基于小训练样本和纹理分析的笔迹鉴别方法.doc

基于小训练样本和纹理分析的笔迹鉴别方法.doc基于小训练样本和纹理分析的笔迹鉴别方法摘要:本文针对高等教育自学考试考生试卷笔迹真伪鉴定应用,利用人工笔迹鉴定专家知识,结合文本独立,和训练样本少的特点给出一种基于纹理的算法。通过实验得出,%,%。关键字:笔记鉴别;纹理;Gabor 中图分类号:G642 文献标识码:A 文章编号:1672-5913(2008)02-0122-03 1引言不同的人根据自身的生理特征和后天的学习情况不同,而练就不同的笔迹,正所谓“字如其人”。笔迹正是一种相对稳定的行为特征,因此笔迹可以用来识别个体身份。目前在公安、社会化考试、银行等领域得到日益广泛的应用,其中一个典型应用就是高等教育自学考试考生试卷笔迹真伪鉴定。现在试卷笔迹鉴定工作是通过考试中心文检人员手工比对,这种传统的笔迹鉴别方法,容易引入个人因素,影响鉴定效果的真实性。随着考生人数的增多,这项比对工作相当耗费人力、物力。本文正是基于高自考这样的背景,来研究基于文本独立的离线笔迹鉴别。目前笔迹鉴别研究方向可以分为在线(on-line)和离线(off-line)两类。进一步细分,离线笔迹鉴别又可分为:文本依存(Text-dependent)和文本独立(Text-independent) 两种。文本依存就是提前规定书写内容,文本独立则对书写内容没有限制。笔迹鉴别的复杂性在于字迹的变化性,其任务就是从所有笔迹样本中提取那些变化最大的特征,然后根据这些特征对测试笔迹样本进行真、伪分类。另一个问题是,目前分类方法主要有支持向量机、多层神经网络等,由于实际应用中样本数较少,以上方法都不适用,因此本文主要针对训练样本少的实际应用情况讨论文本独立型(Text-independent)书写人识别。通过用Gabor等纹理分析方法提取文字纹理特征,获得了较好的识别效果。 2基于Gabor小波的纹理分析纹理分析在图像处理、分析和识别中广泛应用,是从图像中提取反映纹理特性的特征。每个人都有自己的书写风格,从整体笔迹图像看,它们含有不同的纹理特征,如笔迹的排版规律(行间、字间排列等)、单个字符的笔划搭配关系都可以看成是一种纹理。从已知的笔迹鉴别方法来看,有不少都采用了纹理分析的思想。将笔迹视为图像纹理,利用纹理分析的方法提取笔迹纹理特征并进行鉴别,是目前研究的热点。 Gabor函数由DennisGabor于20世纪40年代提出的,,并用于视觉方面的研究。随着计算机的不断发展,成为了非常流行的图像处理方法,这得益于Gabor函数特有的属性及其生物意义。生物学的研究表明Gabor函数可以较准确地描述人脑视觉皮层简单细胞的感受野。如图1所示。图1视觉皮层简单细胞的感受野与二维Gabor函数的对比 Gabor函数是一个被复正弦函数调制的高斯函数,它是唯一能够达到时频测不准关系下界的函数,能够最好地兼顾信号在时域和频域中的分辨能力。其中,一维Gabor函数如式(1): 其中m用来控制函数的中心,s为宽度(Gaussian函数的标准偏差),周期为T,函数波形如图2所示。图2一维Gabor函数波形二维Gabor函数具有方向选择性和带通性,能够比较精确地提取图像的局部纹理特征。二维Gabor函数如式(2)所示: 3Gabor变换以及笔迹特征获取本文使用Gabor核函数对笔迹纹理图