【摘要】：生物特征識別技術(shù)已經(jīng)逐漸代替?zhèn)鹘y(tǒng)的加密認證方式,其中離線手寫簽名鑒別技術(shù)研究是生物特征識別技術(shù)研究中的重要領(lǐng)域之一。離線手寫簽名鑒別現(xiàn)已被應(yīng)用在很多方面,例如金融、司法等。離線手寫簽名以靜態(tài)圖像的形式進行存儲,圖像僅存在靜態(tài)特征。因此,提取出有效的簽名圖像特征,在進行離線手寫簽名鑒別研究中至關(guān)重要。本文對本地自建的維吾爾文手寫簽名數(shù)據(jù)庫和CEDAR數(shù)據(jù)庫中的離線手寫簽名鑒別進行研究。通過對簽名樣本的特點進行分析,簽名之間的特異性主要表現(xiàn)在其樣本中的局部不同。本文提出了基于邊緣信息和基于分塊理論的特征,并且使用特征融合的方法提高簽名鑒別準確率。本文主要工作如下:(1)對離線手寫簽名鑒別技術(shù)的相關(guān)概念和研究現(xiàn)狀進行介紹和總結(jié),分析了在離線手寫簽名鑒別研究中存在的困難之處;(2)對簽名樣本圖像進行預(yù)處理操作。在進行大小歸一化、灰度化、二值化和平滑去噪處理時分別使用雙線性插值、加權(quán)平均法、Otsu、雙邊濾波等方法;(3)提出基于分塊理論的融合紋理特征。對簽名進行分塊處理后,對每個分塊中的圖像提取MB-LBP和LPQ兩種紋理特征,并將提取到的所有紋理特征融合為基于分塊理論的紋理特征。使用支持向量機和隨機森林分類器對簽名進行鑒別,在維吾爾文簽名數(shù)據(jù)庫中總正確率為96.06%,在CEDAR數(shù)據(jù)庫中總正確率為97.04%;(4)提出一種基于邊緣信息的高維特征。獲得簽名樣本的邊緣圖像后,提取SURF和ORB特征點并融合,建立基于邊緣信息的改進視覺詞袋模型。同時,對簽名提取邊緣方向直方圖。將改進視覺詞袋模型和邊緣方向直方圖融合,形成基于邊緣信息的高維特征,使用SVM和RF分別進行簽名鑒別,最終對維吾爾文簽名鑒別的總正確率為93.69%,對CEDAR數(shù)據(jù)庫進行簽名鑒別的總正確率為96.17%。通過對本地維吾爾文手寫簽名數(shù)據(jù)庫和CEDAR數(shù)據(jù)庫中簽名進行實驗,所能得到的最高總正確率分別為96.06%和97.04%。所以,本文所提出的方法在進行離線手寫簽名鑒別時有較好的準確性。
【圖文】：

新疆大學(xué)碩士學(xué)位論文為簡單偽造簽名樣本和熟練偽造簽名樣本。原簽名樣本即為信息。簡單偽造簽名尋找任意偽造者，在僅知道原書寫者姓，與原書寫者所書寫簽名差別較大，容易鑒別。熟練偽造簽簽名進行臨摹練習(xí)，所得到的簽名于原書寫者簽名相似度較。吾爾文手寫簽名樣本采集所使用的維吾爾文離線手寫簽名為本地采集的維吾爾文簽劃分為大小相等 7*3=21 個簽名框，，簽名框保證有足夠大的書種風(fēng)格。為了保證簽名中所包含足夠的信息量，且其所占內(nèi)采集時選用精度為 300dpi。圖 2.2 即為維吾爾文簽名采集模

) 真實簽名 (b) 簡單偽造簽名 (c) 熟練偽圖 2.3 維吾爾文手寫簽名樣本AR 簽名數(shù)據(jù)庫enter of Excellence for Document Analysis and Recognitio公開的離線簽名數(shù)據(jù)庫[41]。該數(shù)據(jù)庫中包含了來自于不同，每一書寫者包含24個真實簽名樣本和24個偽造簽名樣本像。其中，偽造簽名為每個偽造者模仿 3 個用戶的簽名進寫 8 次。該數(shù)據(jù)庫中簽名圖像為靜態(tài)圖像，精度為 300dpDAR 簽名數(shù)據(jù)庫中簽名如圖 2.4 所示：
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：H215;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 徐書令;;在線手寫簽名的記錄方法及系統(tǒng)[J];自動化應(yīng)用;2016年06期

2 陳英;;電子手寫簽名接口的研究與實現(xiàn)[J];軟件導(dǎo)刊;2007年21期

3 雷濤;;隱馬爾可夫模型下視頻手寫簽名認證算法研究[J];計算機測量與控制;2017年07期

4 欒方軍,馬駟良,程開東,董險峰;基于筆劃匹配的在線手寫簽名身份認證算法[J];沈陽建筑大學(xué)學(xué)報(自然科學(xué)版);2005年05期

5 崔小芝;周宇波;趙孔新;錢鋒;;手寫簽名身份認證動態(tài)數(shù)據(jù)的采集[J];電氣應(yīng)用;2006年01期

6 張達治,馬駟良,王彥

本文編號：2599711