导读:本文包含了手写签名鉴别论文开题报告文献综述及选题提纲参考文献，主要关键词:离线手写签名鉴别,多尺度块局部二值模式,局部相位量化,视觉词袋模型
手写签名鉴别论文文献综述
张淑婧[1]（2019）在《基于局部特征的维吾尔文离线手写签名鉴别技术研究》一文中研究指出生物特征识别技术已经逐渐代替传统的加密认证方式,其中离线手写签名鉴别技术研究是生物特征识别技术研究中的重要领域之一。离线手写签名鉴别现已被应用在很多方面,例如金融、司法等。离线手写签名以静态图像的形式进行存储,图像仅存在静态特征。因此,提取出有效的签名图像特征,在进行离线手写签名鉴别研究中至关重要。本文对本地自建的维吾尔文手写签名数据库和CEDAR数据库中的离线手写签名鉴别进行研究。通过对签名样本的特点进行分析,签名之间的特异性主要表现在其样本中的局部不同。本文提出了基于边缘信息和基于分块理论的特征,并且使用特征融合的方法提高签名鉴别准确率。本文主要工作如下:(1)对离线手写签名鉴别技术的相关概念和研究现状进行介绍和总结,分析了在离线手写签名鉴别研究中存在的困难之处;(2)对签名样本图像进行预处理操作。在进行大小归一化、灰度化、二值化和平滑去噪处理时分别使用双线性插值、加权平均法、Otsu、双边滤波等方法;(3)提出基于分块理论的融合纹理特征。对签名进行分块处理后,对每个分块中的图像提取MB-LBP和LPQ两种纹理特征,并将提取到的所有纹理特征融合为基于分块理论的纹理特征。使用支持向量机和随机森林分类器对签名进行鉴别,在维吾尔文签名数据库中总正确率为96.06%,在CEDAR数据库中总正确率为97.04%;(4)提出一种基于边缘信息的高维特征。获得签名样本的边缘图像后,提取SURF和ORB特征点并融合,建立基于边缘信息的改进视觉词袋模型。同时,对签名提取边缘方向直方图。将改进视觉词袋模型和边缘方向直方图融合,形成基于边缘信息的高维特征,使用SVM和RF分别进行签名鉴别,最终对维吾尔文签名鉴别的总正确率为93.69%,对CEDAR数据库进行签名鉴别的总正确率为96.17%。通过对本地维吾尔文手写签名数据库和CEDAR数据库中签名进行实验,所能得到的最高总正确率分别为96.06%和97.04%。所以,本文所提出的方法在进行离线手写签名鉴别时有较好的准确性。(本文来源于《新疆大学》期刊2019-06-03）
张泽华[2]（2018）在《基于深度生成对抗网络的手写签名鉴别方法与应用研究》一文中研究指出生物特征被广泛应用在安全领域,离线手写签名由于具有非侵入性、容易获取等优点,因此一直在生物特征安全认证中有着重要的作用。时至今日,离线手写签名鉴别仍然是计算机视觉领域的热点问题。但是过往的方法或多或少存在着一些问题和不足,因此本文为解决离线手写签名鉴别问题提出了新的解决方案。离线手写体签名鉴别问题是一个经典的模式识别分类问题,同其他分类问题-一样,解决此类问题主要分为两个部分——特征提取和分类器的设计。因此本文主要围绕如何能高效的提取反映签名本质的特征,以及如何设计分类器使得该鉴别问题得到一个良好的解决方案展开研究。最后,出于工程项目中的实际需求,对模型进行了系统部署试验。本文主要研究的对象是离线手写签名,研究主要分为叁个部分:预处理、特征提取和鉴别决策模型设计。本文的创新点及工作归纳如下:(1)特征提取方面,本文提出了使用深度卷积生成对抗式网络的鉴别器对离线手写签名样本做特征提取的方法。在本文中通过完整批量标准化、避免稀疏梯度、增加衰减型噪声以及软标签等改进方法,使得本模型较过去的方法具有如无需人工干预,网络自行学习样本特征、模型稳定性更高、效果更好等诸多优点。(2)样本采集方面,在人工智能蓬勃发展的今天,机器伪造也需要引起重视。本文中首次加入了非人工伪造的签名样本,利用深度卷积生成对抗式网络的生成器生成的伪造签名,作为机器熟练伪造的测试样本。(3)分类器设计方面,本文设计提出了一种强分类器——AdaBoostSVMRBF。该分类器是由本文提出的参数可动态更新的AdaBoost增强方法与SVMRBF相结合构成,并使用该分类器取代深度网络全连接层来做分类。(4)鉴别模式设计方面,本文通过融合专用型和通用型鉴别模式得到了一种权值动态更新的加权投票鉴别模式,兼备了便捷性和准确性。实验结果表明,采用模型融合的方法,最终的准确率达到了 92.57%。(5)将训练好的离线手写签名鉴别模型部署在实际工程项目系统上应用。实验结果以及系统测试表明,本文设计并实现的离线签名鉴别系统性能良好,稳定可靠。与其他的现有方法相比具有自动化程度高、泛化能力强、准确率高的特点。(本文来源于《北京交通大学》期刊2018-01-01）
祖丽皮亚·艾尼[3]（2017）在《基于统计特征的维吾尔文离线手写签名鉴别技术研究》一文中研究指出手写签名鉴别作为生物识别领域中的一种身份认证技术在金融、法律、商业等方面已被人们广泛地接受并应用。目前基于英文、阿拉伯文和中文的手写签名鉴别技术已经得到了较成熟的研究成果,而基于维吾尔文的手写签名验证在该领域内仍处于一个初始阶段。因此,对维吾尔文手写签名鉴别进行更深入地研究是弥补并完善我国少数民族离线签名鉴别技术体系中具有很大的实际应用和实用价值。本文主要是针对离线状态下的维吾尔文手写签名鉴别技术进行了研究和分析,其所完成的研究工作包括:签名样本的采集和预处理、特征提取、分类鉴别等叁个部分。在预处理阶段通过灰度化、二值化、平滑去噪、归一化等方法来克服了签名图像上的噪声和干扰信号。在特征提取阶段,根据维吾尔文手写签名的书写风格及特点,对每一个签名样本图像分别进行四种不同的扫描来提出了一种16维的方向特征。其次,在方向特征的特征提取方法基础上统计出签名笔迹在6种不同方向上的签名笔迹黑像素点信息为基础提出了一种改进的48维方向特征。最后,以灰度共生矩阵的能量、熵、惯性矩、局部平稳性等特征参数为基础,采用特征加权融合的方法来提取了融合特征并确定了适合维吾尔文手写签名鉴别的最佳权值。在签名图像的分类鉴别阶段,对于本文提出的两种方向特征分别用欧氏距离、卡方距离和曼哈顿距离等叁种距离分类器来进行了签名鉴别实验。而对于灰度共生矩阵加权融合特征利用BP神经网络来进行了签名鉴别。实验中,从维吾尔文手写签名样本库中选用了15个人(20个原签名样本/每人+20个简单模仿的伪签名样本/每人+20个熟练模仿的伪签名样本/每人)的900个手写签名样本。最后用本文应用的叁种签名鉴别方法来得到的最高签名鉴别率分别为88.61%,96%和91.78%。(本文来源于《新疆大学》期刊2017-05-25）
邵金平,李文杰[4]（2016）在《一种改进的面向分析法的在线手写签名鉴别方法》一文中研究指出手写签名分为离线和在线手写签名,本文主要研究在线手写签名的鉴别。利用Android系统的平台采集手写签名的XY坐标、T时间和P笔压等动态属性,将面向分析法进行改进,计算签名平均相似度,再利用欧几里德距离,计算签名相似度的范围。如果待鉴别的签名在此范围,则接受并且更新相似度训练资料集;反之,就是伪签。实验结果显示,本方法的错误拒绝率和接受率较低,对签名鉴别、防止伪签,具有一定的实用价值。(本文来源于《山东农业大学学报(自然科学版)》期刊2016年04期）
杨明,陈玲玲[5]（2014）在《基于Bandelet和分形维的手写签名鉴别系统》一文中研究指出签名鉴别分为联机鉴别和脱机鉴别.脱机鉴别丢失了手写过程中的动态信息,鉴别难度大.利用Bandlet小波分解,提取分解后图像的网格特征,借助分形维,得到了签名图像的特征向量.运用K—L变换,将特征向量降维之后,输入支持向量机进行分类鉴别.实验表明,本文算法是有效的.(本文来源于《吉林化工学院学报》期刊2014年07期）
吐尔逊姑丽·阿布都瓦依提[6]（2014）在《维吾尔文离线手写签名鉴别研究》一文中研究指出手写签名作为用于身份鉴别的一种行为特征，已被广泛地运用到经济，金融，法律等行业。随着经济不断发展和其他国家交流的越来越多，在各种领域的合同,协议书，支票等都需要当事人的签名，如果被人模仿的话带来的后果很严重，况且会破坏整个金融的正常运行，因此，对手写签名行有可靠的，有效的，快速的鉴别具有重要的价值和实际意义。本文首次对离线维吾尔文手写签名进行探索性研究。其主要思路为：首先对原始的签名图像进行预处理，特征提取，然后将特征库中的每维特征向量进行匹配工作，最后用分类器判断真假。在预处理部分第一个要考虑的是因为不同人写出来的签名的大小和签名的位置不同，因此对签名图像样本进行归一化处理。然后考虑对鉴别有影响的背景而进行二值化，不小心写出的笔迹等因素进行平滑去噪工作。在特征提取部分，提取了1维的基线特征，2维上下边界特征和对签名图像进行纵和横方向切分得到了128维局部中线点特征。在鉴别部分采用了Canberra距离，街区距离，Dice系数和KNN分类器。首先通过这些距离分类器来测量距离，然后用KNN分类器来分类判别。在距离分类器中因相同FAR和FRR下，利用同样的特征，同样的分类器而不同的写签名人的签名时候用的阈值不同，所以本系统用了阈值选定方法。还对比分析了Canberra距离，街区距离，Dice系数在不同特征下的对鉴别率的影响。上述的两种特征和叁种分类器用在不同5个人300个（每人有原签名20个样本、简单模仿签名20个样本、熟练模仿签名20个样本）维吾尔文签名上做实验，获得的最高的系统鉴别总正确率分别是95%和97.5%，对应的FAR和FRR分别为：基线及其上下边界特征的0%和10%；局部中心点特征的5%和0%。当128维局部中心点特征和1维基线特征融合时，系统总正确率提升到99%。实验结果表明该鉴别方法对维吾尔文签名来说是有效的。(本文来源于《新疆大学》期刊2014-05-24）
谢文修[7]（2013）在《基于多级DTW匹配的联机手写签名鉴别研究》一文中研究指出基于生物特征识别的身份认证技术由于解决了传统身份认证模式中“只能识别数字身份”的缺陷而得到了广泛的研究与应用。手写签名鉴别方式由于最易于被广大用户所接受而成为了模式识别领域的研究热点。联机手写签名方式中,签名数据为一系列时序特征信号,如各个采样点的坐标、压力、方向角等。本文主要研究联机手写签名鉴别技术。联机手写签名鉴别包含数据获取、预处理、特征点检测、特征提取、模式匹配等一系列过程。本文对联机手写签名鉴别的各个流程进行了深入的研究,并提出了以下两点新的处理方法：·提出了一种进行签名旋转尺度规整的方法,该方法利用签名曲线的两部分的质心来度量签名的方向,并通过旋转来统一签名的方向向量；·提出了一种基于邻域重心移动的联机签名曲线特征点检测方法,该方法能够获得稳定的特征点,同时解决了J.Brault的算法中对于所有的签名曲线,难以确定一个统一的阈值的问题。动态时间规划技术是一种概念简单、鲁棒性强的模式识别算法,目前已经被广泛应用于解决联机手写签名的识别问题。本文提出了一种基于多级DTW匹配的联机手写签名鉴别方案,在签名鉴别的叁个阶段,分别利用全局特征、签名段特征、采样点特征实现签名从粗到细的鉴别：·在第一级匹配阶段,计算全局特征与真实签名相匹配的输出概率,通过将输出概率与预先设定的阈值进行比较排除显着的伪签名；·在第二级匹配阶段,以签名段为基本单元进行特征提取,计算签名段DTW距离,通过与事先训练得到的阈值进行比较判断是否为伪签名；·在第叁级匹配阶段,利用本文提出的MMD算法进行签名段合并,使得测试签名和模板签名获得数量相等的签名段；然后根据采样点特征信息计算对应签名段之间的DTW距离,并根据各个对应段之间的DTW距离计算两个签名之间的距离,将距离与事先训练得到的阈值进行比较判断是否为伪签名。(本文来源于《南昌大学》期刊2013-05-28）
张立[8]（2012）在《离线灰度手写签名鉴别》一文中研究指出随着信用卡消费的普及，随之而来的安全问题也越来越突出，传统的密码等身份验证方式已不能满足社会的需要。使用生物特征来验证个人身份的方法能有效的解决身份验证中的安全性问题。签名特征为生物特征中的一种，被广泛用于合同、证书、协议、单据等文书。如某些签名被伪造，则有可能对社会造成危害，因此研究离线签名系统有十分重要的实际意义与理论价值。本文与传统使用图像静态特征与伪动态特征的方法不同，仅用SIFT特征来作为签名鉴别的唯一依据。本文首先对国内外对于手写签名鉴别的现状以及发展动态做了详细介绍，然后提出一种可行的基于灰度签名图像的鉴别算法：在预处理中本文采用“四方界定法”对签名图像边界进行确定，并对签名图像进行归一化处理；随后提取灰度图像中的SIFT特征点来进行后续的签名鉴别工作；在匹配SIFT特征点时，本文采用RANSAC算法来消除误配。每幅签名图像可能有多个SIFT特征，并且这些SIFT特征的位置也会不相同，无法使用传统静态特征与伪动态特征的匹配方法。本文提取多个签名中比较共有的SIFT特征作为签名的普遍SIFT特征，并存入签名SIFT特征库。最终决策阶段，把SIFT特征库中的特征与待鉴别签名进行匹配，如成功匹配点数超过一定数量即认为签名是真实的。并且建立了签名SIFT特征库以解决实验中出现的问题。最终实验结果表明本系统的鉴别准确率达到88.5%，高水平签名的鉴别准确率也达到了80%，在同类签名鉴别系统中准确率较高。(本文来源于《武汉科技大学》期刊2012-05-23）
胡永辉,邢延[9]（2011）在《基于时间序列优化和DTW的在线手写签名鉴别》一文中研究指出针对传统DTW算法的不足,本文通过优化时间序列,提出了基于时间序列优化的在线手写签名鉴别算法。该算法弥补了传统DTW算法忽略签名时间序列长度的不足,并提高了签名认证准确率。实验结果说明算法是可行的。(本文来源于《自动化与信息工程》期刊2011年05期）
刘蕾[10]（2011）在《加权DTW方法及其在手写签名鉴别中的应用》一文中研究指出手写签名鉴别是一种新兴的基于生物特征的身份识别方式,可以提供一种更为安全、可靠、便捷的身份识别的新途径,是人的生物特征中公认的、最容易被大多数人接受的一种身份认证方式,也是当前模式识别领域中的研究热点之一。手写签名鉴别首先是提取和分析签名信息的特征,然后根据相应的算法判定待鉴别签名与原有真实签名是否是同一个人书写的。其相关技术的研究对于电子商务和电子政务等领域的发展将起到巨大的推动作用,具有重要的理论意义和实用价值。动态时间规整作为一种手写签名鉴别方法,具有概念简单、算法鲁棒的优点,它将时间和距离测度结合起来,能对存在全局或局部扩展、压缩或变形的模式进行匹配,解决动态模式的相似度量和分类问题,并在参考模式R和测试模式T的签名特征信号之间找到一条优化的时间校准匹配路径。但这种方法假定每一点都同等重要,在签名鉴别中误差很大。由于在签名轨迹上各点的重要性不同,本文提出给每个采样点加入权值,加强稳定点(重要采样点)对DTW的贡献,降低非稳定点(次重要及不重要采样点)对DTW的影响。主要是采用将加速度、压力、加速度和压力的组合作为权值特征,通过比较识别率得到一个最优的权值特征。实验数据表明,压力在手写签名的鉴别中被认为是最优的权值特征。方差可以反映数据相对均值散步的程度,我们在匹配距离的基础上运用方差公式计算不同签名的类内距离、类间距离。然后通过比较类内距离、类间距离的大小就可以得出不同类在书写时的差别,据此就能够更大程度的提高签名鉴别率。本文对手写签名鉴别的各主要阶段都开展了一定程度的研究,这些阶段包括:数据获取、数据预处理、特征提取、签名匹配。数据获取阶段主要采用WACOM手写板采集相关的实验数据。由于签名者的签名具有随意性,即可以在手写板的任意位置进行签名,而且在签名获取的过程中会伴随着一些噪声产生,因此为了提高识别率,在签名鉴别前首先进行预处理。预处理阶段所采用的主要方法有去除噪声点、将坐标原点归一化到质量中心、平滑等。在识别对象时,特征是唯一的依据,特征选取时通常遵循的原则是使该特征具有代表性和方便计算。算法的选取对最终的结果也有很大的影响,所以在签名匹配这一步我们详细介绍了加权DTW较传统DTW的优势,并通过比较实验结果得出结论:加权DTW较一般的DTW在识别率上有明显的提高,权值特征的选取对签名的鉴别有着十分重要的意义。(本文来源于《山东师范大学》期刊2011-06-16）
手写签名鉴别论文开题报告
（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：
生物特征被广泛应用在安全领域,离线手写签名由于具有非侵入性、容易获取等优点,因此一直在生物特征安全认证中有着重要的作用。时至今日,离线手写签名鉴别仍然是计算机视觉领域的热点问题。但是过往的方法或多或少存在着一些问题和不足,因此本文为解决离线手写签名鉴别问题提出了新的解决方案。离线手写体签名鉴别问题是一个经典的模式识别分类问题,同其他分类问题-一样,解决此类问题主要分为两个部分——特征提取和分类器的设计。因此本文主要围绕如何能高效的提取反映签名本质的特征,以及如何设计分类器使得该鉴别问题得到一个良好的解决方案展开研究。最后,出于工程项目中的实际需求,对模型进行了系统部署试验。本文主要研究的对象是离线手写签名,研究主要分为叁个部分:预处理、特征提取和鉴别决策模型设计。本文的创新点及工作归纳如下:(1)特征提取方面,本文提出了使用深度卷积生成对抗式网络的鉴别器对离线手写签名样本做特征提取的方法。在本文中通过完整批量标准化、避免稀疏梯度、增加衰减型噪声以及软标签等改进方法,使得本模型较过去的方法具有如无需人工干预,网络自行学习样本特征、模型稳定性更高、效果更好等诸多优点。(2)样本采集方面,在人工智能蓬勃发展的今天,机器伪造也需要引起重视。本文中首次加入了非人工伪造的签名样本,利用深度卷积生成对抗式网络的生成器生成的伪造签名,作为机器熟练伪造的测试样本。(3)分类器设计方面,本文设计提出了一种强分类器——AdaBoostSVMRBF。该分类器是由本文提出的参数可动态更新的AdaBoost增强方法与SVMRBF相结合构成,并使用该分类器取代深度网络全连接层来做分类。(4)鉴别模式设计方面,本文通过融合专用型和通用型鉴别模式得到了一种权值动态更新的加权投票鉴别模式,兼备了便捷性和准确性。实验结果表明,采用模型融合的方法,最终的准确率达到了 92.57%。(5)将训练好的离线手写签名鉴别模型部署在实际工程项目系统上应用。实验结果以及系统测试表明,本文设计并实现的离线签名鉴别系统性能良好,稳定可靠。与其他的现有方法相比具有自动化程度高、泛化能力强、准确率高的特点。
（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。
手写签名鉴别论文参考文献
[1].张淑婧.基于局部特征的维吾尔文离线手写签名鉴别技术研究[D].新疆大学.2019
[2].张泽华.基于深度生成对抗网络的手写签名鉴别方法与应用研究[D].北京交通大学.2018
[3].祖丽皮亚·艾尼.基于统计特征的维吾尔文离线手写签名鉴别技术研究[D].新疆大学.2017
[4].邵金平,李文杰.一种改进的面向分析法的在线手写签名鉴别方法[J].山东农业大学学报(自然科学版).2016
[5].杨明,陈玲玲.基于Bandelet和分形维的手写签名鉴别系统[J].吉林化工学院学报.2014
[6].吐尔逊姑丽·阿布都瓦依提.维吾尔文离线手写签名鉴别研究[D].新疆大学.2014
[7].谢文修.基于多级DTW匹配的联机手写签名鉴别研究[D].南昌大学.2013
[8].张立.离线灰度手写签名鉴别[D].武汉科技大学.2012
[9].胡永辉,邢延.基于时间序列优化和DTW的在线手写签名鉴别[J].自动化与信息工程.2011
[10].刘蕾.加权DTW方法及其在手写签名鉴别中的应用[D].山东师范大学.2011
标签：离线手写签名鉴别; 多尺度块局部二值模式; 局部相位量化; 视觉词袋模型;