论文部分内容阅读
随着计算机笔迹鉴别在相关民事与刑事领域中应用越来越广泛,针对已有的笔迹鉴别方法对笔迹版式和字符数量要求较高,但在实际笔迹鉴别实践中,提供的笔迹样本往往存在笔迹数据可利用量不足的小样本问题,本文重点研究了对文本无关的小样本手写汉字的笔迹鉴别方法。 本文在学习国内外研究笔迹鉴别的基础上,首先研究了基于概率分布函数的笔迹鉴别,然后研究了基于深度置信网络(DBN)的手写数字识别,并提出了基于邻环结构特征的文本无关的小样本手写汉字的笔迹鉴别方法。方法首先对笔迹图像进行预处理,包括二值化、笔迹轮廓提取和随机采样子块,再利用邻环结构特征方法提取笔迹特征,将降维后的特征输入DBN进行训练。从训练模型和模型鉴别两个方面,详细阐述了训练得到不同书写者的DBN模型和利用DBN模型进行待测样本的笔迹鉴别。 本文在240人的HIT-MW汉字笔迹数据库上进行实验。通过实验结果的分析对比,证明本文方法的有效性。在HIT-MW数据库中截取平均仅有45个汉字字符的笔迹样本上,仍能有效表征笔迹的风格信息,达到了与使用较大样本的其他笔迹鉴别方法相近的鉴别效果,首选鉴别率为91.67%。与传统方法相比,本方法对笔迹样本的版式要求更低,对笔迹样本包含的字符数量要求更少,具有较高的鉴别率,具有应用前景。