基于拉格朗日支持向量機(jī)的手寫簽名脫機(jī)識(shí)別研究.pdf

1、隨著網(wǎng)絡(luò)的不斷普及，人們之間的交往更加頻繁，安全問題越來越需要關(guān)注。以往使用的身份識(shí)別方法，如口令，鑰匙等等，已經(jīng)不能滿足需要，越來越多的基于生物特征的身份識(shí)別技術(shù)被用于安全識(shí)別領(lǐng)域，如虹膜，指紋等。手寫簽名是一種行為特征，具有相對(duì)的穩(wěn)定性和難模仿性等生物特征，在身份識(shí)別領(lǐng)域中廣泛使用。手寫簽名分為在線簽名和離線簽名，故手寫簽名識(shí)別也分為在線識(shí)別和脫機(jī)識(shí)別兩類。本文主要研究了手寫簽名脫機(jī)識(shí)別方法。
　　 本文以手寫簽名圖像為研究

2、對(duì)象，深入研究了手寫簽名脫機(jī)識(shí)別中的關(guān)鍵技術(shù):圖像預(yù)處理技術(shù)、特征提取與選取技術(shù)和比較判決識(shí)別判決技術(shù)。
　　 在圖像預(yù)處理過程中，本文對(duì)手寫簽名圖像進(jìn)行了平滑、二值化、細(xì)化、輪廓提取和歸一化等處理，為后面的特征提取做好準(zhǔn)備。
　　 特征提取過程中，本文提取了手寫簽名的5個(gè)靜態(tài)特征和4個(gè)偽動(dòng)態(tài)特征共9個(gè)特征。特征提取后，采用概率距離法中的Bhattacharyya法對(duì)9個(gè)特征進(jìn)行了選取，最終得到7個(gè)特征值作為判決識(shí)別過程

3、的特征。
　　 比較決策識(shí)別過程中，本文介紹了標(biāo)準(zhǔn)支持向量機(jī)(SVM)的主要結(jié)構(gòu)和分類原理，分析了標(biāo)準(zhǔn)支持向量機(jī)(LSVM)存在的問題，從而提出拉格朗日支持向量機(jī)識(shí)別方法并且運(yùn)用于手寫簽名的脫機(jī)識(shí)別。LSVM算法較標(biāo)準(zhǔn)的SVM算法來說，更易于實(shí)現(xiàn)，且速度更加快，識(shí)別效果更加理想，獲得較高識(shí)別率。
　　 最后，本文設(shè)計(jì)了基于拉格朗日支持向量機(jī)方法的手寫簽名脫機(jī)識(shí)別系統(tǒng)，用MATLAB對(duì)算法進(jìn)行了仿真，獲得了比較好的識(shí)別率。