基于神经网络的离线签名自动鉴别系统

论文摘要

在人们的很多生活场合,都离不开签名。而签名作为一种身份鉴别的方式,在商务、金融、司法、保险等众多领域中都有着广泛的应用,可以说签名在当今社会生活中扮演着重要的角色。因此实现计算机自动签名鉴别具有很大的实用价值。签名鉴别属于一种特殊的模式识别技术,本文重点研究在离线状态下的签名鉴别技术,并在此理论研究的基础上实现一套高效率的离线签名自动识别系统。离线签名鉴别(脱机手写签名鉴别)的主要困难在于签名特征的提取。因此本文在大量的学者研究的基础上对签名特征进行总结研究,提出了一套基于签名纹理的特征提取方法。并采用PCNN神经网络的方法进行签名特征提取,以及结BP神经网络,支持向量机等多种分类方式进行识别鉴定。本文的创新型主要归纳如下:1、在签名图像预处理阶段,针对多个签名采样如何进行的自动划分和提取问题,提出了一种基于种子领域的提取算法。此算法运算效率高,能较好的提取同一个采样中的多个签名.2、在签名特征提取阶段,引入签名纹理分析方式。对签名纹理特征进行分析和归纳,并且首次将PCNN(脉冲耦合神经网络)作为签名纹理特征的提取方法。并与其他的纹理算法进行比较分析。得出一个高效且鉴别率较高的特征提取方法。在已有采样数据库测试FAR和FRR分别能达到4%和2%3、在前面纹理分析的方法上结合其他学者的研究成果,将纹理分析和其他特征提取方法相结合,得到一个鉴别率很高的离线签名特征提取系统。4、采用BP神经网络、支持向量机等多种分类器构建了一个稳定的并且较为实用的自动签名鉴别系统。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 课题背景
• 1.1.1 生物识别技术概况
• 1.1.2 签名鉴定的分类及特点
• 1.1.3 传统的中文签名鉴定
• 1.2 离线签名鉴别的国内外发展现状
• 1.3 离线签名鉴别的难点
• 1.4 本文的工作及组织结构
• 第二章 相关理论与方法
• 2.1 采集及预处理阶段
• 2.1.1 降噪
• 2.1.1.1 中值滤波方法
• 2.1.1.2 新兴的噪声抑制方法
• 2.1.2 二值化图像
• 2.1.2.1 基于最大熵的直方图阀值分割算法[11]
• 2.1.2.2 基于最大类间方差法（OTSU）
• 2.1.3 图像灰度化处理了
• 2.1.4 图像细化
• 2.1.5 签名提取（注：该内容已经发表在《四川经济管理学院学报》2009年第二期P53）
• 2.2 签名特征提取阶段
• 2.2.1 基于灰度共生矩阵的签名图像特征提取
• 2.2.2 基于不变量的签名图像特征提取
• 2.3 签名识别阶段
• 第三章 基于脉冲耦合神经网络的离线签名鉴定
• 3.1 PCNN 模型
• 3.1.1 基本模型
• 3.1.2 PCNN 模型主要特征
• 3.1.3 PCNN 用于特征提取的理论分析
• 3.2 PCNN 熵时间序列特征提取
• 3.3 实验结果
• 第四章 基于微粒群PSO 神经网络的离线签名鉴定
• 4.1 微粒群算法（PSO ）
• 4.1.1 PSO 算法理论概述
• 4.1.2 PSO 算法流程
• 4.1.3 PSO 算法与人工神经网络
• 4.2 PSO 神经网络模型（PSO-NN 模型）
• 4.3 实验结果
• 4.4 本章小结
• 第五章 离线签名自动鉴定系统
• 5.1 系统概述
• 5.2 系统功能
• 5.3 系统分析
• 5.3.1 Use Case diagram
• 5.3.2 Activity Diagram
• 5.3.3 Sequence Diagram
• 5.3.4 Class diagram
• 5.4 系统模块设计
• 5.4.1 图像采集模块
• 5.4.2 图像预处理模块
• 5.4.3 签名识别模块
• 5.5 系统评价
• 第六章 结论与展望
• 致谢
• 参考文献
• 附录：离线签名自动鉴定系统设计