基于纹理特征和深度特征的签名鉴别技术研究
发布时间：2022-01-11 14:21
现实生活中越来越多的场合使用签名作为身份认证的方式,从而产生了大量需要鉴别签名真伪的需求。传统的签名鉴别需要依靠签名鉴别专家人工分析分类,在大量样本中寻找真伪签名,需要耗费大量时间成本。计算机签名鉴别就是依靠计算机提取签名中的特征,使用机器学习模型自动或辅助专家预测签名样本作者的技术。随着计算机技术的发展,计算机签名识别技术逐渐受到人们的重视。本文介绍了签名鉴别的研究现状,并以此为基础,研究了签名的采集、预处理、特征提取及特征匹配技术。本文主要完成了以下工作:（1）收集实验需要的签名图像数据,分别使用扫描仪和三维体式显微镜获取签名的二维和三维图像。二维签名预处理包括灰度变换、滤波去噪以及大小归一化等工作,签名在书写及扫描的过程中会引入墨点污染、纸张杂质污染以及扫描机械污染,进行预处理可以有效的减少污染,避免后续特征提取的影响。三维签名预处理为曲面校正、去除离群点以及滤波去噪,纸张平面易弯曲,表面带有杂质,且扫描过程中机械振动会产生噪声,进行预处理可以减少的实验材料带来的干扰。（2）提取签名特征。提取特征是签名鉴别的关键步骤,二维特征提取的是签名图像的灰度共生矩阵特征（GLCM）和局部二...
【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
签名鉴别总体框架
基于纹理特征和深度特征的签名鉴别技术研究8图2.1人眼光谱光视效率曲线Figure2.1Spectralluminousefficiencycurveofhumaneyes2.1.2签名图像的去噪在书写过程中带来的笔迹污点、纸张固有的纹理及杂质都会带来分离点，扫描过程中还会引进污染，给后续的特征提取带来影响，需要先进行滤波去噪，去除签名图像中的背景噪声。图像处理中常用的去噪方法可以分为基于空间域的滤波方法、基于频率域的滤波方法以及基于形态学的滤波方法等[27]。其中空间域滤波和形态学滤波法不仅可以完成线性滤波，还可以完成非线性滤波，这是频率域滤波做不到的。因此本文将研究重点放在空间域滤波和形态学滤波上。空间域滤波法直接针对二维图像的像素进行处理，使图像像素完成预定义的操作，实现预想的功能。我们将图像与空间滤波器（也称为核、掩模、窗口和模板）进行卷积，得到滤波后的图像。为了使滤波在边缘处保持一致，我们首先根据模板的大小在图像边缘填充0（即像素值为0的行和列），为了使计算简单，一般使模板的行列数相等，且行数（列数）为奇数。在3*3模板中，将在图像的边缘处分别填充一行（列）0。尺寸为N*M的图像与尺寸为n*n的模板进行卷积，输出的图像由式2.2和2.3表示。其中a=(n-1)/2，h(x,y)为滤波器模板，可以按照我们的需求进行任意的设计。空间域滤波器可以分为线性滤波器和非线性滤波器，其中线性滤波器包括均值滤波器，权值（高斯）滤波器等；非线性有统计滤波（最大（最小值）滤波器、中值滤波器以及中点滤波器）和阈值滤波等。(1)2nN（2.2）(,)(,)(,)(,)(,)aasatagxyhxyfxyhstfxsyt（2.3）均值滤波是将像素在模板邻域大小内的灰度均值作为中心元素的灰度值的
第2章签名图像的预处理9滤波方式，是最简单的线性平滑滤波器。均值滤波可以有效减弱图像在孤立像素内灰度值突变以及椒盐噪声对签名图像特征的影响，降低图像的噪声。但同时均值滤波会比较大的模糊图像，丢失签名图像在边缘处的特征。图2.2（a）是一个3*3的均值滤波器模板。均值滤波器有明显的不足，它给予邻域内所有位置相同的权值，但一般情况下，一些位置像素的重要性是明显大于其他位置的像素（如中心位置）。因此需要给不同位置的像素赋予不同的权值。权值滤波器是在均值滤波器的基础上，赋予不同位置像素不同权重的滤波器，模板的权值可以由式2.4的二维高斯函数来给出，此时也称为二维高斯滤波器。高斯滤波器可以根据需要选择不同的尺度，即标准差δ，选择不同的标准差的滤波效果也不一样。δ越小，中心元素所占的权重就越大，但会减弱签名图像的平滑效果，反之，δ越大，各位置元素所占权重越接近，使滤波效果接近均值滤波。图2.2（b）是一个3*3的高斯滤波器模板，高斯模板的标准差可根据实际情况进行选择，不同数值中心值的权重也不一样。22221(,)exp[()]2xySxy（2.4）（a）（b）图2.2一个3*3的均值滤波模板（a）和一个3*3的高斯滤波模板（b）Figure2.2A3*3templateofmeanfiltering(a)anda3*3templateofGaussianfiltering(b)统计滤波器是一类非线性滤波器，包括最大（小）值滤波器、中值滤波器、中点滤波器等。滤波时，滤波器模板邻域内，所有元素首先进行一次排序，得到区域的像素灰度值序列，再根据特定的规则选择或计算出中心元素的像素值。使用序列的最大值（最小值）作为中心元素灰度值的称为最大值（最小值）滤波器，使用序列中值作为中心元素灰度值的称为中值滤波器，使用序列最大值和最小值的均值
【参考文献】：
期刊论文
[1]基于B样条小波分析的点云数据滤波处理技术[J]. 田旭东,王艋. 现代测绘. 2019(03)
[2]基于LBP和深度学习的手写签名识别算法[J]. 马小晴,桑庆兵. 量子电子学报. 2017(01)
[3]基于改进SIFT的离线签名鉴别方法[J]. 丁一,詹恩奇,郑建彬,汪阳. 计算机应用研究. 2017(11)
[4]运用笔迹三维信息提取分析仪对摹仿签名笔力特征的实验研究[J]. 申思,韩丹岩,俞纲. 中国刑警学院学报. 2016(03)
[5]三维枪弹痕点云数据处理及特征提取研究[J]. 马鑫,魏仲慧,何昕,于国栋. 液晶与显示. 2016(09)
[6]运用笔迹三维信息提取分析仪对正常签名书写力的研究[J]. 申思,韩丹岩. 中国司法鉴定. 2015(06)
[7]基于优化Gabor滤波器和GMRF的笔迹特征提取方法[J]. 邱娟,谢昊,张传林. 计算机工程与应用. 2015(17)
[8]融合纹理特征与深度信息的足迹自动比对算法[J]. 凌剑勇,何昕,魏仲慧,李一芒,梁国龙. 光学精密工程. 2014(07)
[9]基于纹理特征的遥感影像监督分类[J]. 洪洲. 测绘与空间地理信息. 2013(04)
[10]基于灰度共生矩阵的纹理特征提取[J]. 高程程,惠晓威. 计算机系统应用. 2010(06)
博士论文
[1]三维枪弹痕迹自动识别系统关键技术研究[D]. 凌剑勇.中国科学院研究生院(长春光学精密机械与物理研究所) 2014
硕士论文
[1]基于稳定性分析的离线手写签名真伪鉴别[D]. 魏佳敏.西北大学 2017
[2]基于统计特征的维吾尔文离线手写签名鉴别技术研究[D]. 祖丽皮亚·艾尼.新疆大学 2017
[3]枪弹痕三维可视化算法研究[D]. 马鑫.中国科学院长春光学精密机械与物理研究所 2017
[4]基于形状上下文的离线签名鉴别[D]. 刘利利.河北大学 2016
[5]离散曲面三维形状表征及滤波方法研究[D]. 张梦倩.哈尔滨工业大学 2016
[6]手写体汉字笔迹鉴别研究[D]. 鲍雄伟.长安大学 2014
[7]离线灰度手写签名鉴别[D]. 张立.武汉科技大学 2012
[8]汉字笔迹鉴别算法的研究[D]. 张伟.东北林业大学 2009
本文编号：3582932
【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
签名鉴别总体框架
基于纹理特征和深度特征的签名鉴别技术研究8图2.1人眼光谱光视效率曲线Figure2.1Spectralluminousefficiencycurveofhumaneyes2.1.2签名图像的去噪在书写过程中带来的笔迹污点、纸张固有的纹理及杂质都会带来分离点，扫描过程中还会引进污染，给后续的特征提取带来影响，需要先进行滤波去噪，去除签名图像中的背景噪声。图像处理中常用的去噪方法可以分为基于空间域的滤波方法、基于频率域的滤波方法以及基于形态学的滤波方法等[27]。其中空间域滤波和形态学滤波法不仅可以完成线性滤波，还可以完成非线性滤波，这是频率域滤波做不到的。因此本文将研究重点放在空间域滤波和形态学滤波上。空间域滤波法直接针对二维图像的像素进行处理，使图像像素完成预定义的操作，实现预想的功能。我们将图像与空间滤波器（也称为核、掩模、窗口和模板）进行卷积，得到滤波后的图像。为了使滤波在边缘处保持一致，我们首先根据模板的大小在图像边缘填充0（即像素值为0的行和列），为了使计算简单，一般使模板的行列数相等，且行数（列数）为奇数。在3*3模板中，将在图像的边缘处分别填充一行（列）0。尺寸为N*M的图像与尺寸为n*n的模板进行卷积，输出的图像由式2.2和2.3表示。其中a=(n-1)/2，h(x,y)为滤波器模板，可以按照我们的需求进行任意的设计。空间域滤波器可以分为线性滤波器和非线性滤波器，其中线性滤波器包括均值滤波器，权值（高斯）滤波器等；非线性有统计滤波（最大（最小值）滤波器、中值滤波器以及中点滤波器）和阈值滤波等。(1)2nN（2.2）(,)(,)(,)(,)(,)aasatagxyhxyfxyhstfxsyt（2.3）均值滤波是将像素在模板邻域大小内的灰度均值作为中心元素的灰度值的
第2章签名图像的预处理9滤波方式，是最简单的线性平滑滤波器。均值滤波可以有效减弱图像在孤立像素内灰度值突变以及椒盐噪声对签名图像特征的影响，降低图像的噪声。但同时均值滤波会比较大的模糊图像，丢失签名图像在边缘处的特征。图2.2（a）是一个3*3的均值滤波器模板。均值滤波器有明显的不足，它给予邻域内所有位置相同的权值，但一般情况下，一些位置像素的重要性是明显大于其他位置的像素（如中心位置）。因此需要给不同位置的像素赋予不同的权值。权值滤波器是在均值滤波器的基础上，赋予不同位置像素不同权重的滤波器，模板的权值可以由式2.4的二维高斯函数来给出，此时也称为二维高斯滤波器。高斯滤波器可以根据需要选择不同的尺度，即标准差δ，选择不同的标准差的滤波效果也不一样。δ越小，中心元素所占的权重就越大，但会减弱签名图像的平滑效果，反之，δ越大，各位置元素所占权重越接近，使滤波效果接近均值滤波。图2.2（b）是一个3*3的高斯滤波器模板，高斯模板的标准差可根据实际情况进行选择，不同数值中心值的权重也不一样。22221(,)exp[()]2xySxy（2.4）（a）（b）图2.2一个3*3的均值滤波模板（a）和一个3*3的高斯滤波模板（b）Figure2.2A3*3templateofmeanfiltering(a)anda3*3templateofGaussianfiltering(b)统计滤波器是一类非线性滤波器，包括最大（小）值滤波器、中值滤波器、中点滤波器等。滤波时，滤波器模板邻域内，所有元素首先进行一次排序，得到区域的像素灰度值序列，再根据特定的规则选择或计算出中心元素的像素值。使用序列的最大值（最小值）作为中心元素灰度值的称为最大值（最小值）滤波器，使用序列中值作为中心元素灰度值的称为中值滤波器，使用序列最大值和最小值的均值
【参考文献】：
期刊论文
[1]基于B样条小波分析的点云数据滤波处理技术[J]. 田旭东,王艋. 现代测绘. 2019(03)
[2]基于LBP和深度学习的手写签名识别算法[J]. 马小晴,桑庆兵. 量子电子学报. 2017(01)
[3]基于改进SIFT的离线签名鉴别方法[J]. 丁一,詹恩奇,郑建彬,汪阳. 计算机应用研究. 2017(11)
[4]运用笔迹三维信息提取分析仪对摹仿签名笔力特征的实验研究[J]. 申思,韩丹岩,俞纲. 中国刑警学院学报. 2016(03)
[5]三维枪弹痕点云数据处理及特征提取研究[J]. 马鑫,魏仲慧,何昕,于国栋. 液晶与显示. 2016(09)
[6]运用笔迹三维信息提取分析仪对正常签名书写力的研究[J]. 申思,韩丹岩. 中国司法鉴定. 2015(06)
[7]基于优化Gabor滤波器和GMRF的笔迹特征提取方法[J]. 邱娟,谢昊,张传林. 计算机工程与应用. 2015(17)
[8]融合纹理特征与深度信息的足迹自动比对算法[J]. 凌剑勇,何昕,魏仲慧,李一芒,梁国龙. 光学精密工程. 2014(07)
[9]基于纹理特征的遥感影像监督分类[J]. 洪洲. 测绘与空间地理信息. 2013(04)
[10]基于灰度共生矩阵的纹理特征提取[J]. 高程程,惠晓威. 计算机系统应用. 2010(06)
博士论文
[1]三维枪弹痕迹自动识别系统关键技术研究[D]. 凌剑勇.中国科学院研究生院(长春光学精密机械与物理研究所) 2014
硕士论文
[1]基于稳定性分析的离线手写签名真伪鉴别[D]. 魏佳敏.西北大学 2017
[2]基于统计特征的维吾尔文离线手写签名鉴别技术研究[D]. 祖丽皮亚·艾尼.新疆大学 2017
[3]枪弹痕三维可视化算法研究[D]. 马鑫.中国科学院长春光学精密机械与物理研究所 2017
[4]基于形状上下文的离线签名鉴别[D]. 刘利利.河北大学 2016
[5]离散曲面三维形状表征及滤波方法研究[D]. 张梦倩.哈尔滨工业大学 2016
[6]手写体汉字笔迹鉴别研究[D]. 鲍雄伟.长安大学 2014
[7]离线灰度手写签名鉴别[D]. 张立.武汉科技大学 2012
[8]汉字笔迹鉴别算法的研究[D]. 张伟.东北林业大学 2009
本文编号：3582932
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3582932.html
