基于特征融合的筆跡鑒別技術(shù)研究.pdf

1、筆跡可以反映出一個(gè)人的書寫風(fēng)格，每個(gè)人的筆跡都有自己特有的形狀特點(diǎn)，這是由每個(gè)人長期不同的書寫習(xí)慣所造成的。筆跡鑒別由于其具有的較高的易采集性和易接受性成為身份鑒別領(lǐng)域里一個(gè)十分活躍的研究話題。
　　以往的筆跡特征提取方法主要以文字結(jié)體為研究對象。當(dāng)筆跡樣本存在較大的文本內(nèi)容差異時(shí)，會在一定程度上導(dǎo)致類內(nèi)變化增加，降低鑒別率。而筆畫作為文字的基本組成部分，在文本相關(guān)度較低或存在大量錯(cuò)別字時(shí)，仍具有較大的重現(xiàn)性。
　　針對以往

2、的以文字結(jié)體為研究對象的離線筆跡特征提取方法在文本相關(guān)度較低時(shí)無法獲取穩(wěn)定特征的問題，提出了一種以筆畫為研究對象的融合特征提取方法。引入概率統(tǒng)計(jì)思想，采用網(wǎng)格窗口提取筆畫的運(yùn)筆走勢、寬度變化和邊緣曲度特征。以Visual Studio2010為平臺進(jìn)行系統(tǒng)實(shí)現(xiàn)。
　　本文實(shí)驗(yàn)中筆跡圖像的預(yù)處理主要包括去噪、去除背景、灰度化、二值化、邊緣提取和骨架提取。比較了四種經(jīng)典的筆跡邊緣提取算法，通過實(shí)驗(yàn)結(jié)果分析得出Sobel算子在提取筆跡邊

3、緣時(shí)效果較好。并采用基于傳統(tǒng)細(xì)化算法改進(jìn)的圖像細(xì)化算法，提取出較為理想的筆跡骨架圖像。
　　本文對已有的微結(jié)構(gòu)特征法做了一些改進(jìn)，以筆畫為研究對象，擺脫了結(jié)體依存性的束縛，采用網(wǎng)格窗口提取筆畫的運(yùn)筆走勢、寬度變化和邊緣曲度特征。引入主成分分析思想，對多種特征數(shù)據(jù)進(jìn)行融合，生成特征向量。
　　在筆跡的特征匹配階段，本文分別采用加權(quán)歐式距離、加權(quán)卡方距離和加權(quán)Manha tta n距離計(jì)算筆跡相似度。
　　實(shí)現(xiàn)了一個(gè)與文本