基于小波和馬爾科夫隨機(jī)場(chǎng)的筆跡鑒別.pdf

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