论文部分内容阅读
基于笔迹的计算机身份鉴别是目前活跃于模式识别和图像处理领域的研究热点之一。小波分析具有出色的时间—频率域多分辨特性,十多年米在信息处理领域得到了迅速的发展。将小波分析引入到计算机笔迹鉴别中,探寻一些分布于不同频率域中的笔迹特征成为了计算机笔迹鉴别研究的一条新思路。 笔者将笔迹的书写过程理解为笔迹能量的空间分布过程。基于这一观点,笔者提出了一整套计算机笔迹纹理特征分析方法。首先,笔者提出了一种与传统方法截然不同的笔迹归一化办法,它即能够充分保留笔迹样本的空间分布信息,又可以有效的简化笔迹的预处理过程。接着,本文论述了一种与较常出现的小波基匹配降维方法有着本质区别的二维小波包最好基特征提取方法。该方法直接在二维空间上由db6小波包基对笔迹纹理实施3尺度小波包分解,再在由以香农熵为代价函数提取得到的15个小波包最好基处对分解系数实行重构。为了更好的描述这15个子纹理图像所包含的能量特征,本文提出了一种被称为非线性能量测度的子纹理图像能量特征值实现方法,实验证明这种办法具有纹理自适应匹配的能力。经过上述一系列处理后,一个汉字笔迹图像可以被压缩为一个含有15个元素的能量测度矩阵。将分解得到的各能量测度矩阵的组合经规范化后由BP神经网络进行学习和分类,实践证明此笔迹鉴别系统对实验中提取的有限样本的鉴别正确率可达95%以上。 本系统已由C++和Matlab混合编程实现。