[發(fā)明專利]基于筆畫片段方向分布特征的筆跡識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410528541.1
• 申請(qǐng)日: 2014-10-09
• 公開（公告）號(hào): CN104392229B
• 公開（公告）日: 2018-01-05
• 發(fā)明（設(shè)計(jì)）人: 丁紅;張曉峰;王則林;高瞻
• 申請(qǐng)（專利權(quán)）人: 南通大學(xué)
• 主分類號(hào): G06K9/20
• 分類號(hào): G06K9/20
• 代理公司: 北京馳納智財(cái)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)11367
• 代理人: 蔣路帆

1.一種基于筆畫片段方向分布特征的筆跡識(shí)別方法，其特征在于，包括以下步驟：

步驟一、獲取筆跡圖像；

步驟二、對(duì)所述筆跡圖像的邊緣進(jìn)行檢測，提取所述筆跡圖像的筆跡輪廓；

步驟三、將所述筆跡輪廓分解成筆畫片段；

步驟四、分析所述筆畫片段的方向特征；

步驟五、提取所述筆畫片段的方向分布特征；

步驟六、計(jì)算相似度，根據(jù)相似度來進(jìn)行筆跡識(shí)別；

其中，所述步驟三進(jìn)一步包括：檢測所述筆跡輪廓上的角點(diǎn)；角點(diǎn)局部最小值檢測；去除所述筆跡輪廓端部；排除短筆畫片段；所述檢測所述筆跡輪廓上的角點(diǎn)的步驟包括：通過角點(diǎn)模板來對(duì)所述筆跡輪廓的端部進(jìn)行檢測，并對(duì)連接中心邊緣像素的筆畫像素的數(shù)量進(jìn)行統(tǒng)計(jì)，從而確定當(dāng)前像素是否為角點(diǎn)；所述角點(diǎn)局部最小值檢測的步驟包括：排除所述檢測所述筆跡輪廓上的角點(diǎn)的步驟中檢測出來的與筆跡識(shí)別無關(guān)的角點(diǎn)；所述去除所述筆跡輪廓端部的步驟包括：排除直接連接在獲得的局部最小值角點(diǎn)位置領(lǐng)域中的輪廓像素，從而得到筆畫片段；所述排除短筆畫片段的步驟包括：排除對(duì)于筆跡識(shí)別沒有作用的短筆畫片段。

2.根據(jù)權(quán)利要求1所述的筆跡識(shí)別方法，其特征在于：所述步驟一進(jìn)一步包括：掃描筆跡，獲得筆跡圖像。

3.根據(jù)權(quán)利要求1所述的筆跡識(shí)別方法，其特征在于：所述步驟二進(jìn)一步包括：用sobel算子提取背景單一的所述筆跡圖像的所述筆跡輪廓，用canny算子提取背景復(fù)雜的所述筆跡圖像的所述筆跡輪廓。

4.根據(jù)權(quán)利要求1所述的筆跡識(shí)別方法，其特征在于：所述步驟五進(jìn)一步包括：在大小為(2r+1)×(2r+1)、中心邊緣像素為當(dāng)前邊緣像素的滑動(dòng)窗口中，只統(tǒng)計(jì)與所述滑動(dòng)窗口中心邊緣像素連接的筆畫片段的數(shù)量，其中r為所述滑動(dòng)窗口中心與所述滑動(dòng)窗口邊界之間的距離。

5.根據(jù)權(quán)利要求4所述的筆跡識(shí)別方法，其特征在于：所述步驟五進(jìn)一步包括：統(tǒng)計(jì)(m，n，d_i)的數(shù)量，即筆畫片段邊緣像素?cái)?shù)量(m，n)具有方向特征d_i的數(shù)量，(m，n)表示筆畫片段邊緣像素在滑動(dòng)窗口的位置，其中1≤m，n≤2r+1，r為所述滑動(dòng)窗口中心與所述滑動(dòng)窗口邊界之間的距離，d_i表示32個(gè)不同筆畫方向分布中的一個(gè)方向。

6.根據(jù)權(quán)利要求5所述的筆跡識(shí)別方法，其特征在于：所述步驟五進(jìn)一步包括：統(tǒng)計(jì)獲得全部(m，n，d_i)的數(shù)量，并計(jì)算所述筆跡圖像的歸一化方向特征，公式如下：其中∑_(m，n)N(m，n)為所有所述筆畫片段的邊緣像素在所述滑動(dòng)窗口中(m，n)位置的總和，N(m，n，d_i)為在所述滑動(dòng)窗口(m，n)位置具有d_i方向的所述筆畫片段的邊緣像素的數(shù)量。

7.根據(jù)權(quán)利要求1所述的筆跡識(shí)別方法，其特征在于：所述步驟六進(jìn)一步包括：通過加權(quán)曼哈頓距離來計(jì)算相似度，公式為其中SDDF為筆畫片段方向分布特征，σ_i為SDDF第i個(gè)分量的標(biāo)準(zhǔn)偏差，SDDF_1i和SDDF_2i分別是當(dāng)前比較相似度的SDDF的第i個(gè)分量，D為相似度，根據(jù)計(jì)算獲得的相似度進(jìn)行筆跡識(shí)別。