基于小训练样本和纹理分析的笔迹鉴别方法.docVIP

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，正确接受率为92.9%，正确拒绝率为90.0%。br　　关键字：笔记鉴别；纹理；Gaborbr　　　　　　　　 br　　1引言br　　br　　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。br　　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)br　　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。br　　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。br　　br　　2基于Gabor小波的纹理分析br　　br　　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。br　　Gabor函数由Dennis Gabor于20世纪40年代提出的，后来被J．Daugman首先用于表征图像，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。br　　 br　　图1视觉皮层简单细胞的感受野与二维Gabor函数的对比br　　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)：br　　br　　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。br　　 br　　图2一维Gabor函数波形br　　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：br　　br　　3Gabor变换以及笔迹特征获取br　　br　　本文使用Gabor核函数对笔迹纹理图像进行Gabor变换，提取笔迹特征。给定一幅图像f(x,y)，其Gabor变换定义为：br　　 (4)br　　根据卷积定理，时域中卷积相当于频域中乘积，故可借助快速傅立叶变换（FFT）。这是由于快速傅立叶变换算法的计算效率要比基本的离散傅立叶变换高出几个数量级，由于FFT的高效率，在许多情况下实现卷积最有效的方法是先计算参与卷积的序列的离散傅立叶变换，然后将它们的变换相乘，最后计算这些变换乘积的逆变换。快速傅立叶变换算法有很多种，目前广为使用的是蝶形算法。对于本文中，进行的是二维傅立叶变换，由于其行列可分性，因此可以先对列进行一维快速傅立叶变换，然后对行进行一维傅立叶变换。特征提取的实现过程入下：br　　(1) 先根据Gabor核函数的参数，即4个频率和8个相位，依次求出32个Gabor核函数，并对其依次进行二维快速傅立叶变换，将其结果保存到数组；br　　(2) 对笔迹纹理图像块进行二维快速傅立叶变换，将其结果分别与32个Gabor核函数相乘，并且乘上一个系数；br　　(3) 对32个相乘结果分别进行二维傅立叶逆变换，这样对于每一个Gabor核函数将对应得到一个Gabor变换系数，该系数为复数，对于每一个笔迹样本就对应