脱机手写签名鉴别研究

本文主要研究了脱机手写签名的特征提取,提出了一种结合静态特征与动态特征的新的鉴别方法。提取静态特征时,利用伪Zemike矩的尺度及位移不变性,在细化的签名图像上计算10阶伪Zemike不变矩来组成特征向量。提取动态特征时,则首先从灰度图像得到签名的全局及局部高密区域,利用高密区域与原签名图像对应部分的面积之比得到全局和局部HDF。另外在全局高密区域的基础上,计算其相对重心,并将其作为男一个特征。结合两类特征形成16维特征向量后,建立一个系统,在系统中采用290个真伪签名进行验证。实验结果表明,系统的FAR和FRR分别可以达到7．25％、9．30％。     

基于二阶系统的脱机中文签名鉴定

针对脱机手写签名鉴定的实现,提出了二阶签名鉴定系统,并进行了相关的实验。在第一阶段中使用了基于静态几何特征与伪动态特征进行粗分类识别,在第二阶段中使用了基于Zernike的特征进行精细分类识别,最终识别出待鉴定的手写签名,实验证明采该鉴定方法,可以在提高鉴定率的同时提高鉴定的效率。     

脱机手写签名鉴别中的预处理技术研究

签名作为普遍接受的一种同意或授权的方式在社会生活中发挥了重要作用。论述了预处理在脱机手写签名鉴别中的作用,以实例阐述了脱机手写签名鉴别中预处理的过程。     

脱机汉字签名鉴别系统

本文介绍了脱机汉字签名鉴别系统的设计，根据国内外研究的现状提出了一些改进方法，并指出了存在的不足之处。     

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Contourlet的手写签名鉴别

手写签名验证是一种根据手写笔迹判断书写人身份的一门科学和技术。与联机签名鉴定相比,脱机签名鉴别受设备约束少,具有更广的实用范围。然而,由于脱机签名鉴定丢失了书写过程中的动态信息,鉴定难度大。针对脱机手写签名鉴定的特点,提出了基于Contourlet的特征选取方法,将传统的结构特征与统计特征有机结合起来。运用K-L变换对已提取的特征向量进行降维,最后输入支持向量机进行真伪鉴别。实验结果表明该算法对测试样本具有高识别率。     

脱机中文签名鉴定系统

本文介绍了一个脱机中文签名鉴定系统。系统采用签名的静态特征和伪动态特征相结合的双重鉴定方法。静态特征包括总体静态特征和局部静态特征。伪动态特征包括签名图象灰度级和签名笔画宽度的变化特征,并提出了一种比较简单的签名笔画宽度的近似表示方法。初步的实验结果显示了本系统的可行性。     

脱机手写签名图像的细化研究

针对脱机手写签名图像的细化存在的问题如细化后转折处出现的分叉笔画、两笔画不垂直相交部分的畸变,提出了新的细化算法。此算法采用串行处理的方式,首先对签名图像进行边缘提取,再针对边缘像素点进行可删除条件的判断,经过几次循环,最后形成细化图像。实验结果表明,此方法能较好地解决以上提到的问题,尤其是分叉笔画。     

基于签名鉴别的网络身份认证模型

计算机网络安全问题已经越来越受到人们的重视,而整个网络安全体系又是以有效的身份认证为基础。分析了传统的身份认证技术的缺点,对签名鉴别进行了概述,详细阐述了基于签名鉴别的身份认证技术的基本原理和基本流程,并根据签名鉴别的基本原理,把签名鉴别技术应用到网络身份认证领域,并详细介绍了基于签名鉴别的网络身份认证系统的体系结构和认证原理。     

基于Gabor变换和Zernike矩的人脸特征提取方法

针对目前常用的三种人脸特征提取方法中存在的识别率低、抗噪性较弱的问题,提出一种基于Gabor变换和Zernike矩的人脸特征提取方法.该方法首先对人脸进行多分辨的Gabor变换,然后利用Zernike矩获得具有平移、尺度、旋转不变性的特征,并用线性判别分析(LDA)方法进一步进行特征选择,最后采用K最近邻分类方法进行人脸的识别.实验结果表明,在与常用的三种人脸特征提取方法的比较中,该方法具有更高的识别率和更强的抗噪性能.     

基于遗传算法的离线签名鉴定

提出一种基于遗传算法的离线签名鉴定方法。将签名图像分成多个子区域,提取各区域的分形维数矢量来描述笔迹的抖动程度,在此基础上,以形状特征、伪动态特征、分形维数作为签名的特征;运用加权欧式距离法构建分类器,并运用遗传算法对不同人的签名样本进行最优阈值选择。实验结果表明该方法能够取得较高的鉴别率。     

基于保局投影的离线签名识别

针对离线签名识别中的特征提取问题,提出了一种基于保局投影的签名识别方法。该方法首先对签名图像进行形状特征、伪动态特征和纹理特征的提取;然后采用保局投影得到更具判别性的特征;最后运用支持向量机进行分类识别。实验表明该方法不但能有效地降低特征空间的维数,而且能使分类准确率得到显著提高。     

基于不变矩和BP神经网络的剪纸纹样识别

针对剪纸纹样艺术夸张变形的特点,将剪纸图像进行预处理,提取7个不变矩作为剪纸纹样的特征向量,采用LM算法优化BP神经网络,通过归一化后的不变矩对BP神经网络进行训练,应用训练后的神经网络作为分类器对剪纸纹样进行模式识别,实验证明该方法能够较好地识别有一定艺术变形的剪纸纹样。     

基于新的轮廓特征的离线签名鉴别

离线签名笔画内部点及背景点的局部二值模式（local binary pattern ,LBP）非常相近,且对反映离线签名笔画特征有较大干扰,因此提出了一种轮廓处LBP直方图特征。提取签名轮廓上的LBP特征,同时引入了新的规则去除部分无用模式,可有效地提升LBP的有效性和鲁棒性。另外,针对方向链码特征在应用于签名鉴别时存在局限性的问题,提出了一种轮廓模式共生直方图特征。融合这两种轮廓特征,并使用主成分分析（principal component analysis,PCA）降维。最后,使用支持向量机分别在MCYT和GPDS两种公开离线签名数据库上进行测试,取得的平均错误率分别为13.51%和12.97%。在相同的数据集上与其他方法相比,具有更低的平均错误率。     

小波神经网络在图像配准中的应用

提出了一种基于小波网络的图像配准方法。将特征点定义进行了推广,提出了一种以特征区域定义和提取方法。使用Zernike矩表征区域的特征并进行特征区域的对应。因图像配准变换是复杂且难以预知的,利用小波神经网络具有良好的函数逼近性能,提出了具有局域特性的小波神经网络模型逼近图像的配准变换。实验表明这是一种有效的图像配准方法。     

Antiforgery: a novel pseudo-outer product based fuzzy neural network driven signature verification system

A novel pseudo-outer product based fuzzy neural network (POPFNN-TVR) driven signature verification system called the antiforgery system is presented in this paper. As Plamondon and Lorette have stated that the design of a signature verification system generally requires the solution of five types of problems: data acquisition, preprocessing, feature extraction, comparison process, and performance evaluation. However, unlike most existing automatic signature verification systems which employ traditional techniques (i.e. image processing techniques) to solve these problems, the proposed system is constructed on the basis of a novel fuzzy neural network called the POPFNN-TVR. The characteristics of POPFNN-TVR, such as the learning ability, generalization ability, and high computational ability, make antiforgery particularly powerful when verifying skilled forgeries. To demonstrate the efficacy of POPFNN-TVR and its application in the antiforgery system, several types of experiments have been designed and implemented in this work. The experimental results and analysis are presented at the end of the paper for discussion.     

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。     

方向特征和网格特征融合的离线签名鉴别

离线签名鉴别是一种重要的生物特征识别技术,提出了基于方向特征和网格特征融合的方法。网格特征广泛使用在图像的特征提取中,方向特征和网格特征结合不仅可以描述签名图像特殊点的方向和位置,还可以统计方向位置分布信息。两种特征组合会形成高维特征,然后使用主成分分析法进行降维,采用支持向量机作为分类器。该方法在签名数据库上进行评估,其结果表明,该方法能有效的提高离线签名鉴别的正确率。     

基于改进Canny算子和神经网络的人体行为识别模型

为了提高了人体行为识别的正确率,提出了一种基于改进Canny算子和神经网络的人体行为识别模型（ICanny-RBF）。采用改进Canny算子对人体行为图像进行预处理,提取人体行为轮廓,提取7个不变矩特征作为RBF神经网络的输入向量,训练出能够识别人体行为的RBF神经网络模型,并采用取k-means算法确定RBF神经网络聚类中心,采用Weizmann数据集进行仿真实验。仿真结果表明,与传统方法相比,提出的ICanny-RBF模型提高了人体行为的识别正确率。     

基于ART-2神经网络及不变矩特征的图像模式识别

将图像进行预处理并提取图像的特征,计算出图像的不变矩,利用ART-2神经网络完成了对图像的模式识别。通过实验证明ART-2神经网络具有较高的识别率,并很好地解决了神经网络在模式识别中面对识别对象出现新模式时,网络的可塑性与稳定性的矛盾。