一種基于小波包分析和神經(jīng)網(wǎng)絡(luò)的筆跡鑒別方法.pdf

1、作者將筆跡的書寫過(guò)程理解為筆跡能量的空間分布過(guò)程.基于這一觀點(diǎn),作者提出了一整套計(jì)算機(jī)筆跡紋理特征分析方法.首先,作者提出了一種與傳統(tǒng)方法截然不同的筆跡歸一化方法,它即能夠充分保留筆跡樣本的空間分布信息,又可以有效的簡(jiǎn)化筆跡的預(yù)處理過(guò)程.接著,該文論述了一種與較常出現(xiàn)的小波基匹配降維方法有著本質(zhì)區(qū)別的二維小波包最好基特征提取方法.該方法直接在二維空間上由db6小波包基對(duì)筆跡紋理實(shí)施3尺度小波包分解,再在由以香農(nóng)熵為代價(jià)函數(shù)提取得到的15

2、個(gè)小波包最好基處對(duì)分解系數(shù)實(shí)行重構(gòu).為了更好的描述這15個(gè)子紋理圖像所包含的能量特征,該文提出了一種被稱為非線性能量測(cè)度的子紋理圖像能量特征值實(shí)現(xiàn)方法,實(shí)驗(yàn)證明這種方法具有紋理自適應(yīng)匹配的能力.經(jīng)過(guò)上述一系列處理后,一個(gè)漢字筆跡圖像可以被壓縮為一個(gè)含有15個(gè)元素的能量測(cè)度矩陣.將分解得到的各能量測(cè)度矩陣的組合經(jīng)規(guī)范化后由BP神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和分類,實(shí)踐證明此筆跡鑒別系統(tǒng)對(duì)實(shí)現(xiàn)中提取的有限樣本的鑒別正確率可達(dá)95﹪以上.該系統(tǒng)已由C++和