一種新的曲線相似性判別方法研究.pdf

1、曲線的相似性判斷是計算機圖像，模式識別和蛋白質(zhì)結(jié)構(gòu)預(yù)測中的一個中心問題，目前判別方法主要有相似性函數(shù)定義法和特征值法；而隨著計算機和網(wǎng)絡(luò)的普及，簽名作為一種行為特征，相比其它生物特征有著更易于獲取和能夠共享的優(yōu)點，是身份鑒別中應(yīng)用最為廣泛的生物特征之一。 本文提出一種新的離散曲線的相似性判別方法并將其與在線簽名驗證結(jié)合起來。首先提取出離散的簽名曲線中的關(guān)鍵特征至高點與至低點：根據(jù)新的離散曲線相似性的定義，用離散Fr'echet距

2、離作為距離的測度對至高點與至低點分別進行研究；最后根據(jù)新的離散判別曲線相似性的判別方法來判定簽名曲線的相似性，從而鑒別出真實簽名與偽造簽名。本文主要研究內(nèi)容如下： 1：提出了一種新的關(guān)于離散曲線相似性的定義。目前曲線相似性判別方法主要有相似性函數(shù)定義法和特征值法，特征值法主要是應(yīng)用神經(jīng)網(wǎng)絡(luò)或者是小波分析等方法對特征參數(shù)進行比較研究；而相似性函數(shù)定義法則是通過一個相似性判定定理或者定義一個相似性的定義。特征值法的效果不是很理想，而

3、相似性函數(shù)定義法則要將曲線用函數(shù)表示。新的離散曲線相似性的定義直接對離散點進行研究，不需要對曲線進行擬合且包含了曲線的平移和伸縮變換。 2：用離散Fr'echet距離作為距離的測度。相似性函數(shù)定義法中的距離的測度往往影響相似性的判別效果，常用的距離測度有用于研究點集間相似性的Hausdorfr距離和用于研究曲線間相似性的Fr'echet距離，但是對于離散點組成的曲線實用性不大。本文采用離散Fr'echet距離作為距離的測度效果顯

4、著。 3：提出了一種新的多項式的求解算法。在離散Fr'echet距離中有個Fr'echet排列的問題，其求解是一種NP困難問題，所以Fr'echet排列實際上對搜索空間進行了壓縮。即是說壓縮搜索空間成為了解決NP困難問題的一種新的多項式求解方法。本文在搜索空間壓縮上進行了詳細的討論。 本文的研究成果，對在線簽名驗證技術(shù)提供了新的思路，對其發(fā)展起到了一定的推動作用。本算法相比于其他的簽名認證算法有著顯著的優(yōu)點，相對于將整條