| 主权项 |
1、一种脱机中文签名鉴定方法，其特征在于，首先准备数字化训练用的真签名样本集合以及待识别样本，并做前期的预处理获得规格化的数字签名图像，然后进行特征提取，通过对得到的图像进行小波变换与奇异值变换，抽取出一个向量来描述特定签名的特征，接着再进行分类识别，识别过程中，把描述真签名的特征向量与待识别的签名样本的特征向量相比较来鉴定待识别签名的真伪，最后对系统储存的签名样本的特征模板进行自组织调整，适应签名特征本身的演变，具体步骤如下：(1)作图像分割，把签名图像从背景中分离出来；(2)对签名部分进行灰度均衡化处理，签名部分是一个不规则的数字图像；(3)旋转校正，对签名图像在统一的规则的基础上进行几何变换使其具有统一的角度规格；(4)去除签名图像中各组成部分的间隔以及签名图像的像素与图像边界之间的空隙来消除识别鉴定中的干扰信息，此处要做两步几何运算，第一步是图像的平移，第二步是图像的剪裁；(5)在预处理的最后一步要进行的是签名图像的大小规格化，由于最终是提取签名图像的奇异值，将签名图像规格化为横向尺度一致即可，所述的特征提取，具体如下：(1)对签名图像进行小波变换以全面挖掘签名图像的时频域特征：i)小波基函数的选取采用的是Harr函数作为小波基函数；ii)经过小波分解后得到的图像是四幅横向幅度纵向幅度均为原签名图像一半的子图像，在这四幅子图像中，低频子图像包含了原始图像的主要描述信息，其它三个高频子图像的描述信息相对较少，但这三个高频子图像包含了重要的分类信息；(2)获取签名图像的特征向量：i)对得到的四幅子图像分别提取奇异值特征；ii)分别对四幅经小波变换得到的子图像提取奇异值特征向量，将其首尾相按得到的向量作为签名样本最终的特征向量，所述的分类识别，具体如下：1)采用同一个人的5个真签名样本的特征向量形成匹配模板和计算阈值，匹配模板为样本特征向量的均值，阈值为均方差的4.3倍，达到最优的正确识别率；2)有了匹配模板、阈值，分类识别通过测试样本与它们的比较实现，比较测试样本的特征矢量为与匹配模板的欧是距离，如果该值小于等于标准差的4.3倍就判定测试样本为真签名，否则判定测试样本为假签名，所述的自组织调整，具体如下：特征模板与判别阈值的自组织调整，通过存储数量有限的签名样本的特征向量组成特征向量组，具体来讲是5个特征向量，与确定初始的特征模板与判别阈值时相同，然后依据某种自组织启发式规则，根据判定为真的签名样本的特征性量的特性用其来更新签名样本特征向量组。 |
