基于非负矩阵分解算法的离线笔迹鉴别

论文摘要

手写体笔迹鉴别是计算机视觉和模式识别领域中活跃的研究课题之一,它是通过分析不同人书写同一单字或整体的书写风格来判断书写人身份的一门技术。传统的笔迹鉴别方法大多对一段整体文字笔迹的纹理图像提取特征,为提高笔迹图像的鉴别率,本文将非负矩阵分解(NMF)算法运用到离线手写单字的笔迹鉴别中。在应用非负矩阵分解算法前,首先随机初始化两个非负矩阵,为了提高算法的稳定性,本文采用将高维空间中的初始化值应用到低维空间中的方法。从一段文字中选取有代表性的单字应用非负矩阵分解算法,得到单字笔迹图像的特征子空间和特征值。将测试样本影射到特征子空间,得出特征向量,求其和测试样本特征值之间角度的相关性和k近邻,进而对笔迹图像分类。左右结构,笔画复杂的单字识别率较高。实验结果表明,非负矩阵分解算法其分类正确率明显高于传统的主分量分析(PCA)方法。这说明NMF算法在手写笔迹鉴别分析中的潜力。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• §1-1 课题背景
• §1-2 非负矩阵分解算法的研究现状
• 1-2-1 基于非负矩阵分解的图像融合
• 1-2-2 基于NMF 的隐含语义索引算法
• 1-2-3 灰度图像的数字水印研究
• 1-2-4 NMF 算法在其他方面的应用
• §1-3 手写体笔迹鉴别的研究现状
• §1-4 论文结构
• §1-5 小结
• 第二章 非负矩阵分解算法
• §2-1 非负矩阵分解算法的引出
• §2-2 NMF 分解算法
• 2-2-1 算法介绍
• 2-2-2 目标函数
• 2-2-3 迭代规律
• 2-2-4 收敛性证明
• §2-3 变形的NMF 算法
• 2-3-1 局部非负矩阵分解（LNMF）
• 2-3-2 非负稀疏编码（NNSC）
• 2-3-3 稀疏非负矩阵分解（SNMF）
• §2-4 小结
• 第三章 基于非负矩阵分解的笔迹图像分类
• §3-1 模式识别概述
• §3-2 笔迹图像的子空间分类
• 3-2-1 基于PCA 算法的子空间分类其设计
• 3-2-2 基于NMF 算法的子空间分类其设计
• §3-3 小结
• 第四章 笔迹鉴别实验过程及其结果
• §4-1 笔迹图像处理过程
• 4-1-1 人工笔迹鉴定方法和步骤
• 4-1-2 计算机笔迹鉴别系统
• §4-2 笔迹识别率的主要评价指标
• §4-3 实验步骤以及结果
• 4-3-1 笔迹图像预处理
• 4-3-2 应用NMF 算法提取笔迹图像特征
• 4-3-3 笔迹图像分类结果
• §4-4 NMF 和PCA 识别率比较
• §4-5 小结
• 第五章 结论和展望
• §5-1 本文结论
• §5-2 展望
• 参考文献
• 致谢
• 攻读学位期间取得的相关学术科研成果