基于局部结构分割的维吾尔文笔迹鉴别方法

针对基于纹理分析的全局特征提取受文本组合或字符连接影响较大,导致特征提取不稳定的现象,以及现有局部特征提取方法存在的不足,提出一种基于局部结构分割构建Codebook的维吾尔文文本无关笔迹鉴别方法。该方法根据笔迹图像的像素值提取维吾尔文笔迹样本中具有代表性的轮廓,生成描述书写者书写风格的Codebook并进行相似性度量,从而达到笔迹鉴别的目的。实验结果表明,该方法对于维吾尔文笔迹是一种简单、可行,具有较高识别率的笔迹鉴别方法。     

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。     

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.     

维吾尔文笔迹鉴别预处理及边缘提取方法研究

笔迹鉴别是一种行为特征的识别方法,笔迹容易获取并且具有唯一性,因此,基于笔迹的身份验证在安全等领域有广阔的应用前景.笔迹鉴别可分为在线、离线两种形式,鉴别方法有文本依存和文本独立两大类.文中结合维吾尔语自身的文字特点,主要针对离线的文本无关的维吾尔文笔迹鉴别中预处理和笔迹的边缘提取技术进行细致的研究.该研究为维吾尔文计算机笔迹鉴别系统的最终实现提供了关键的技术支持,推动了少数民族语言文字笔迹鉴别自动化的进程     

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。     

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。     

基于特征融合的维吾尔文笔迹鉴别方法

针对现有维吾尔文笔迹特征提取方法缺乏旋转不变性导致识别存在偏转的样本效果较差,以及尺度不变特征变换(SIFT)方法用于维吾尔文笔迹鉴别存在不足的问题,提出一种基于特征融合、具有旋转不变性的鉴别方法。该方法首先提取笔迹图像的SIFT特征,再计算局部窗口特征,并将两者融合对旋转角度不同的笔迹样本进行鉴别。实验证明,该方法能有效克服笔迹样本旋转对识别率造成的影响,是一种简单、实用、识别率较高的维吾尔文笔迹鉴别方法。     

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。     

Writer identification of Chinese handwriting documents using hidden Markov tree model

Handwriting-based writer identification, a branch of biometrics, is an active research topic in pattern recognition. Since most existing methods and models aim to on-line and/or text-dependent writer identification, it is necessary to propose new methods for off-line, text-independent writer identification. At present, two-dimensional Gabor model is widely acknowledged as an effective and classic method for off-line, text-independent handwriting identification, while it still suffers from some inherent shortcomings, such as the excessive calculational cost. In this paper, we present a novel method based on hidden Markov tree (HMT) model in wavelet domain for off-line, text-independent writer identification of Chinese handwriting documents. Our experiments show this HMT method, compared with two-dimensional Gabor model, not only achieves better identification results but also greatly reduces the elapsed time on computation.     

基于优化分割重建图像的文本无关笔迹鉴定

笔迹鉴定的主要过程首先是系统把手写的笔迹文字通过扫描仪输入计算机，然后对原始笔迹的图像进行预处理。在预处理阶段，本文提出了优化分割重建图像的归一化预处理方法，在参数提取阶段，本文采用多通道二维G2bro滤波器，通过计算4个方向每个方向4个频率来提取的笔迹特征。本文对10个人任意书写的笔迹进行实验，鉴别正确率得到较好的提高。     

基于特征融合的脱机中文笔迹鉴别

提出一种基于文本依存笔迹特征融合的文本独立特征构造方法。建立基于方向指数直方图法笔迹特征(文本依存特征)的两因子分解模型。笔迹特征可分解成字符因子和书写因子两部分。通过两因子方差分析与数据挖掘,分离出与字符无关的书写因子,得到基于文本依存方法的文本独立特征。该方法对检材与样本笔迹的字符数量较少,特别是相同字很少或是根本没有相同字的情况下,能取得较理想的笔迹鉴别准确率,为少量字笔迹鉴别提供解决问题的思路。     

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.     

基于复小波的脱线手写体笔迹鉴别

进行脱线笔迹鉴别时,笔迹特征只能从手写体图像中提取,且无法获取书写时的动态信息,导致了脱线笔迹鉴别的正确率不是很高。为了进一步提高脱线手写体笔迹鉴别的正确率,提出基于复小波的GGD模型方法对笔迹进行鉴别。与传统小波GGD模型方法比较,复小波GGD模型方法具有时移不变性和良好的方向分析能力,在提取纹理特征方面更有效。实验结果表明,该方法在鉴别正确率上有很大的提升。