一种静态手写汉字签名特征描述算法的实现.docVIP

一种静态手写汉字签名特征描述算法的实现 摘要：基于模式识别统一信息熵理论，采用一种静态手写汉字签名特征描述算法，选取静态手写汉字签名样本的两个特征，利用DB8小波对签名样本进行小波分解，对主要能量分布方向进行由粗到细的三级筛选，得到当事人和待鉴定人签名样本整体和某一特征的差异度，并且，当事人主要特征上的差异度大小得以保留。该特征描述方法可应用于静态手写汉字签名的区别鉴定。 关键词：信息熵；特征提取；静态手写汉字签名；特征描述；小波分析 中图分类号：TP312文献标识码：A文章编号：1座机电话号码（2012）00座机电话号码 0引言 与虹膜、指纹鉴定技术一样，签名鉴定是一项在金融领域中被广泛应用的个人身份识别技术，因此，手写汉字签名也成了一些不法分子伪造的主要目标。对于个人静态签名，由于签名的字数较少，书写的内容相对较为固定，而且签名还受到书写者的身体状况、情绪、姿势及书写所用材料的质地等因素的影响，因此，签名的字形往往会有较大的变化，特征的离散度相对较高。从理论上讲，个人静态签名集合是一个无限大的集合，静态签名鉴定问题属于模式识别中的超多类模式识别问题。另外，由于手写签名具有私密性的特点，要建立一个庞大的样本集合具有一定的非技术性难度，因此，静态手写汉字签名鉴定与一般模式识别问题相比，其鉴定的结果不仅仅要表现不同书写者书写相同内容之间的整体差异度，更为重要的是，它还要表现出签名之间在某一个具体特征上的差异。 1基于信息熵的静态签名特征描述方法 近些年来，对于特征选择问题，国内外很多学者提出了许多解决方法。例如，清华大学电子工程系智能技术与系统国家重点实验室主任丁晓青教授提出了模式识别统一信息熵理论，并采用信息熵概念对模式识别系统进行定性的整体介绍，但没有给出特征选择条件的数学表达式。钱国良、舒文豪等提出了一种基于信息熵理论对含有一定错误率条件下的特征子集选择启发式算法EFS，但同样没有用信息熵的概念对不同情况下特征选择条件进行定量分析。目前，信息熵应用到信号、图像等领域中也有较多的相关文献，但利用信息熵理论对特征选择条件进行定量描述的相关文献却很少。因此，笔者在前人工作的基础上，给出了不同情况下特征选择条件的具体数学表达式，定义了特征性能因子来体现某一个特征对模式类别的表征能力和对不同模式类别的区分能力。将提出的特征选择方法应用于静态手写汉字签名特征描述中，利用描述一个签名时不同特征所表现出来的权重值构成该签名的特征掩膜矩阵。对矩阵中的元素进行处理，获得不同书写者签名之间的整体差异度以及在某一具体特征上所表现出来的差异，从而确立一种静态手写汉字签名特征描述及相似度判定的方法。 在无先验样本的前提下对所有签名可能具有的特征进行抽象处理，得到特征模板，然后根据公式 wunijk I（fk，wj）[]∑N[]p 1I（fp，wj） 2（1） 得到不同人签名体现出来的各个特征比例系数的不同，建立签名者手写签名的特征掩膜矩阵 过特征fk （fp），获得第j个书写者信息量的大小；p（fk）为特征fk发生的概率；p（f-k|w-j）为特征f-k在书写者签名w-j下的条件概率；N表示选取的特征总数；wunijk表示在使用特征模板对第j个书写者的签名进行描述时，特征提供信息量所占的权重比例值。 对所有签名者的签名进行处理得到特征掩膜矩阵： 然后根据公式（3）、（4）和（5），对掩膜矩阵中的元素进行处理： 签名之间的差异进行调节的结果，对于当事人签名中稳定度较高的特征，其表现出来的差异度被保留，反之则被减少。它的值越大表示两个书写者的签名越不像，反之则越相似。 2特征选择与提取 假设手写签名的特征分布函数均服从（0，1）正态分布，同时，在签名已知的情况下，该特征服从正态分布。为说明上述算法，以标准宋体字（如图1所示）的各个特征为标准，来实现旋转不变性，对签名样本（如图2、图3所示）分别进行最大像素相对位置和主要能量分布方向的特征提取。 2.1当事人手写签名特征提取 （1）最大像素相对位置特征的提取。先将每一个签名样本进行单字的分割，并对每一个字分别进行水平和竖直方向的投影处理，再由公式： K [SX（]HG[]HSTANDER[SX）]-[SX（]hg[]hhandwrite （6） 得到当事人签名在水平和竖直方向上的最大像素相对位置系数K，并求出该位置系数的均值和标准差，如表1所示。其中，HG为标准汉字水平（竖直）投影最大值所在的位置；HSTANDER为标准汉字水平（竖直）方向的宽度（高度）；hg为手写汉字签名水平（竖直）方向投影最大值所在的位置；hhandwrite为手写汉字签名水平（竖直）方向的宽度（高度）。 （2）主要能量分布方向特征。首先，将签名的首字和末字的最底端进行连线，经过适当旋转，使其与标准模板（宋体字）的底端连线重合。再采用D