基于改进SIFT的离线签名鉴别方法研究

作     者：丁一 

作者单位：武汉理工大学 

学位级别：硕士

导师姓名：詹恩奇

授予年度：2017年

学科分类：08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 

主      题：离线签名鉴别 尺度不变特征变换 尺度空间减少 匹配对主方向角度差 词袋模型 

摘      要：签名用于鉴别书写者身份有着数百年历史。如何有效区分模仿签名对于提高鉴别系统安全性、避免造成经济损失等至关重要。对比在线签名,离线签名没有书写速度、书写压力和笔画顺序等动态信息,在真伪鉴别上比在线签名难度更大。采用人工进行离线签名鉴别,不仅效率低下,而且容易受到主观印象的干扰,使计算机能够自动鉴别真伪签名,能有效的提高鉴别效率和正确率。论文针对高质量模仿签名和签名图像尺度变化对鉴别效果影响较大的问题,提出基于改进尺度不变特征变换的离线签名鉴别方法。本文主要工作如下:(1)为了提高特征点检测效率,优化尺度空间。对签名图像进行灰度化和背景去噪预处理,针对签名图像背景简单和图像信息主要集中在字符上的特点,通过分析SIFT特征点数量和尺度空间分布,减少了尺度空间中金字塔图像的组数与层数。(2)SIFT匹配对筛选。特征匹配后存在大量的错误匹配,为了去除错误匹配,加大真伪签名匹配对数量的差异,通过邻近距离之比、特征点主方向角度差和随机抽样一致性三个方面筛选匹配对,利用保留下来的匹配对数量和匹配对的平均距离完成第一级鉴别。(3)部分高质量模仿签名的匹配对数量和平均距离与真实签名相近,仅凭匹配对数量和平均距离难以区分,针对这个问题,通过对匹配对特征点主方向角度差的直方图统计,将匹配对加以细分,提取ODH特征,以曼哈顿距离作为ODH特征向量的相似性度量。为了能够充分利用签名图像上检测到的SIFT特征点,利用词袋模型,将SIFT特征描述子进行聚类,统计各聚类中心的描述子数量,提取BOW特征,以欧氏距离作为BOW特征向量的相似性度量。利用ODH特征和BOW特征完成第二级鉴别。(4)分别选用竞赛数据集4NSigComp2010、SigComp2011与自建离线签名数据集对论文算法进行测试,以等误率作为实验效果的评价指标,等误率分别为20%、6.9%和6.2%。实验结果表明,基于改进SIFT的离线签名鉴别方法,取得了良好的鉴别效果,与相关文献对比等误率有明显降低。