基于LBPC和LCPC特征的离线签名鉴别方法研究

作     者：黄威 

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：2019年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 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] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：离线签名鉴别 轮廓特征 轮廓处局部二值模式 局部轮廓模式共生 

摘      要：离线签名一直作为传统身份认证方式被广泛使用。对于签名的真伪性鉴别,目前主要还是采取人工鉴定的办法,效率低下。利用计算机实现离线签名的真伪鉴别具有广泛的应用需求和理论研究意义。LBP特征能够反映签名笔迹的纹理特征,但缺乏对签名轮廓的几何特性的描述。本文提出基于轮廓处局部二值模式（LBPC）特征和局部轮廓模式共生（LCPC）特征的离线签名鉴别方法,完成的主要工作内容如下:（1）为提升签名图像LBP特征的有效性,将LBP特征与轮廓特征结合。分析签名的LBP图像,发现离线签名背景点占比很高,且LBP模式都相同。另外,签名图像的LBP纹理变化主要集中在其轮廓处,提出签名图像的LBPC特征。为提取局部位置的信息,还将LBPC特征与网格特征进行了融合。（2）在分析传统轮廓方向特征描述的基础上,提出基于LCPC的直方图特征。传统轮廓方向链码特征只统计连续三个像素点的所有变化,其在描述笔画习惯存在局限性。本文对基本轮廓模式进行分析,并引入了模式共生的概念,提出了LCPC统计直方图特征。同样为提取局部位置信息,将LCPC特征与网格特征进行了融合。（3）分别采用两种公开离线签名数据库以验证本文所提出的LBPC和LCPC特征的有效性。LBPC特征在MCYT-75和GPDS-160数据集上测试,使用基于卡方距离判别方法时分别取得的等误率为13.49%和11.31%;使用基于SVM分类器的方法时分别取得的平均错误率为13.73%和15.3%。另外,LCPC特征在MCYT-75和GPDS-160数据集上测试,使用基于卡方距离判别方法时分别取得的等误率为11.66%和9.89%;使用基于SVM分类器的方法时分别取得的平均错误率为11.59%和13.58%。最后,考虑这两种轮廓特征的互补性,将这两种特征进行融合,进一步提升系统的性能。