版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在當(dāng)今信息高度發(fā)達(dá)和網(wǎng)絡(luò)開放的社會(huì),傳統(tǒng)的基于信物或口令的身份鑒別方式存在容易丟失、遺忘、被復(fù)制及盜用的隱患而不能滿足信息時(shí)代的安全要求,因此人們需要一種更加安全和便捷的身份驗(yàn)證方式來(lái)適應(yīng)社會(huì)發(fā)展的要求。通過(guò)辨識(shí)人的生理或行為特征進(jìn)行身份認(rèn)證的生物特征識(shí)別技術(shù)提供了一個(gè)方便可靠的解決方案。
筆跡鑒別作為生物特征識(shí)別中的一種有效身份驗(yàn)證技術(shù),已經(jīng)成為國(guó)內(nèi)外生物特征識(shí)別領(lǐng)域的研究熱點(diǎn)。由于筆跡所特有的復(fù)雜性和不確定性,離線的文
2、本無(wú)關(guān)的筆跡鑒別是筆跡鑒別研究中最具有挑戰(zhàn)性的分支。本文主要研究離線的文本無(wú)關(guān)的筆跡鑒別特征提取算法,主要完成的工作如下:
1.介紹了筆跡鑒別的相關(guān)背景知識(shí)及研究現(xiàn)狀,綜合分析前人的離線筆跡鑒別研究成果發(fā)現(xiàn),基于局部結(jié)構(gòu)特性和整體筆跡特征能達(dá)到很好的效果。
2.受到多分辨分析思想和馬爾科夫性的啟發(fā),我們提出了多尺度高斯馬爾科夫隨機(jī)場(chǎng)模型(GMRF),成功地將多尺度的概念和統(tǒng)計(jì)隨機(jī)模型結(jié)合起來(lái)用于紋理圖像表示。
3、該方法用小波變換和GMRF模型在不同尺度下分析紋理圖像。
3.提出了基于多尺度高斯馬爾科夫隨機(jī)的筆跡鑒別算法,算法基本思路是:利用小波的多分辨分析能力提取筆跡的紋理特征和奇異信息,并考慮到鄰域系統(tǒng)的馬爾科夫性,然后用高斯馬爾科夫隨機(jī)場(chǎng)模型來(lái)描述了筆跡圖像和其小波高頻子帶中隱藏的筆跡局部結(jié)構(gòu)。整個(gè)特征提取算法綜合考慮了筆跡的微結(jié)構(gòu)信息(局部特征)和整體的書寫風(fēng)格(整體特征)。在對(duì)筆跡圖像進(jìn)行小波分解時(shí),我們不僅采用了傳統(tǒng)db
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Gabor濾波器和高斯馬爾科夫隨機(jī)場(chǎng)的書法筆跡鑒別.pdf
- 基于馬爾科夫隨機(jī)場(chǎng)的SAR圖像處理.pdf
- 基于馬爾科夫隨機(jī)場(chǎng)的紋理圖像分類.pdf
- 基于馬爾科夫隨機(jī)場(chǎng)的紋理圖像分割研究.pdf
- 基于馬爾科夫隨機(jī)場(chǎng)的路標(biāo)識(shí)別算法研究.pdf
- 基于馬爾科夫隨機(jī)場(chǎng)的立體匹配算法研究.pdf
- 基于馬爾科夫隨機(jī)場(chǎng)圖像恢復(fù)算法研究.pdf
- 基于馬爾科夫隨機(jī)場(chǎng)的室內(nèi)無(wú)線定位算法研究.pdf
- 基于馬爾科夫隨機(jī)場(chǎng)模型的圖像分割算法研究.pdf
- 基于馬爾科夫隨機(jī)場(chǎng)理論的木材圖像恢復(fù)和邊緣檢測(cè).pdf
- 基于混合粒子群優(yōu)化馬爾科夫隨機(jī)場(chǎng)的圖像分割.pdf
- 道路場(chǎng)景中的馬爾科夫隨機(jī)場(chǎng)方法研究.pdf
- 基于模糊馬爾科夫隨機(jī)場(chǎng)的遙感圖像分割算法研究.pdf
- 馬爾科夫隨機(jī)場(chǎng)理論在圖像分割領(lǐng)域的應(yīng)用.pdf
- 基于馬爾科夫隨機(jī)場(chǎng)和模糊集理論的場(chǎng)景分類算法研究.pdf
- 基于馬爾科夫隨機(jī)場(chǎng)的網(wǎng)絡(luò)流量協(xié)議識(shí)別算法的研究.pdf
- 基于馬爾科夫隨機(jī)場(chǎng)理論的腦部磁共振圖像分割算法研究.pdf
- 基于馬爾科夫隨機(jī)場(chǎng)的三維網(wǎng)格模型分割算法研究.pdf
- 基于馬爾科夫隨機(jī)場(chǎng)的凝膠電泳圖像分割技術(shù)研究.pdf
- 馬爾科夫隨機(jī)場(chǎng)在圖像分割方法中的應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論