基于小波和馬爾科夫隨機場的筆跡鑒別.pdf

1、在當(dāng)今信息高度發(fā)達和網(wǎng)絡(luò)開放的社會，傳統(tǒng)的基于信物或口令的身份鑒別方式存在容易丟失、遺忘、被復(fù)制及盜用的隱患而不能滿足信息時代的安全要求，因此人們需要一種更加安全和便捷的身份驗證方式來適應(yīng)社會發(fā)展的要求。通過辨識人的生理或行為特征進行身份認證的生物特征識別技術(shù)提供了一個方便可靠的解決方案。
　　 筆跡鑒別作為生物特征識別中的一種有效身份驗證技術(shù)，已經(jīng)成為國內(nèi)外生物特征識別領(lǐng)域的研究熱點。由于筆跡所特有的復(fù)雜性和不確定性，離線的文

2、本無關(guān)的筆跡鑒別是筆跡鑒別研究中最具有挑戰(zhàn)性的分支。本文主要研究離線的文本無關(guān)的筆跡鑒別特征提取算法，主要完成的工作如下：
　　 1.介紹了筆跡鑒別的相關(guān)背景知識及研究現(xiàn)狀，綜合分析前人的離線筆跡鑒別研究成果發(fā)現(xiàn)，基于局部結(jié)構(gòu)特性和整體筆跡特征能達到很好的效果。
　　 2.受到多分辨分析思想和馬爾科夫性的啟發(fā)，我們提出了多尺度高斯馬爾科夫隨機場模型（GMRF），成功地將多尺度的概念和統(tǒng)計隨機模型結(jié)合起來用于紋理圖像表示。

3、該方法用小波變換和GMRF模型在不同尺度下分析紋理圖像。
　　 3.提出了基于多尺度高斯馬爾科夫隨機的筆跡鑒別算法，算法基本思路是：利用小波的多分辨分析能力提取筆跡的紋理特征和奇異信息，并考慮到鄰域系統(tǒng)的馬爾科夫性，然后用高斯馬爾科夫隨機場模型來描述了筆跡圖像和其小波高頻子帶中隱藏的筆跡局部結(jié)構(gòu)。整個特征提取算法綜合考慮了筆跡的微結(jié)構(gòu)信息（局部特征）和整體的書寫風(fēng)格（整體特征）。在對筆跡圖像進行小波分解時，我們不僅采用了傳統(tǒng)db