筆跡鑒別中的Gabor濾波器參數(shù)優(yōu)化設(shè)計(jì).pdf

1、筆跡鑒別是一個(gè)模式識(shí)別問題，它基于筆跡風(fēng)格這項(xiàng)生物特征來對(duì)書寫者的身份進(jìn)行辨別。由于手寫筆跡具有普遍性、易獲得性及非侵犯性等優(yōu)點(diǎn)，所以在各級(jí)考試、財(cái)務(wù)票據(jù)、法庭舉證等諸多領(lǐng)域得到了廣泛應(yīng)用。
　　Gabor濾波器具有多條通道而且能夠進(jìn)行多分辨率分析，和哺乳動(dòng)物的視覺感知模式相似。通過Gabor變換獲得的筆跡特征不僅能夠反映筆劃的方向、筆劃結(jié)構(gòu)局域性等空間方面的特征，而且能夠很好地對(duì)筆劃與噪聲干擾進(jìn)行區(qū)分，這使得Gabor濾波器在筆

2、跡鑒別領(lǐng)域得到越來越多研究者的關(guān)注。Gabor濾波器的參數(shù)設(shè)計(jì)是一個(gè)復(fù)雜的問題，直接影響筆跡鑒別的效率和最后的分類識(shí)別率。但是直到目前，還沒有效果很好的針對(duì)Gabor濾波器的參數(shù)優(yōu)化方法。本文的主要工作是利用人工蜂群算法(Artificial Bee Colony，ABC)對(duì)Gabor濾波器參數(shù)進(jìn)行優(yōu)化設(shè)計(jì)，并將其應(yīng)用到筆跡鑒別中。
　　首先，通過實(shí)驗(yàn)驗(yàn)證了多通道Gabor濾波器在筆跡特征提取中的優(yōu)越性。對(duì)經(jīng)過預(yù)處理的筆跡圖像，分

3、別提取Gabor變換的均值和方差特征、小波變化的系數(shù)特征、9種不變矩特征及灰度共生矩陣的4種參數(shù)（能量、熵、相關(guān)性、慣性矩）特征，通過KNN分類器進(jìn)行分類驗(yàn)證，結(jié)果證明Gabor特征的分類識(shí)別率最高。
　　其次，基于線性判別分析方法的類內(nèi)距離和類間距離的比建立人工蜂群算法的適應(yīng)度函數(shù)，利用人工蜂群算法對(duì)Gabor濾波器中的參數(shù)?進(jìn)行優(yōu)化選擇。
　　通過筆跡鑒別的相關(guān)實(shí)驗(yàn)得到該方法的有效性。在相對(duì)廣闊的范圍內(nèi)為?選擇多個(gè)不同值

4、分別提取樣本的Gabor特征，與經(jīng)人工蜂群優(yōu)選的Gabor特征一起分別采用KNN、貝葉斯和支持向量機(jī)分類器進(jìn)行分類驗(yàn)證，實(shí)驗(yàn)結(jié)果證明經(jīng)過人工蜂群算法優(yōu)化的Gabor特征的分類結(jié)果最佳。除此之外，為了證明人工蜂群算法能夠解決局部最優(yōu)、效率低等難題，分別利用小生境遺傳算法和Fisher Cost評(píng)估函數(shù)對(duì)Gabor濾波器的參數(shù)進(jìn)行優(yōu)化選擇，并對(duì)三種優(yōu)化算法的優(yōu)化結(jié)果利用支持向量機(jī)分類器進(jìn)行分類驗(yàn)證，實(shí)驗(yàn)結(jié)果證明人工蜂群算法所耗時(shí)間最短，分類