基于形状上下文的离线签名鉴别

作     者：刘利利 

作者单位：河北大学 

学位级别：硕士

导师姓名：李昆仑

授予年度：2016年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：离线签名鉴别 预处理 形状上下文 对数极坐标直方图 匹配代价 分类器融合 

摘      要：生物特征识别是利用人的生理特征或行为特征来实现个人身份鉴定。签名作为一种行为特征,由于其方便、可靠、隐私性强而被人们普遍接受,在商业、军事、通信、金融、办公自动化、安全等领域有着广泛的应用。目前,在线签名鉴别技术逐步成熟,离线签名鉴别由于其可获取的可用信息少,因此存在着很大的发展空间,深入研究离线状态下利用计算机对手写签名进行鉴别具有重要的理论意义和实用价值。离线签名鉴别是模式识别中的一项难题。依据人们对离线签名鉴别产品实用性及高精度的需求,本文对签名图像预处理、特征提取以及系统融合进行了深入研究,主要工作如下:(1)为了验证所提出的方法的有效性及实用性,本文自建了中文手写签名图像库,并对签名图像进行平滑去噪、归一化、二值化、细化等一系列的预处理。(2)离线签名鉴别的问题之一是缺乏将签名形状进行分类的形状描述子。本文提出利用形状上下文作为形状描述子,它是基于轮廓的点集表示建立的一种强形状描述子,能尽可能完整的表示整幅图像的信息。并且由于对数极坐标变换具有二维不变性,因而对于经过比例、旋转和平移变换后的图像,仍能有效地进行形状匹配。为了得到更好的鉴别结果,本文利用欧氏距离优化匹配代价,提高了匹配精度。本文在自建中文签名库和GPDS960西文签名库上分别进行实验,验证了算法的有效性。(3)为了弥补单个鉴别系统中单特征和单分类器不够全面的缺陷,本文采用两级分类器融合的鉴别方法。第一级提取签名的方向梯度密度特征,它是一种压力特征,能反映签名的用力方向,然后采用加权模糊分类器进行鉴别;第二级提取签名的形状上下文特征,它反映了签名的形状信息,并采用模板匹配法进行鉴别。两级分类器串型级联后,将决策结果进行融合,并在GPDS960签名库上进行了对比实验。结果表明,该融合方法能够有效地实现两个独立系统的优势互补,提高系统的整体性能。