王澤勵　屈音璇　于彤　趙建森

【摘 要】描述了經(jīng)過灰度化，二值化，歸一化等方式預(yù)處理過后的筆跡圖像特征的三種提取方式，給出這三種方式的核函數(shù)，并對之分析鑒別效果。

【關(guān)鍵詞】鑒別特征；特征提取；方法比較

中圖分類號： TP391.1 文獻標識碼： A 文章編號： 2095-2457（2017）29-0037-002

【Abstract】This paper describes three extraction methods of handwriting image features， which are pretreated by gray， two valued and normalization methods.The kernel functions of these three methods are given， and the discriminant effect is analyzed.

【Key words】Discriminant feature；Feature extraction；Method comparison

0 引言

根據(jù)現(xiàn)有的文獻和先驗知識的總結(jié)，傳統(tǒng)的筆跡特征包含了宏觀層次的概貌特征，書寫風格特征等，中觀層次特征包含一系列搭配比例特征等，微觀層次包含一些運筆特征等，但是上述一系列的特征，適用于人工鑒定的范疇，對于計算機處理很難得到適用，因此，通過計算機能夠識別的方式得到計算機的筆跡特征是處理處理過程中的一個重要環(huán)節(jié)。下面簡單介紹幾種常見的提取方法，這系列方式對于人工范疇內(nèi)的特征在圖像處理范疇得到了很好體現(xiàn)，盡管識別率稍有些偏差，但是在后期的分類器設(shè)計過程中可以得到規(guī)避，

1 圖像特征的提取

筆跡圖像特征的提取工作是筆跡圖像實現(xiàn)計算機鑒定的特征收集工作，也是后續(xù)分類器設(shè)計的數(shù)據(jù)來源。

1.1 矩特征的提取：

1.2 本征字特征提取法：

本征字特征的處理是一種空間域的降維度處理方式，也就是常說的主分量分析法（principal component analysis，PCA），在此之前是需要提取出相關(guān)的方向線素特征的，在實際的計算機圖像處理過程中發(fā)現(xiàn)，該特征識別率較高。

1.3 筆跡紋理特征的提取：

Gabor濾波器相對于人眼的視錐系統(tǒng)有著很好的頻向貼合性，在空域內(nèi)表現(xiàn)為正弦平面波調(diào)制的高斯核函數(shù)，在圖像領(lǐng)域，具備較好的紋理表示性，是兼顧了時域和頻域的Guass窗口函數(shù)處理方式。

分別定義Gabor尺度和小波方向v，u，以及總方向數(shù)k，用參數(shù)k/？滓表示窗口大小。Gabor交換變化函數(shù)如下：

2 結(jié)論

通過上述的幾種方法可以發(fā)現(xiàn)，矩特征的形象整體的表示性比較強，卻對搭配比例等細節(jié)特征識別率比較差，本征字特征特征鑒別程度相對矩特征較高，但僅限于主分量的分析，圖像噪聲影響相對較大，多通道分解特征相對上述二者對于細節(jié)特征的處理更加完善，是方向映射的濾波處理方式，效果顯著。差因：具體表現(xiàn)在細節(jié)特征，風格特征等方面，主要還是算法適用過程中選取的分析對象和分析方面的差異性造成的，所以，應(yīng)當具體問題具體分析。

3 總結(jié)

筆跡圖像的特征處理工作，各種方法的本質(zhì)還是將圖像特征定性分類，定量討論差別的問題，實際操作過程中，除了上述的幾種特征處理方式，還有通過傅立葉級數(shù)變換提取頻特征，通過小波包基變化差別化特征等處理方式，之所以簡述和討論上述方式，是因為相比較其他幾種處理方式，矩特征，多通道分解特征，本征字特征，將數(shù)字圖形的特征維度化處理，限定空域自由度和特征變化程度并逐步優(yōu)化，直觀明了，或者同時具備兼顧時域和頻域的特點等，與實際的人工鑒定比對過程有著形式上的相似重合，更加貼合筆跡鑒定的實際工作。

【參考文獻】

[1]申思，韓丹巖，俞綱.運用筆跡三維信息提取分析儀對摹仿簽名筆力特征的實驗研究[J].中國刑警學院學報，2016，（03）：66-69.

[2]邱娟.基于Gabor濾波器和高斯馬爾科夫隨機場的書法筆跡鑒別[D].暨南大學，2015.

[3]邱娟，謝昊，張傳林.基于優(yōu)化Gabor濾波器和GMRF的筆跡特征提取方法[J].計算機工程與應(yīng)用，2015，（17）：145-150.

[4]朱若曦.基于模糊支持向量機的筆跡驗證研究[D].河北工程大學，2014.

[5]王巖.離線手寫體漢字鑒別及識別算法研究[D].河北工業(yè)大學，2014.

[6]賈雪飛.基于紋理強化的微量筆跡鑒別技術(shù)研究[D].湖南大學，2012.

[7]余飛.基于紋理的計算機筆跡識別算法研究[D].西南政法大學，2010.

[8]范緒成.基于紋理特征提取的離線文字筆跡鑒別技術(shù)的研究[D].浙江工業(yè)大學，2009.

[9]李曉通.離線筆跡鑒別的特征提取技術(shù)研究[D].哈爾濱工程大學，2009.

[10]師寶山，張貴州.筆跡鑒別預(yù)處理算法的設(shè)計與實現(xiàn)[J].電子器件，2008（04）：1357-1360.

[11]張韻.基于紋理的文本獨立離線筆跡鑒別[D].河北工業(yè)大學，2007.

[12]袁林.基于主元分析法的簽名筆跡特征提取方法研究[D].新疆大學，2007.

[13]李瑩.漢字筆跡鑒別的算法研究[D].山東大學，2007.

[14]王慧.計算機筆跡鑒定算法研究與實驗[D].吉林大學，2007.

[15]楊亞莉.基于紋理分析的筆跡鑒別方法研究[D].武漢理工大學，2004.

[16]沈聰.基于改進的多通道Gabor小波變換的筆跡鑒別[D].北京工業(yè)大學，2002.endprint