【摘要】：為了解決現(xiàn)代社會(huì)上經(jīng)常發(fā)生的個(gè)人信息被泄露的問題,各地的研究者特別關(guān)注不能輕易被盜的個(gè)人生物特征識(shí)別技術(shù)。手寫簽名作為人體的一種比較穩(wěn)定的生物行為特征,在個(gè)人身份的認(rèn)證方面具有非侵犯性,容易獲取性。因此,手寫簽名識(shí)別技術(shù)在很多領(lǐng)域中普遍使用并且一直發(fā)揮著自己的重要作用,比如銀行服務(wù)窗口存取款,簽收快件,通訊卡,簽訂合同等等。為了滿足人們對(duì)現(xiàn)代社會(huì)的保護(hù)個(gè)人信息的需求,找出一種更加安全、普遍、方便、快捷、可靠和實(shí)用的身份認(rèn)證手段具有巨大的實(shí)用價(jià)值和重要的意義。本文最初介紹了簽名識(shí)別研究的背景、實(shí)際應(yīng)用價(jià)值、意義和概述,再簡(jiǎn)單的介紹簽名識(shí)別研究在國內(nèi)外的現(xiàn)狀與獲得的成果。然后就結(jié)合維吾爾文手寫簽名研究的現(xiàn)狀,一步一步地闡述我們?cè)诒疚奶岢龅念A(yù)處理方法、特征選擇與提取方法、分類匹配方法。最終用兩種訓(xùn)練樣本集進(jìn)行實(shí)驗(yàn)并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。在數(shù)據(jù)采集與預(yù)處理階段,首先采集維吾爾文手寫簽名樣本建立原始的簽名樣本庫,然后對(duì)采集簽名樣本圖像進(jìn)行灰度化、平滑去噪、二值化、歸一化和輪廓提取等有效的預(yù)處理操作建立維吾爾文手寫簽名樣本庫。在特征選擇與提取階段,從每幅歸一化后的二值簽名圖像和輪廓提取的簽名圖像中提取了128維局部中心點(diǎn)特征、112維ETDT特征、30維紋理特征、10維Zernike矩特征、12維形狀特征。其中,局部中心點(diǎn)特征和ETDT特征互相組合形成一種新的高維統(tǒng)計(jì)融合特征,紋理特征、Zernike矩特征和形狀特征三種特征互相組合形成又一個(gè)新的融合特征。在特征分類決策部分,對(duì)于從簽名圖像中提取的局部中心點(diǎn)特征、ETDT特征和這兩個(gè)特征的融合,首先使用K-NN進(jìn)行排序,然后再使用絕對(duì)距離、歐式距離、卡方距離和Cosine距離相似性距離方法找出最接近和最相似的類別。對(duì)于從簽名圖像中提取的紋理特征、Zernike矩特征、形狀特征和這三種特征的融合,使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識(shí)別。實(shí)驗(yàn)數(shù)據(jù)包括教育文化水平和年齡有差異的100個(gè)志愿者(一個(gè)志愿者有20個(gè)簽名樣本)的簽名樣本,總2000幅簽名樣本。本文使用兩種訓(xùn)練方式(1600個(gè)樣本和1000個(gè)樣本分別作為訓(xùn)練樣本)進(jìn)行實(shí)驗(yàn)和結(jié)果分析。在實(shí)驗(yàn)中訓(xùn)練樣本數(shù)目為1600幅時(shí),128維局部中心點(diǎn)特征和112維ETDT特征分別使用絕對(duì)距離和Cosine相似性度量進(jìn)行分類,最終分別得到了97.45%和96.35%的平均識(shí)別率。為了解決只使用單一特征的識(shí)別率不夠高的問題,把局部中心點(diǎn)特征和ETDT特征互相組合形成一種新的高維統(tǒng)計(jì)融合特征,并用相似性距離度量方法進(jìn)行分類實(shí)驗(yàn)。融合特征的識(shí)別率比使用單一特征的最佳識(shí)別率還分別提高0.9%和0.5%,獲得了98.35%和96.85%的平均識(shí)別率。除此之外,對(duì)于30維紋理特征、10維Zernike矩特征、12維形狀特征分別使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識(shí)別,并分別獲得95.45%,97.80%,93.39%的平均識(shí)別率。為了互相補(bǔ)充這些單一特征的缺陷,本文還把紋理特征、Zernike矩特征和形狀特征等三種特征互相組合形成又一個(gè)新的融合特征,以及使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識(shí)別。系統(tǒng)識(shí)別率比單一特征的最佳識(shí)別率還分別高于2.55%,0.2%和4.61%,最高識(shí)別率達(dá)98%。
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬小晴;桑慶兵;;基于LBP和深度學(xué)習(xí)的手寫簽名識(shí)別算法[J];量子電子學(xué)報(bào);2017年01期

2 庫爾班·吾布力;熱依買·阿不力克木;努爾畢亞·亞地卡爾;阿力木江·艾沙;吐爾根·依布拉音;;基于密度特征的維吾爾文離線簽名識(shí)別[J];計(jì)算機(jī)工程與設(shè)計(jì);2016年08期

3 林俊杰;王崇文;段程浩;李雪鵬;林建輝;王天文;;基于智能移動(dòng)終端的動(dòng)態(tài)簽名識(shí)別[J];北京理工大學(xué)學(xué)報(bào);2014年07期

4 古麗熱娜·阿布里孜;庫爾班·吾布力;卡米力·木依丁;艾斯卡爾·艾木都拉;;基于多分辨幾何特征的維吾爾文脫機(jī)簽名識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2013年16期

5 謝勇;夏欣;琚生根;邵壽平;;自適應(yīng)窗口的圖像平滑去噪[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

6 王劍;馬書月;;基于幾何中心靜態(tài)手寫簽名的識(shí)別算法研究[J];計(jì)算機(jī)應(yīng)用研究;2012年03期

7 王海靜;王志丹;;面部識(shí)別的理論概述[J];長(zhǎng)春理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2011年02期

8 戴斯荻;夏利民;;基于保局投影的離線簽名識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2010年01期

9 孫文波;吳錫生;;綜合顏色紋理形狀特征的圖像檢索[J];計(jì)算機(jī)工程與設(shè)計(jì);2009年21期

10 王春梅;;改進(jìn)后的Zernike矩在離線簽名識(shí)別中的應(yīng)用[J];科技信息;2008年29期

相關(guān)碩士學(xué)位論文 前10條

1 王婧;基于多模態(tài)生物特征識(shí)別的身份認(rèn)證技術(shù)研究[D];貴州大學(xué);2016年

2 崔天宇;基于HMM的語音識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)[D];吉林大學(xué);2016年

3 張鵬;基于特征提取的掌紋識(shí)別[D];北京理工大學(xué);2016年

4 藺瀟榕;基于支持向量機(jī)的離線簽名鑒別系統(tǒng)[D];西安科技大學(xué);2015年

5 劉霏;基于BP神經(jīng)網(wǎng)絡(luò)的虹膜圖像質(zhì)量分類方法的研究[D];山東師范大學(xué);2015年

6 羅婷婷;兩種改進(jìn)的彩色圖像灰度化算法研究[D];浙江工商大學(xué);2014年

7 熱依買·阿不力克木;維吾爾文離線手寫簽名識(shí)別研究[D];新疆大學(xué);2014年

8 王龍;圖像紋理特征提取及分類研究[D];中國海洋大學(xué);2014年

9 羅勇軍;基于優(yōu)化DTW算法的在線手寫簽名認(rèn)證系統(tǒng)研究與設(shè)計(jì)[D];廣東工業(yè)大學(xué);2014年

10 殷朝陽;NIR人臉圖像識(shí)別方法研究[D];南京理工大學(xué);2013年

，

本文編號(hào)：2519196