论文部分内容阅读
笔迹鉴别是根据手写笔迹判断书写人身份的一门科学和技术。近年来,社会需要对笔迹鉴别的研究提出了新的要求,模式识别和人工智能等相关学科的进展为笔迹鉴别的发展提供了新的契机。而笔迹图像的预处理直接关系到笔迹鉴别的正确率,其中单字分割又成为笔迹鉴别的一个难点,单字分割的成功与否影响到后续的单字特征提取,而基于单字的笔迹鉴别比整体纹理鉴别书写人身份的准确率高出5%之多。
本文提出了一套完整的针对单字的笔迹图像分割算法,选用不同的笔迹样本作了验证实验,对实现单字分割做了全面的阐述论证。本文首先对笔迹图像输入进行了简单论述,给出了滤波、图像矫正、二值化等预处理算法。着重阐述了单字模板的分割算法和基于模板匹配的单字分割算法,其中单字模板分割算法包括了行分割、字分割算法,并建立了单字图像模板库,给出了单字模板的存储和提取原则。本文模板匹配和单字分割结合在了一起,在详细阐述模板匹配原理的基础上,给出了传统的模板匹配分割算法,并提出了两种改进算法:基于灰度相关系数的快速模板匹配分割和一种改进的基于灰度相关的模板匹配分割,均在运行时间上有很大幅度的缩减,后一种改进算法设计了一种“总分”的搜索策略,实现了非遍历性搜索,并能快速找到最优匹配点,并引入了一个搜索路径表对已搜索过的点作标记,以防止重复计算,实验证明该算法快速性和较高的准确性,文章最后主要是针对基于笔迹整体纹理和笔迹结构特征鉴别所提出的核心预处理算法:笔迹图像归一化及拼接、汉字的轮廓提取以及笔画的细化等。
本文选用100份笔迹样本实验,利用单字模板分割算法96%的样本可以实现行分割,这其中的92%可以实现单字的分割和单字模板提取,分割正确率比传统的投影实现行分割和列分割分别高出4%和12%,而且分割时间也有了大幅缩减;本文提出的两种改进算法分别比传统的匹配算法的时间快3.4和2.8倍,其中后者的匹配正确率和传统方法相当,接近于96%。
大量实验证明单字分割对于笔迹鉴别正确率的贡献大于5个百分点,成为笔迹鉴别重要的组成部分。