论文部分内容阅读
在当前各种社会经济活动中,常常使用手写签名代替印章,可以用手写签名图像来识别签名的真伪。熟练的手写签名的书写风格稳定,但字形、笔划、大小和倾斜程度有一定的随意性,不能用印刷汉字的识别方法来识别手写签名。本课题采用BP神经网络记忆手写签名样本的识别特征和构造模糊识别器,使用VC++实现了签名图像各预处理环节和特征提取以及识别器。 识别系统中的预处理各环节是根据手写签名的特点而设计的,其中位置归一化和笔划细化等两个环节的算法分别具有自己的特色;采用图像密度识别特征,在特征提取算法中采取了降维技术,以降低BP网络的规模和提高识别速度;用BP算法构造识别特征知识库和模糊识别器时,对BP算法进行了改进,以提高BP算法的收敛速度。 本文主要介绍BP算法在手写签名模糊识别中的应用,对系统的各个实现环节分别加以描述,详细介绍了签名图像预处理、特征提取、BP网络模糊识别等一系列功能模块。该系统对手写数字识别、车牌识别等领域的应用有一定的借鉴作用。 本论文的结构如下: 第1章:介绍手写签名识别技术的发展及研究状况,提出了课题研究的主要内容。 第2章:介绍人工神经网络的发展状况和基本原理,以及该技术在手写签名模糊识别中的具体应用,并重点研究了BP算法。 第3章:介绍手写签名模糊识别系统的总体设计,并分别介绍了各个功能模块。 第4章:研究签名图像预处理技术,并给出了各个预处理环节的的实现细节。特别是对倾斜校正和细化算法作了详细的论述。 第5章:分析了多种特征选取算法,比较了它们的优缺点,提出了本系统的特征选取算法,并对此方法的实现进行阐述。 第6章:介绍了基于BP神经网络的模糊识别器的基本思想,详细阐述了样本学习和模糊识别模块,并给出了具体的实现算法。 第7章:对运行实例进行描述,并总结了研究成果,指出了不足之处并提出了改进意见。