资源描述：
《笔迹鉴别图像处理特征提取支持向量机论文》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、基于多特征数据融合的离线中文笔迹鉴别研究【摘要】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,笔迹鉴别技术已经成为计算机视觉和模式识别领域一个十分活跃的研究方向。本文基于多特征数据融合与支持向量机技术,研究了行之有效的离线中文笔迹鉴别方法,为计算机笔迹鉴别系统的实现提供技术支持,并进一步拓展笔迹鉴别的应用范围和领域。本文主要研究内容如下:研究了笔迹图像预处理方法,主要包括对鉴别图像进行灰度化、二值化、归一化等。给出了一整套笔迹预处理算法,理论分析和实验验证了算法的有效性。通过对归一化和拼接处理后的笔迹图像特征向
2、量的构建,进而提出了形状特征法。形状特征法主要是对笔迹图像的八连通区域的重心特征、偏心率、区域内凸壳中的像素比率、区域内围框中的像素比率的提取。其中重心特征反映的是书写者笔迹相对于水平方向上的偏移,偏心率、区域内凸壳中的像素比率、区域内围框中的像素比率主要反映的是笔迹中笔划交叉重叠的部分。纹理特征的提取是目前笔迹鉴别研究热点,本文讨论了纹理分析的基本知识和常用方法,将笔迹视为纹理图像,从纹理分析的基本方法入手,同时结合灰度共生矩阵和Gabor滤波器,分别提出了基于灰度共生矩阵提取笔迹特... 更多还原【Abstract】Handwritingident
3、ificationisatechniquethataimstodecidetheidentityofwritersaccordingtothehandwritingstyles.Withtheimprovementofappliedfield,handwritingidentificationbecomesaveryactiveareaofthecomputervisionandpattern-recognition.Inthispaper,anovelvalidmethodbasedonfusiontechnologyandSupportVector
4、Machineforwriteridentificationisdiscussed.Theresearchcanoffertechnicalsupportforthecomputerhandwritingidentificationsystem,andexpandfur... 更多还原【关键词】笔迹鉴别；图像处理；特征提取；支持向量机；【Keywords】writeridentification；imageprocessing；featureextraction；SupportVectorMachine；【索购论文全文】1381137211399388
5、48即付即发目录摘要4-6ABSTRACT6-71绪论11-151.1引言111.2研究背景111.3选题意义11-121.4本文研究的主要内容和结构安排12-152笔迹鉴别的基础知识15-232.1引言152.2笔迹鉴别15-162.2.1笔迹鉴别的定义152.2.2笔迹鉴别的分类15-162.2.3中文笔迹鉴别的重点和难点162.3笔迹特征的提取16-182.3.1特征提取的定义162.3.2特征提取的作用16-172.3.3特征提取的分类17-182.4分类器设计18-212.4.1分类器的定义182.4.2分类器分类18-212.5本章小结21
6、-233笔迹鉴别的预处理23-333.1引言233.2笔迹图像的采集233.3笔迹图像的灰度化23-263.4去除背景与笔迹图像的二值化26-293.5笔迹图像的归一化处理29-313.5.1字符的提取29-303.5.2字符大小归一化和文字拼接30-313.6本章小结31-334笔迹鉴别的特征提取33-454.1引言334.2形状特征的提取33-354.2.1重心特征33-344.2.2偏心率344.2.3区域内凸壳中的像素比率344.2.4区域内围框中的像素比例34-354.3基于共生矩阵的纹理特征的提取35-364.3.1共生矩阵354.3.2纹
7、理特征的提取35-364.4基于Gabor变换的纹理特征的提取36-414.4.1傅里叶变换、Gabor变换和小波变换36-374.4.2Gabor变换的性质37-384.4.3多通道Gabor滤波器38-394.4.4二维Gabor滤波器394.4.5利用Gabor滤波器提取图像的纹理特征39-414.5实验及结果分析41-444.5.1形状特征的提取41-424.5.2基于共生矩阵的纹理特征的提取42-434.5.3利用Gabor变换提取纹理特征43-444.6本章小结44-455离线文字笔迹鉴别的SVM分类45-615.1引言455.2支持向量机
8、45-495.2.1支持向量机的理论背景45-465.2.2支持向量机分类器的理论基础46-4
