欢迎来到天天文库
浏览记录
ID:36684292
大小:3.23 MB
页数:63页
时间:2019-05-13
《离线手写体笔迹鉴别多分类器研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、补511145离线手写体笔迹鉴别多分类器研究摘要/手写体笔迹鉴别是通过分析手写笔迹的书写风格来判断书写人身份的一门技术。随着应用领域的不断扩展,笔迹鉴别技术已逐步成为计算机视觉和模式识别领域中一个十分活跃但难度较高的研究课题。不少学者对在线手写体识别作了很多研究工作,而关于离线手写体笔迹鉴别的文献则要少得多,这一方面是由于手写体识别本身的复杂性;另一方面,离线手写体笔迹鉴别要比在线鉴别困难得多。离线手写体笔迹图像很容易被模仿、复制,而在线鉴别系统普遍采用的运笔速度、加速度、压力等动态信息,在离线图像中已保留得不多了以一了-本论文研究了传统图像识别方法中常用的纹理分析法及一种新的模式
2、识别._.一一夕__.____万法—协同神经网络模式识别法及其应用,并在此基础上构造了一个离线手写体笔迹鉴别多分类器模型。论文首先介绍了纹理分析法的基本概念及其理论,接着阐述了基于纹理谱的纹理分割算法框架,对一些算法的改进进行了探讨和研究,然后介绍了协同学和协同神经网络的基本概念及其理论,阐述了几种协同学模式识别模型及算法。在笔迹鉴别多分类器模型的构造中,本文将协同神经网络与纹理谱概念相结合,由自上而下的协同方法和自下而上传统分类识别方法相结合构造多分类器,第一层分类器基于协同神经网络,其中,在原型模式的选择算法上,本论文提出了用纹理特征替代象素的协同模式识别算法;第二层分类器基于
3、全局纹理谱的纹理分割算法。最后,本论文应用该分类器模型对大量的手写体笔迹图像进行测试,并对实验结果进行了分析和讨论。2之一一-关键词笔迹鉴别,多分类器,纹理,协同模式识别第1币OffllneHandwritingIdentificationmulti-classifierStudyAbstractHandwritingidentificationdealswiththetechniquesofidentifyingapersonbyanalyzingher/hishandwritingstyles.Ithasbeenappliedtoalotofareasandbecomeonea
4、ctiveresearchsubjectoncomputervisionandpatternrecognition.Manyresearchershavestudiedtheonlinehandwritingidentification.However,theofflinehandwritingidentificationisseldomexploredinthatthelatterismuchmoredifficultthantheformer.Offlinehandwritingimagescaneasilybeimitatedandcopied.Inaddition,itis
5、nearlyimpossibletodetectfromthemthedynamicinformationutilizedbytheonlinesystems,suchasthewritingspeed,acceleration,andpressureandsoon.Thispaperisconcernedwiththepopulartextureanalysistechniqueinthetraditionalimagerecognition,thenovelpatternrecognitionapproach,namelysynergeticneuralnetworkpatte
6、rnrecognition,andtheirapplications.Furthermore,itproposesandimplementsanofflinehandwritingidentificationmulti-classifier.ItisorganizedasfollowsFirstly,itintroducesthebasicconceptsandprinciplesoftextureanalysistechnique.Secondly,itdiscussesthealgorithmframeworkoftexturesegmentationbasedontextur
7、espectrumandimprovesthecorrespondingalgorithms.Thirdly,itstudiestheconceptsandprinciplesofsynergeticneuralnetwork(SNN)andexploresseveralitsseveralmodelsandalgorithms.Italsopresentsahybridapproachonthebasisofthesynergeticnetworkandtextur
此文档下载收益归作者所有