[發(fā)明專利]一種文本無關(guān)筆跡鑒別的方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 200810240092.5
• 申請(qǐng)日: 2008-12-18
• 公開（公告）號(hào): CN101452532A
• 公開（公告）日: 2009-06-10
• 發(fā)明（設(shè)計(jì)）人: 丁曉青;李昕;彭良瑞;劉長松;方馳
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類號(hào): G06K9/64
• 分類號(hào): G06K9/64;G06K9/48;G06K9/60
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司
• 代理人: 何文彬

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺領(lǐng)域，特別涉及一種文本無關(guān)筆跡鑒別的方法和裝置。

背景技術(shù)

筆跡鑒別是以手寫筆跡樣本的書寫風(fēng)格來鑒別書寫人身份的一種技術(shù)，是生物特征識(shí)別技術(shù)的一種。以往的筆跡識(shí)別是依靠筆跡專家采用專業(yè)鑒別手段來進(jìn)行，除了鑒別結(jié)果受專家主觀看法影響外，人工大規(guī)模筆跡檢索往往效率低下，因此，計(jì)算機(jī)自動(dòng)筆跡識(shí)別技術(shù)逐漸成為一門新興的研究領(lǐng)域，在司法、商務(wù)等領(lǐng)域具有廣泛的應(yīng)用。

現(xiàn)有的計(jì)算機(jī)自動(dòng)筆跡鑒別方法包括文本相關(guān)方法和文本無關(guān)方法。其中，文本無關(guān)方法要求筆跡樣本中含有較多的字符，但對(duì)文本內(nèi)容不做限定，這類方法適用面較廣，可用于不同文種筆跡。在現(xiàn)有技術(shù)中，文本無關(guān)方法基于紋理分析，具體操作過程包括：對(duì)筆跡文本進(jìn)行灰度掃描，采用人工方式將筆跡中的字符切分出來，獲得多個(gè)字符的灰度圖像；然后將每個(gè)字符圖像歸一化到一定大小，將一定數(shù)量的字符圖像拼接成一個(gè)128×128大小的紋理圖像塊；對(duì)紋理圖像塊進(jìn)行濾波或小波分析，得到濾波圖像；將濾波圖像的統(tǒng)計(jì)特性作為描述筆跡風(fēng)格的紋理特征，最后度量不同紋理特征距離，比較紋理特征距離獲得候選書寫者名單。

在現(xiàn)有技術(shù)中，采用紋理分析方法將筆跡文本拼接成紋理塊，在拼接紋理塊時(shí)，字符拼接順序本身就影響了紋理的生成，而且字符歸一化也對(duì)筆跡紋理有一定破壞。字符拼接的次序?qū)嶋H影響了紋理特征的穩(wěn)定性，尤其在字符形態(tài)差別巨大的中文筆跡上表現(xiàn)更加突出，因此，現(xiàn)有技術(shù)筆跡鑒別性能差，鑒別正確率低，從而影響了筆跡鑒別方法的通用性。

發(fā)明內(nèi)容

為了提高對(duì)于多種文字筆跡的鑒別正確率和鑒別性能，本發(fā)明實(shí)施例提供了一種文本無關(guān)筆跡鑒別的方法和裝置。所述技術(shù)方案如下：

一種文本無關(guān)筆跡鑒別的方法，所述方法包括：

對(duì)查詢筆跡樣本進(jìn)行預(yù)處理，得到所述查詢筆跡樣本的邊緣圖像；

為所述查詢筆跡樣本設(shè)定一個(gè)固定大小的網(wǎng)格窗口，標(biāo)定每個(gè)網(wǎng)格位置；

利用所述網(wǎng)格窗口遍歷所述邊緣圖像，在遍歷過程中分別提取局部區(qū)域的各類局部微結(jié)構(gòu)；

利用所述網(wǎng)格窗口的中心網(wǎng)格依次遍歷所述邊緣圖像上所有邊緣像素點(diǎn)，并分別統(tǒng)計(jì)所述查詢筆跡樣本中所述各類局部微結(jié)構(gòu)出現(xiàn)的概率，得到查詢筆跡樣本網(wǎng)格微結(jié)構(gòu)特征；

計(jì)算所述查詢筆跡樣本網(wǎng)格微結(jié)構(gòu)特征與每個(gè)參考筆跡樣本網(wǎng)格微結(jié)構(gòu)特征在不同維度上的標(biāo)準(zhǔn)差；

通過加權(quán)所述標(biāo)準(zhǔn)差，計(jì)算所述查詢筆跡樣本網(wǎng)格微結(jié)構(gòu)特征與所述每個(gè)參考筆跡樣本網(wǎng)格微結(jié)構(gòu)特征的特征間距離；

對(duì)所述特征間距離進(jìn)行比較排序，獲得查詢筆跡樣本書寫者候選列表。

一種文本無關(guān)筆跡鑒別的裝置，所述裝置包括：

預(yù)處理模塊，用于對(duì)查詢筆跡樣本進(jìn)行預(yù)處理，得到所述查詢筆跡樣本的邊緣圖像；

特征提取模塊，用于為所述查詢筆跡樣本設(shè)定一個(gè)固定大小的網(wǎng)格窗口，標(biāo)定每個(gè)網(wǎng)格位置；利用所述網(wǎng)格窗口遍歷所述邊緣圖像，在遍歷過程中分別提取局部區(qū)域的各類局部微結(jié)構(gòu)；利用所述網(wǎng)格窗口的中心網(wǎng)格依次遍歷所述邊緣圖像上所有邊緣像素點(diǎn)，并分別統(tǒng)計(jì)所述查詢筆跡樣本中所述各類局部微結(jié)構(gòu)出現(xiàn)的概率，得到查詢筆跡樣本網(wǎng)格微結(jié)構(gòu)特征；

權(quán)值計(jì)算模塊，用于計(jì)算所述查詢筆跡樣本網(wǎng)格微結(jié)構(gòu)特征與每個(gè)參考筆跡樣本網(wǎng)格微結(jié)構(gòu)特征在不同維度上的標(biāo)準(zhǔn)差；

距離計(jì)算模塊，用于通過加權(quán)所述標(biāo)準(zhǔn)差，計(jì)算不同維度上所述查詢筆跡樣本網(wǎng)格微結(jié)構(gòu)特征與每個(gè)參考筆跡樣本網(wǎng)格微結(jié)構(gòu)特征的特征間距離；

比較模塊，用于對(duì)所述特征間距離進(jìn)行排序，獲得查詢筆跡樣本書寫者候選列表。

本發(fā)明實(shí)施例提供的技術(shù)方案的有益效果是：

本發(fā)明實(shí)施例通過對(duì)查詢筆跡樣本和多個(gè)參考筆跡樣本分別進(jìn)行預(yù)處理，提取網(wǎng)格微結(jié)構(gòu)特征，比較查詢筆跡樣本網(wǎng)格微結(jié)構(gòu)特征與每個(gè)參考筆跡樣本網(wǎng)格微結(jié)構(gòu)特征的特征間距離大小，獲取查詢筆跡樣本的書寫人候選列表，提高了筆跡鑒別的正確率和鑒別性能，同時(shí)提高了筆跡鑒別方法的通用性。

附圖說明

圖1是本發(fā)明實(shí)施例提供的文本無關(guān)筆跡鑒別的方法流程圖；

圖2是本發(fā)明實(shí)施例1提供的文本無關(guān)筆跡鑒別的方法流程圖；

圖3是本發(fā)明實(shí)施例1提供的預(yù)處理方法流程圖；

圖4是本發(fā)明實(shí)施例1提供的網(wǎng)格微結(jié)構(gòu)特征提取的方法流程圖；

圖5是本發(fā)明實(shí)施例1提供的鑒別正確率與網(wǎng)格大小關(guān)系示意圖；

圖6是本發(fā)明實(shí)施例1提供的網(wǎng)格窗口結(jié)構(gòu)示意圖；

圖7是本發(fā)明實(shí)施例1提供的局部微結(jié)構(gòu)提取的示意圖；

圖8是本發(fā)明實(shí)施例2提供的文本無關(guān)筆跡鑒別的裝置結(jié)構(gòu)圖。

具體實(shí)施方式