法在-15dB的低信噪比条件下,能获得高于90%的识别率,从而表明了新算法的有效性.