导读:本文包含了中文笔迹论文开题报告文献综述及选题提纲参考文献，主要关键词:笔迹鉴别,Gabor变换,全局特征,局部特征
中文笔迹论文文献综述
王岩,于明,陈冀川,于洋,阎刚[1]（2013）在《基于全局和局部特征的中文笔迹鉴别方法研究》一文中研究指出提出一种基于全局和局部特征的中文笔迹鉴别方法。利用一种改进的Gabor变换提取笔迹图像的全局特征,对得到的特征集进行聚类后,笔迹集由于书写风格不同被分成有效和无效两个子集,在有效的集合中通过矩法进行局部特征提取,最后采用欧氏距离进行分类。对笔迹库的实验表明,提出的方法得到了满意的识别率。(本文来源于《电视技术》期刊2013年05期）
秦玉红[2]（2012）在《中文笔迹特征因子结构分析的研究》一文中研究指出研究采用中文笔迹测验材料对296名大学生的书写样本进行测量,利用SPSS软件中的因子分析法考察了中文笔迹特征的因子结构,从选取19个笔迹特征中可以抽取6个因子,分别为书写压力、概貌、字的形态、页边、运笔和字行间距。(本文来源于《科技视界》期刊2012年05期）
刘海,吕岳[3]（2011）在《基于轮廓方向特征的脱机手写中文笔迹鉴别》一文中研究指出提出了一种基于轮廓方向特征的脱机手写中文笔迹鉴别方法。轮廓方向特征是在笔迹轮廓上的每一个像素点周围一个局部的微型网格中获取笔迹轮廓的方向角度和笔迹曲率信息,描述笔迹图像独特的个人手写风格。在获取特征向量之后,使用带权卡方距离计算特征向量的相似度。分别以信封地址图像库中25个书写人的信封地址图像和HIT-MW库中390个书写人的手写中文笔迹图像为实验对象。最佳Top-1鉴别结果达到了95.02%的正确率。(本文来源于《电视技术》期刊2011年21期）
朱贝贝,尚赵伟,袁博,国庆,张峰[4]（2011）在《抗混迭轮廓波变换的脱线中文手写体笔迹识别》一文中研究指出为了进一步提高脱线中文手写体笔迹识别的正确率,提出了一种基于抗混迭轮廓波变换的特征提取算法。抗混迭轮廓波变换不仅具有轮廓波变换的多尺度、多方向特性,同时克服了轮廓波变换中频谱混迭的现象,避免了重构图像出现"划痕"现象。实验结果证明,抗混迭轮廓波变换的GGD模型与使用单小波、复小波、轮廓波变换的GGD模型方法比较,识别正确率分别提高了23.5%、7.7%、2.5%。(本文来源于《计算机工程与应用》期刊2011年24期）
田露[5]（2011）在《基于多特征数据融合的离线中文笔迹鉴别研究》一文中研究指出笔迹鉴别是通过分析手写笔迹的书写风格来判断书写人身份的一门技术。随着应用领域的不断扩展,笔迹鉴别技术已经成为计算机视觉和模式识别领域一个十分活跃的研究方向。本文基于多特征数据融合与支持向量机技术,研究了行之有效的离线中文笔迹鉴别方法,为计算机笔迹鉴别系统的实现提供技术支持,并进一步拓展笔迹鉴别的应用范围和领域。本文主要研究内容如下:研究了笔迹图像预处理方法,主要包括对鉴别图像进行灰度化、二值化、归一化等。给出了一整套笔迹预处理算法,理论分析和实验验证了算法的有效性。通过对归一化和拼接处理后的笔迹图像特征向量的构建,进而提出了形状特征法。形状特征法主要是对笔迹图像的八连通区域的重心特征、偏心率、区域内凸壳中的像素比率、区域内围框中的像素比率的提取。其中重心特征反映的是书写者笔迹相对于水平方向上的偏移,偏心率、区域内凸壳中的像素比率、区域内围框中的像素比率主要反映的是笔迹中笔划交叉重迭的部分。纹理特征的提取是目前笔迹鉴别研究热点,本文讨论了纹理分析的基本知识和常用方法,将笔迹视为纹理图像,从纹理分析的基本方法入手,同时结合灰度共生矩阵和Gabor滤波器,分别提出了基于灰度共生矩阵提取笔迹特征的算法和基于Gabor滤波器提取笔迹特征的算法。灰度共生矩阵法主要是以灰度级的共生矩阵为基础的特征提取方法,提取能量、熵、相关度、对比度作为笔迹鉴别的特征。基于Gabor滤波器提取笔迹特征的方法是用一组预定且不变的频率组进行Gabor滤波,得到对应的能量组,从而把得到的均值和方差作为纹理特征。以上提取特征算法体现文本内容无关的优点,从而避免了对笔迹文字进行分割的操作,符合笔迹鉴别的习惯。本文在提取形状特征和纹理特征的基础上,采用多特征融合的方法,把以上叁种方法提取的特征进行多特征融合并且对这些特征进行归一化处理,最后用支持向量机对笔迹特征进行分类。本文讨论了支持向量机分类的线性情形和非线性情形,通过合理选择核函数,有效设定松弛变量与惩罚因子,构造类与类间隔最大化的分类器,使支持向量机有较好的适应能力和分辨率。理论分析和实验结果验证了支持向量机在离线笔迹鉴别分类中的有效性。(本文来源于《河南大学》期刊2011-05-01）
鄢煜尘,陈庆虎,袁凤,邓伟[6]（2010）在《基于特征融合的脱机中文笔迹鉴别》一文中研究指出提出一种基于文本依存笔迹特征融合的文本独立特征构造方法.建立基于方向指数直方图法笔迹特征(文本依存特征)的两因子分解模型.笔迹特征可分解成字符因子和书写因子两部分.通过两因子方差分析与数据挖掘,分离出与字符无关的书写因子,得到基于文本依存方法的文本独立特征.该方法对检材与样本笔迹的字符数量较少,特别是相同字很少或是根本没有相同字的情况下,能取得较理想的笔迹鉴别准确率,为少量字笔迹鉴别提供解决问题的思路.(本文来源于《模式识别与人工智能》期刊2010年02期）
朱贝贝[7]（2010）在《脱机中文手写体笔迹鉴别的研究》一文中研究指出笔迹鉴别是通过分析和比较笔迹的书写风格和特征判断书写人身份的一门科学和技术。近年来,伴随生物技术的快速发展,作为生物特征识别技术的一种,笔迹鉴别在金融、保险、公安、司法、考古等领域得到广泛应用。它具有鉴别快、效率高、不受文检人员主观因素的影响等许多特性。本文对文本独立的脱机中文手写体笔迹的鉴别方法展开研究,重点讨论了笔迹图像的特征提取方法。针对在高维的情况下,小波分析不能充分利用数据本身特有的几何特性,不是“最优”或“最稀疏”的函数表示法这一问题,本文引入了多尺度几何分析理论对笔迹图像进行特征提取。主要工作如下:①研究了抗混迭轮廓波变换理论。抗混迭轮廓波变换不仅具有轮廓波变换的优点,实现了对图像进行多尺度,多方向的描述,而且它还消除了轮廓波变换中频谱混迭的现象,因此能更好的描述笔迹图像的纹理信息。因此,文中提出抗混迭轮廓波的脱机中文手写体笔迹鉴别。大量仿真实验表明,在不同的分解级,抗混迭轮廓波变换的每个子带系数都是符合GGD模型的。本文采用GGD模型和KL距离结合的方法计算文本图像的鉴别率。在实验中,抗混迭轮廓波变换的GGD模型方法与单小波、复小波、轮廓波变换的GGD模型方法相比,其鉴别正确率分别提高了23.5%,7.7%,2.5%。②研究了金字塔复方向滤波器组理论。金字塔复方向滤波器组理论结合了不可分离的方向滤波组,不仅具有小波分析所不能表达的多方向特性,而且能够有效的捕捉图像的边缘轮廓信息,为图像提供了多尺度、多方向、可扩展的分解方式。因此,文中又提出金字塔复方向滤波器组的脱机中文手写体笔迹鉴别方法。实验表明,在不同的分解级,金字塔复方向滤波器组的每个子带系数也都是符合GGD模型的。采取与①同样的鉴别方法,金字塔复方向滤波器组的GGD模型方法与单小波、复小波、轮廓波变换的GGD模型方法比较,其鉴别正确率分别提高了22.3%,7.5%,2.3%。(本文来源于《重庆大学》期刊2010-04-01）
鄢煜尘[8]（2009）在《基于信息融合的中文笔迹鉴别研究》一文中研究指出计算机笔迹鉴别一直是模式识别领域中的难点,经过40多年的研究,目前的鉴别方法虽然很多,但是还没有一种方法可以达到实际应用水平的准确率和可靠度,每一种方法都有各自的优点缺陷和不同的适用范围。如何利用信息融合技术将不同的方法有机的结合起来,形成高效和稳定的笔迹鉴别系统,是笔迹鉴别研究的发展趋势和方向。本文针对中文笔迹的特点,通过多层次多方法的融合获得了基于信息融合的笔迹鉴别系统解决方案,并根据实际应用要求,结合最新的软件开发技术、网络技术和数据库技术开发了笔迹鉴别系统软件。论文主要获得了如下几个方面的研究成果：1.提出了实用的笔迹图像预处理方法。通过图像预处理获得干净的、归一化的字符图片,是笔迹鉴别获得高鉴别准确率的基础。论文深入研究并基本解决了笔迹图像去除点、线等背景噪声以及重度污染笔迹图像的去噪问题,特征字图片的提取与归一化等问题,获得了实用的笔迹图像预处理技术。通过处理数万份笔迹图像的应用,证明了该项技术的可靠性；2.提出了一种基于稳定性频谱特征的笔迹纹理鉴别新方法。该方法利用多个单字符图片随机排列构造纹理的方式,对一份笔迹构造多幅纹理图片,并且引入快速Fourier变换法提取每幅纹理的频谱特征,加以融合后获得稳定性频谱特征及其距离的估计,然后再分类判别。该方法消除了笔迹纹理图片中因为字符内容和排列位置的不同而产生的特征值的随机性波动。实验数据表明,该方法大幅度的提高了大样本笔迹数据库中的鉴别准确率；3.首次建立了笔迹鉴别影响因子分解模型。论文将影响特征距离的因素分为两类：笔迹书写风格的差异(与笔迹书写人相关,简称书写因子)、汉字的字符形状结构差异(与汉字字符相关,简称字符因子)。其中书写因子是笔迹鉴别的基础,而字符因子则是影响鉴别准确率的不利因素。论文利用方差分析方法验证了书写因子与字符因子的显着性,并首次建立了两因子分解模型；4.首次提出了基于文本依存方法的文本独立笔迹鉴别分类器。论文根据两因子分解模型,利用数据挖掘技术获得的新信息,将不利于分类鉴别的字符因子从特征距离中分离出来,首次获得了基于文本依存方法的文本独立分类器,大幅度地简化了分类鉴别的决策过程,显着地提高了单独一种鉴别方法在大样本笔迹数据库中的鉴别准确率；5.提出了多分类器组合的笔迹鉴别方案。为了提高实际应用情况下的笔迹鉴别准确率,利用几种鉴别方法实现多分类器组合,比较理想的解决了实际应用中笔迹鉴别问题；6.首次提出了一种基于特征融合的少量字笔迹鉴别方法。针对少量字笔迹鉴别情况中检材与样本很难有相同字的特点,论文利用数据挖掘信息对文本依存笔迹特征进行加权,获得近似文本独立的特征,然后通过特征融合方式得到文本独立的分类器进行分类鉴别。该方法为少量字的笔迹鉴别提供了一种解决方案；7.设计并开发笔迹鉴别软件系统,并将其成功的应用推广。通过笔迹鉴别理论研究与技术创新,结合最新的软件开发技术,设计并开发了“笔迹图像预处理软件系统”、“网络化笔迹自动识别检索系统”、‘文件检验办公自动化系统”叁个与笔迹鉴别有关的软件系统,并在武汉、南京、上海、北京、广州、内蒙、海南、吉林、辽宁、天津等城市成功的进行有偿推广应用,帮助有关部门破获了一大批与笔迹有关的刑事案件,产生了良好的经济效益与社会效益。“网络化笔迹自动识别检索系统”获得了公安部科技成果叁等奖。(本文来源于《武汉大学》期刊2009-04-20）
秦玉红,孙艳[9]（2009）在《中文笔迹性别差异的研究》一文中研究指出目的考察中文笔迹的性别差异。方法采用中文笔迹测验材料对236名大学生的书写样本进行了测量,并对笔迹特征进行了统计分析。结果男性的书写水平低于女性,男性书写速度比女性快,男性笔迹较潦草,轻重疾徐的节奏感较弱;男性书写时所留页边比女性小;男性笔迹的连笔比女性多,转折角度比女性大;男性笔迹的字行间距大于女性。(本文来源于《刑事技术》期刊2009年02期）
张堃,张习文[10]（2008）在《面向中文矢量笔迹中单字详细分类的特征和方法比较》一文中研究指出在识别矢量笔迹文本时,不同类型单字需要采用不同识别器,确定详细类别是单字识别的前提。对实际中文矢量笔迹文本中单字进行汉字、标点、数字、字母和单词的详细分类,提出了自身和相对(包括近邻和同行)特征,选用决策树、逻辑模型树、贝叶斯网络和支持向量机四种分类器。针对大量实际数据,测试和比较了多种特征和分类器的性能。实验表明,近邻单字的组合特征具有较好的分类能力,支持向量机对各种单字均有较好分类性能。(本文来源于《计算机应用研究》期刊2008年11期）
中文笔迹论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究采用中文笔迹测验材料对296名大学生的书写样本进行测量,利用SPSS软件中的因子分析法考察了中文笔迹特征的因子结构,从选取19个笔迹特征中可以抽取6个因子,分别为书写压力、概貌、字的形态、页边、运笔和字行间距。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
中文笔迹论文参考文献
[1].王岩,于明,陈冀川,于洋,阎刚.基于全局和局部特征的中文笔迹鉴别方法研究[J].电视技术.2013
[2].秦玉红.中文笔迹特征因子结构分析的研究[J].科技视界.2012
[3].刘海,吕岳.基于轮廓方向特征的脱机手写中文笔迹鉴别[J].电视技术.2011
[4].朱贝贝,尚赵伟,袁博,国庆,张峰.抗混迭轮廓波变换的脱线中文手写体笔迹识别[J].计算机工程与应用.2011
[5].田露.基于多特征数据融合的离线中文笔迹鉴别研究[D].河南大学.2011
[6].鄢煜尘,陈庆虎,袁凤,邓伟.基于特征融合的脱机中文笔迹鉴别[J].模式识别与人工智能.2010
[7].朱贝贝.脱机中文手写体笔迹鉴别的研究[D].重庆大学.2010
[8].鄢煜尘.基于信息融合的中文笔迹鉴别研究[D].武汉大学.2009
[9].秦玉红,孙艳.中文笔迹性别差异的研究[J].刑事技术.2009
[10].张堃,张习文.面向中文矢量笔迹中单字详细分类的特征和方法比较[J].计算机应用研究.2008