脫機中文簽名鑒定技術的研究.pdf

1、簽名是一種使用廣泛的用于識別身份的生物特征?；谑謱懞灻纳矸蓁b定，在金融、軍事、商業(yè)、通信、辦公自動化、工程文件等領域，不僅過去的幾百年中一直被采用，而且可以預計將來會繼續(xù)有著廣泛應用的前景。因此對簽名鑒定技術的深入研究，對于提高實際應用水平和有關學科的科技進步都有著重要的意義。 本文首先分析了脫機手寫簽名鑒定的意義、發(fā)展及國內外研究動態(tài)，探討了脫機中文簽名鑒定實現的難點和主要的研究方法。然后深入研究和分析了脫機簽名識別中的預

2、處理技術、特征提取技術和識別技術。本文的主要內容有： 在簽名的預處理技術中，對平滑算法以及圖像的傾斜校正進行了重點介紹，并嘗試了利用象素方差求圖像傾斜角的方法。 在原始特征的提取時，為了盡可能體現簽名的個體特征，同時采用了靜態(tài)形狀特征和偽動態(tài)特征。形狀特征的重點是具有旋轉、平移和尺度不變形的偽Zernike矩。偽動態(tài)特征方面，提取了原始灰度特征、高灰度特征和改進后的灰度分布直方圖特征。 結合遺傳算法的全局搜索能力

3、和小波神經網絡快速高精度的特點，本文提出了兩種基于遺傳算法的小波神經網絡模型，克服了梯度下降法易陷入局部極小和引起振蕩效應等缺點。模型1：用具有自然進化規(guī)律的遺傳算法來對小波神經網絡的連接權值和伸縮平移尺度進行優(yōu)化訓練，代替了小波神經網絡中按單一的梯度方向進行參數優(yōu)化的梯度下降法；模型2：用遺傳算法來對小波神經網絡的各參數進行前期優(yōu)化訓練后，再用梯度下降法進行二次優(yōu)化。把基于遺傳算法的小波神經網絡模型用于脫機簽名鑒定，實驗結果表明，此方

4、法與單獨采用BP網絡或小波神經網絡相比，模型1減少了運算量，提高了運算速度；模型2可以達到大約有9.2﹪的平均誤判率，正確鑒定率提高了5﹪左右。 針對可用真簽名樣本特別少，偽簽名樣本可能缺失的情況，本文提出了一種基于小樣本集的簽名鑒定方法。在這個新方法中，將待鑒定簽名樣本特征投影到參考真簽名樣本的主成分投影坐標系后，根據新坐標系中的特征數據進行判決。新系統(tǒng)的性能主要取決于參考真簽名樣本，不再依賴于少數固定的偽簽名樣本，并且參考真