版權(quán)說明: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、手寫體筆跡鑒別是計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域中一個(gè)非常活躍的研究課題,而基于筆跡的身份鑒別更是被廣泛的應(yīng)用在金融、社會(huì)化考試、銀行甚至考古學(xué)等領(lǐng)域。 本文正是基于高等教育自學(xué)考試這樣一個(gè)背景,來對(duì)筆跡鑒別算法進(jìn)行研究。本文首先全面介紹了國(guó)內(nèi)外筆跡鑒別的現(xiàn)狀和相關(guān)理論,對(duì)現(xiàn)有各個(gè)算法進(jìn)行了簡(jiǎn)單介紹和分析,而后提出了結(jié)合單字特征的離線筆跡鑒別算法。該算法首先利用多通道的Gabor 變換對(duì)筆跡紋理圖進(jìn)行特征提取。經(jīng)過大量的試驗(yàn),選取了5個(gè)
2、頻率和8個(gè)相位共40個(gè)核函數(shù),通過和紋理圖的卷積獲得40個(gè)變換系數(shù),并選取變換系數(shù)的均值和方差作為特征,最終得到80 維特征。通過歐氏距離分類器進(jìn)行分類,在訓(xùn)練樣本庫中找到與待測(cè)樣本最相似的5 幅筆跡。在此基礎(chǔ)上,利用9/7提升小波算法可以很好的提取圖像高頻部分細(xì)節(jié)特征的特點(diǎn),對(duì)筆跡中的特征單字進(jìn)行特征提取,綜合分析,給出最終鑒別結(jié)果。為了對(duì)算法進(jìn)行驗(yàn)證,課題在VC++6.0 環(huán)境下編程實(shí)現(xiàn),并給出了結(jié)合一個(gè)單字和多個(gè)單字的鑒別率。通過
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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
- 基于單字分割的筆跡鑒別預(yù)處理研究.pdf
- 基于特征子空間的筆跡鑒別算法.pdf
- 漢字筆跡鑒別算法的研究.pdf
- 漢字筆跡鑒別的算法研究.pdf
- 基于信息融合的筆跡鑒別算法研究.pdf
- 基于特征融合的筆跡鑒別技術(shù)研究.pdf
- 筆跡鑒別中半監(jiān)督降維算法的研究.pdf
- 離線筆跡鑒別的特征提取技術(shù)研究.pdf
- 基于非負(fù)矩陣分解算法的離線筆跡鑒別.pdf
- 筆跡鑒別方法研究.pdf
- 基于移動(dòng)平臺(tái)的手寫體筆跡鑒別算法研究.pdf
- 基于非負(fù)矩陣分解算法的離線筆跡鑒別
- 基于紋理特征提取的離線文字筆跡鑒別技術(shù)的研究.pdf
- 基于領(lǐng)域特征的筆跡鑒定算法的研究.pdf
- 基于多特征數(shù)據(jù)融合的離線中文筆跡鑒別研究.pdf
- 基于結(jié)構(gòu)理解的筆跡智能編輯和單字分類.pdf
- 基于筆跡的身份鑒別技術(shù).pdf
- 手寫體漢字筆跡鑒別研究.pdf
- 筆跡鑒別圖像處理特征提取支持向量機(jī)論文
- 基于LBP的紋理分析及筆跡鑒別研究.pdf
評(píng)論
0/150
提交評(píng)論