一种鲁棒的离线笔迹鉴别方法

离线笔迹鉴别在司法鉴定与历史文档分析中有重要作用.当前的主要离线笔迹鉴别都是基于局部特征提取的方法,其在笔迹检索中严重依赖于数据增强和全局编码,在笔迹识别中需要较多的笔迹信息.针对这一问题,本文提出一种基于统计的文档行分割与深度卷积神经网络相结合的离线笔迹鉴别方法(DLS-CNN).首先,使用基于统计的文档行分割方法将笔迹材料分割成小的像素块;然后,用优化后的残差神经网络作为识别模型;最后,对局部特征使用取均值法进行编码.在ICDAR2013和CVL这两个标准数据集上的实验结果表明,该方法能有效获得鲁棒的局部特征,从而仅需要少量的笔迹信息就能取得较高的识别率,而且不需依赖于数据增强和全局编码就能取得较好的检索效果.实验代码地址:https://github.com/shiming-chen/DLS-CNN.