论文部分内容阅读
随着生物识别技术的迅速发展，笔迹鉴别已经成为计算机视觉和模式识别领域中一个非常活跃的研究课题。该技术被广泛应用于金融、社会化考试等诸多领域。笔迹鉴别是根据手写笔迹判断书写人身份的一门科学和技术。模式识别和人工智能等相关学科的进展为笔迹鉴别的发展提供了新的契机，社会需要对笔迹鉴别的研究提出了新的要求。论文首先分析了笔迹鉴别的应用背景和研究现状以及现有的技术状况，在现有的理论基础上提出了基于特征子空间的笔迹鉴别算法。
针对现有笔迹鉴别算法准确率不高，以离线的文本依存笔迹为研究对象，提出了基于特征子空间的笔迹鉴别算法。论文首先对现有各个算法进行了简单介绍与分析，在现有的理论基础上提出了基于特征子空间的笔迹鉴别算法。根据笔迹鉴别的算法流程，首先对原始笔迹图像进行预处理，得到笔迹图像的纹理图；在特征提取阶段，利用多通道的Gabor变换对笔迹纹理图进行特征提取，分别提取了16维和32维特征；然后在特征子空间降维阶段，将32维特征降维到16维特征信息；为了验证论文算法的有效性，分别对32 维特征、16维特征以及16维特征子空间进行了识别实验。实验结果表明，论文算法在低维空间具有较好的鉴别效果和较低的时间复杂度。
论文以21个人(每人书写两份笔迹样本)共42份手写笔迹样本作为实验数据，以VC++6.0和MATLAB为实验环境，得到了32维特征、16维特征以及16维特征子空间下的正确拒绝率和正确接受率。并分析了各个特征下的算法复杂度。通过比较，验证了论文算法的有效性。最后对论文工作进行了总结和对以后工作提出了进一步的展望。