基于集成神经网络的离线手写签名鉴别方法

离线手写签名鉴别是一种基于生物特征的身份识别技术,利用集成神经网络对手写签名进行自动鉴别。该集成神经网络由特征分配网络、神经网络认证主体和决策融合识别网络三部分构成。通过为每个签名者构造独立的分类器,并分别为每个分类器构造认证、识别训练集,解决了离线签名的认证和识别问题。基于此方法的签名鉴别实验获得了比较满意的结果,可以用来辅助人类专家进行签名鉴别。

基于改进SIFT的离线签名鉴别方法

针对高质量模仿签名和签名图像的尺度变化对鉴别效果影响较大的问题,提出了一种基于改进SIFT的离线签名鉴别方法。该方法首先改进尺度空间的建立,减少尺度空间的层数和组数,然后检测签名图像的SIFT特征点和提取特征描述子,根据特征描述子间的欧氏距离进行匹配,通过邻近距离之比和特征点角度差筛选匹配对,并对匹配对特征点的角度差进行直方图统计构成ODH(orientation difference histogram)特征向量。最终根据匹配对的数量和ODH特征向量的相似度完成鉴别工作。该方法在本地数据库上的等误率为6.7%,在4NSig Comp2010公共数据库上的等误率为20%。实验结果表明,该方法与现有方法相比有效地提高了鉴别正确率。

基于新轮廓特征的离线签名鉴别

离线签名笔画内部点及背景点的局部二值模式(LBP)非常相近,且对反映离线签名笔画特征有较大干扰,因此提出了一种轮廓处LBP直方图特征。提取签名轮廓上的LBP特征,同时引入了新的规则去除部分无用模式,可有效地提升LBP的有效性和鲁棒性。另外,针对方向链码特征在应用于签名鉴别时存在局限性的问题,提出了一种轮廓模式共生直方图特征。融合这两种轮廓特征,并使用主成分分析(principal component analysis,PCA)降维。最后,使用支持向量机分别在MCYT和GPDS两种公开离线签名数据库上进行测试,取得的平均错误率分别为13.51%和12.97%。在相同的数据集上与其他方法相比,具有更低的平均错误率。

基于方向特征的维吾尔文离线签名鉴别

本文以弥补我国少数民族离线签名鉴别体系中这一漏洞的前提下,结合维吾尔文手写签名的书写风格及特点,提出了一种基于16维方向的维吾尔文离线签名鉴别方法。实验中,对10个维吾尔族人的600个手写签名样本进行签名预处理和特征提取之后,分别用三种距离分类器来进行了签名鉴别,得到的最高签名总正确率为92.58%。实验结果表明,本文提出的方法对于离线的维吾尔文手写签名鉴别来说是一种较有效的鉴别方法。

离线中文签名鉴别的特征提取及预处理

针对中文签名的特点，提出了一组用于离线中文签名鉴别的形状特征．同时提出了一组间接提取签名图象中动态信息的重笔道特征．两组特征综合使用，对简单模仿签名可获得错误率只有２．５％的鉴别效果．文中还介绍了中文签名图象的预处理算法．

基于孪生网络的离线手写签名鉴别算法

针对通过伪造他人手写签名所带来的隐私安全问题,提出一种融合注意力机制和孪生网络的离线手写签名鉴别算法。首先,通过融合孪生网络与CBAM(Convolutional Block Attention Module)提取手写签名特征;然后,利用全局平均池化层直接实现特征图的降维,并防止网络过拟合;最后,采取一种自动确定阈值的方法来确定真伪手写签名鉴别时的最佳阈值。以SigNet为基础作出以上改进,并以CEDAR(the Center of Excellence for Document Analysisand Recognition)、Bangla和Hindi这3个手写签名数据集为例,对所提算法的准确率和泛化性能进行了实验验证。实验结果表明,与改进前算法SigNet相比,所提算法在数据集CEDAR上维持了100%的准确率,并在数据集Hindi和Bangla的鉴别准确率上分别提高了1.68个百分点和6.73个百分点,验证了所提算法的有效性。

基于Siamese神经网络的离线签名鉴别

在这个科技飞速发展的时代,为了提高身份认证的安全性能,将计算机技术结合生物特征作为身份认证的一种手段受到越来越多学者的关注,签名鉴别就是其中一种.离线签名鉴别只能根据静态签名图片判断真伪,难度较大.目前已有的相关方法很多都是需要人为提取和选择签名特征后再进行匹配分类,而这样得到的特征可能并不是最具代表性的,并且目前的准确率尚未达到投入实际应用的水平,仍需探索新的解决方法.以SigComp2011手写离线Dutch(荷兰语)数据集为实验数据集,基于one-shot学习原理使用Siamese神经网络进行离线签名鉴别研究,最终得到的模型针对2 760条未经过训练的测试数据在以0.58为最优距离阈值的情况下,能达到最高准确率97%,此模型的准确率和稳定性都较为令人满意.

计算机离线签名鉴定系统研究

介绍了基于VC++开发的离线签名笔迹计算机鉴定系统,能够较好地实现签名笔迹图像多种处理效果,以满足特征提取的不同需要。他可以从复杂签名图像背景下提取出不同颜色签名笔迹,具有方便、快捷、失真小的特点。通过将笔划宽度斜度特征α加入系统进行鉴别,可有效降低识别的错误率,获得了相对较好的鉴别效果。

一种基于数学形态学的签名真伪鉴别方法

针对离线签名鉴别可利用的信息少、鉴别难度大的问题,提出了一种基于数学形态学的签名真伪鉴别方法.该方法首先对采集的签名图像进行灰度化、二值化、滤波去噪、取反归一化等预处理,然后利用数学形态学的各种运算,结合不同大小和不同方向的结构元素提取签名中具有明显方向性特征的笔划,最后基于笔划的长短、粗细、间隔等信息对鉴别样本做出判别.实验结果表明,该方法能有效地提高鉴别的正确率,改善鉴别的实时性,对于应用新方法进行离线签名真伪鉴别是一次有益的尝试,具有一定的实用和推广价值.

计算机汉字笔迹自动鉴别的基础探讨

汉字笔迹系统地反映了书写人的遗传、心理和生理特征、生活经历与背景及所受的教育程度。对笔迹的认识不能仅仅局限于载体上笔迹的形态特征,必须从系统的角度,透过笔迹充分解读笔迹形成的动作系统,在动作系统中找寻能标志书写人稳定、特殊的习惯动作特征,这是今后计算机能够正确地进行汉字笔迹自动鉴别、进一步提高鉴别可靠性的前提和基础之一,其二是计算机技术的突破性进展,即人工智能的进一步实现。

离线文字图像预处理算法的研究和实现

预处理是离线文字图像鉴别的第一步,在这篇文章里,提出了一套完整的离线文字图像预处理算法,包括去除图像的背景、噪声,以及图像的二值化和归一化处理等,特别是对大小归一化算法进行了深入研究。最后通过VC++6.0和MATLAB对预处理算法的各部分进行了实验,根据实验结果,这套算法有效可行,为离线文字图像的纹理特征提取打下了可靠的基础。

灰度共生矩阵特征加权融合的维文签名鉴别

提出灰度共生矩阵特征加权融合和BP神经网络的维吾尔文手写签名鉴别方法。提取灰度共生矩的能量、熵、惯性矩和局部平稳性等4种特征并对其进行加权融合的方法进行签名鉴别。实验结果表明,15名签名者的(共600个签名样本)平均签名鉴别率为91.78%。与同样规模的GPDS英文签名进行对比实验可知,本文提出的方法对维吾尔文手写签名具有较高的稳定性和鉴别能力。

一种有效的签名图像预处理方法

首先讨论了签名图像的表示与描述,在此基础上详细研究了签名图像预处理的各个步骤,提出了一种有效的签名图像预处理方法。实验结果表明,该方法得到的四种签名信息载体能有效表征签名,以此为基础的离线签名识别能取得较高的识别率。

方向特征和网格特征融合的离线签名鉴别

离线签名鉴别是一种重要的生物特征识别技术,提出了基于方向特征和网格特征融合的方法。网格特征广泛使用在图像的特征提取中,方向特征和网格特征结合不仅可以描述签名图像特殊点的方向和位置,还可以统计方向位置分布信息。两种特征组合会形成高维特征,然后使用主成分分析法进行降维,采用支持向量机作为分类器。该方法在签名数据库上进行评估,其结果表明,该方法能有效的提高离线签名鉴别的正确率。

实体鉴别与复制鉴别

受理鉴别和彩信鉴别,就可以满足交易和网络的基本安全需要,但不能彻底解决复制攻击问题,特别是在网络安全上又多了一个防Do S攻击的问题。为此,CPK鉴别系统将受理鉴别划分为离线鉴别和在线鉴别,以在线鉴别对付对门户(网站、服务器)的复制攻击和Do S攻击。