基于Haar提升小波和SVM的離線筆跡鑒別.pdf

1、當(dāng)今社會(huì)，生物識(shí)別技術(shù)的迅速發(fā)展，帶動(dòng)了手寫體筆跡鑒別(Handwritingidentification，HWI)的發(fā)展，如今手寫體筆跡鑒別已經(jīng)成為計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域中的一個(gè)研究熱點(diǎn)，而且基于筆跡的身份鑒別更是被廣泛的應(yīng)用在金融、社會(huì)化考試、銀行甚至考古學(xué)等領(lǐng)域。
　　 筆跡鑒別的本質(zhì)就是根據(jù)手寫筆跡來判斷書寫者的一門科學(xué)和技術(shù)。本文首先介紹了國(guó)內(nèi)外筆跡鑒別的研究現(xiàn)狀和相關(guān)理論，然后對(duì)現(xiàn)有算法進(jìn)行了簡(jiǎn)要的介紹和分析，最后

2、提出了基于Haar提升小波和支持向量機(jī)(SVM)的離線筆跡鑒別算法。該算法主要包括以下三個(gè)部分：
　　 1.預(yù)處理。本文的預(yù)處理算法主要包含以下幾個(gè)步驟：圖像的灰度化，黑白二值化，去除噪聲，單字切割，歸一化處理和紋理形成等。
　　 2.特征提取。本文的特征提取是基于紋理圖進(jìn)行的，分為兩個(gè)部分，即：全局紋理特征提取和單字紋理特征提取。全局紋理特征提取，采用了基于二維Gabor變換的算法該算法用32個(gè)核函數(shù)(即4個(gè)頻率和8個(gè)

3、相位)進(jìn)行仿真訓(xùn)練，通過與紋理圖進(jìn)行卷積運(yùn)算，得到相應(yīng)的32個(gè)小波變換系數(shù)，求其方差，將方差值作為全局紋理特征；單字紋理特征提取，采用了基于Haar提升小波變換的算法，該算法作為第二代小波變換，實(shí)現(xiàn)了從整數(shù)到整數(shù)的離散小波變換(DWT)，通過對(duì)單字樣本進(jìn)行三級(jí)小波分解，并求其小波系數(shù)的方差，得到單字特征。最后綜合分析，給出最終鑒別結(jié)果。
　　 3.分類器設(shè)計(jì)。本文采用SVM(支持向量機(jī))進(jìn)行分類，該分類器包括SVM的訓(xùn)練和SVM