论文部分内容阅读
在签名图像预处理研究的基础上,提出了通过提取图像形状特征、不变距特征以及基于Gabor滤波纹理方向特征而得到签名图像静态特征的方法,并通过基于稀疏表示的L1范数分类方法在提取的特征样本集上进行签名鉴别。实验结果表明,在相同10组样本的特征集下,稀疏分类最小残差法的平均FRR和平均FAR分别为9.25%和4.63%,明显低于经典KNN法的12.15%和8.67%,也明显低于经典SVM法的13.31%和7.26%。该文的研究成果达到了移动互联网金融业务的性能要求。