非特定人脫機(jī)手寫筆跡鑒別方法的研究.pdf

1、筆跡鑒別是一種重要的人體生物特征識(shí)別方法，它在公安、司法、考古、金融和電子商務(wù)等各個(gè)領(lǐng)域都有廣泛的應(yīng)用，而非特定脫機(jī)手寫筆跡鑒別是筆跡鑒別中應(yīng)用范圍最廣的分支，是目前研究的熱點(diǎn)和難點(diǎn)。本文主要研究非特定人脫機(jī)手寫筆跡鑒別的算法。
　　本文將在圖像分類中常用的Bag of Words(BoW)方法運(yùn)用到非特定人脫機(jī)手寫筆跡鑒別中。在特征提取方面，我們對(duì)SIFT特征，NoSIFT特征，SURF特征，CNN激活特征，LBP特征進(jìn)行詳細(xì)介

2、紹和討論對(duì)比。受 Contour-Hinge等特征的啟發(fā)，文中提出基于輪廓點(diǎn)的ELBP和基于輪廓點(diǎn)的ESIFT特征，實(shí)驗(yàn)證明兩種基于輪廓點(diǎn)的特征包含互補(bǔ)信息，將兩種特征融合后可以進(jìn)一步提高鑒別準(zhǔn)確率。
　　在特征編碼層面，本文對(duì)傳統(tǒng)的硬投票(Hard Voting)方法和LLC稀疏編碼方法進(jìn)行對(duì)比分析，首次提出將一種基于局部仿射子空間編碼的方法(LASC)運(yùn)用到筆跡鑒別。這種方法考慮到每個(gè)單詞周圍鄰域空間信息，因此明顯優(yōu)于傳統(tǒng)硬投

3、票和LLC編碼方法，當(dāng)字典空間較大時(shí)，該方法不會(huì)過早的出現(xiàn)過擬合現(xiàn)象，隨著字典空間變大，鑒別準(zhǔn)確率可以進(jìn)一步提高。同時(shí)，本文深入討論分析了基于GMM的FV、UBM、KLD三種編碼方法并進(jìn)行了對(duì)比實(shí)驗(yàn)分析。之后本文對(duì)比分析了基于BoW的特征表達(dá)和基于GMM的特征表達(dá)各自優(yōu)缺點(diǎn)以及各自性能。
　　最后，本文提出一種多字典特征融合的非特定人脫機(jī)手寫筆跡鑒別方法。通過將判別性較高的特征進(jìn)行加權(quán)融合，在公開數(shù)據(jù)集ICDAR2013和CVL數(shù)