分享到:

一种基于小波包分析和神经网络的笔迹鉴别方法

基于笔迹的计算机身份鉴别是目前活跃于模式识别和图像处理领域的研究热点之一。小波分析具有出色的时间—频率域多分辨特性,十多年米在信息处理领域得到了迅速的发展。将小波分析引入到计算机笔迹鉴别中,探寻一些分布于不同频率域中的笔迹特征成为了计算机笔迹鉴别研究的一条新思路。笔者将笔迹的书写过程理解为笔迹能量的空间分布过程。基于这一观点,笔者提出了一整套计算机笔迹纹理特征分析方法。首先,笔者提出了一种与传统方法截然不同的笔迹归一化办法,它即能够充分保留笔迹样本的空间分布信息,又可以有效的简化笔迹的预处理过程。接着,本文论述了一种与较常出现的小波基匹配降维方法有着本质区别的二维小波包最好基特征提取方法。该方法直接在二维空间上由db6小波包基对笔迹纹理实施3尺度小波包分解,再在由以香农熵为代价函数提取得到的15个小波包最好基处对分解系数实行重构。为了更好的描述这15个子纹理图像所包含的能量特征,本文提出了一种被称为非线性能量测度的子纹理图像能量  (本文共54页) 本文目录 | 阅读全文>>

《现代图书情报技术》2005年05期
现代图书情报技术

清华大学首次成功研制了计算机笔迹鉴别系统

清华大学电子系与公安部第二研究所合作研制的“计算机笔迹鉴别系统”已通过公安部组织的技术鉴定。该系统首次实现了利用计算机进行自动化的笔迹鉴别,可以准确、高效地判断检材和样本是否是同一个...  (本文共2页) 阅读全文>>

《中国安防产品信息》2003年06期
中国安防产品信息

笔迹鉴别系统

中国人写字讲究书法,从阴阳学说上讲,书法是通过阳刚、阴柔来表现其个性的。阳刚、阴柔是书法的基本构成,在书...  (本文共1页) 阅读全文>>

贵州大学
贵州大学

基于深度神经网络的离线笔迹鉴别研究

离线笔迹鉴别是计算机视觉和模式识别的研究热点之一,在司法鉴定、文件安全保护、历史文档分析等领域具有重要意义。虽然离线笔迹鉴别已经有很长的研究历史和大量研究者一直为此领域做出贡献,但仍然存在一些问题尚未解决,例如过度依赖数据增强与全局编码、学习的局部特征存在共性特征(Common feature)。为解决以上问题,本文从鲁棒性、泛化性、实用性等角度针对当前离线笔迹鉴别问题进行研究。第一,本文提出了一种基于统计行分割与深度卷积神经网络的离线笔迹鉴别方法(DLS-CNN)。DLS-CNN首先使用基于统计的文档行分割方法和滑动窗口法将笔迹材料分割成小的像素块;然后用优化后的残差神经网络作为特征学习模型;最后对局部特征使用取均值法进行编码。在ICDAR2013和CVL两个标准数据集上的实验结果表明:与其他当前流行离线笔迹算法相比,DLS-CNN能有效地学得鲁棒的局部特征,从而仅需要少量的笔迹信息就能取得较高的识别率,而且不依赖于数据增强和...  (本文共72页) 本文目录 | 阅读全文>>

武汉理工大学
武汉理工大学

基于信息融合的在线手写笔迹鉴别研究

笔迹是每个人特有的行为特征,同指纹、虹膜等生物特征一样可以用来鉴别一个人的身份。随着模式识别技术的快速发展,在线手写笔迹鉴别越来越受重视,应用场景也更加的丰富,金融、自学考试、司法等领域对在线手写笔迹鉴别的需求非常大。传统笔迹鉴别的方法很多,但是单一的方法不能保证鉴别准确率和稳定性,鉴别效果不太理想。近十几年,信息融合技术的研究不断出现新的成果,为在线手写笔迹鉴别技术带来了突破口,特别是在多分类器综合判决的过程中起到了重要的作用,增加了鉴别系统的稳定性,降低了信息的模糊度,提高了笔迹鉴别的准确率。论文提出了基于信息融合的在线手写笔迹鉴别方法,主要内容如下:详细介绍了在线手写笔迹融合鉴别的体系结构,分析了动态特征和静态特征的笔迹鉴别方法。动态特征笔迹鉴别采用了两级鉴别方法,第一级利用多数投票法对笔迹样本进行粗筛选,第二级利用支持向量机(Support Vector Machine,SVM)分类器对筛选后的笔迹样本进行细分类。静态特...  (本文共69页) 本文目录 | 阅读全文>>

华中科技大学
华中科技大学

基于深度卷积神经网络的离线笔迹鉴别研究

笔迹鉴别作为一项重要的生物特征识别技术,在今天有着越来越广泛的应用,众多的研究者在笔迹鉴别这一问题上做出了突破性的成果。然而非受限情况下的离线笔迹鉴别仍是一项非常有挑战性的研究工作,有很多问题值得我们进一步深入研究。深度卷积神经网络近年来蓬勃发展,解决了许多计算机视觉领域的难题,然而在离线中文笔迹鉴别领域却几乎没有看到这方面的研究。本文着重研究文本无关的离线中文笔迹鉴别,并把深度卷积神经网络应用于这一研究课题,取得了具有领先优势的笔迹鉴别效果。本文的主要研究内容如下:首次把深度卷积神经网络提取的局部特征用于离线中文笔迹鉴别,并研究不同的特征编码方式,采用Fisher Vectors算法对已有的局部特征进行编码,进而生成全局的特征。实验表明,本文所采用的基于深度卷积神经网络的特征相比于传统的人工设计的特征更具有区分性。研究不同网络结构,对网络结构进行不断地优化调整,从而达到更好地笔迹鉴别效果。研究深度卷积神经网络的训练,提出了基于...  (本文共64页) 本文目录 | 阅读全文>>