摘要
为进一步提高多文种离线手写签名识别率,提出一种小波变换与多特征融合的离线签名识别方法。首先对采集完的签名图像进行预处理和小波变换,然后对小波变换后的4张签名子图像(低频信息图像、水平高频信息图像、垂直高频信息图像和对角高频信息图像)分别提取多尺度块局部二值模式(MB-LBP)、局部相位量化(LPQ)、韦伯描述符(WLD)和ASM能量特征,并对所提特征进行串联融合,用PCA降维形成适合的特征向量。通过训练支持向量机(SVM)和随机森林(RF)分类器对签名图像进行分类对比。文中数据集包括4个文种(英文、汉文、维吾尔文、柯尔克孜文),在单个文种识别率最高达到98%,两两混合的识别率最高达到97.54%,3个文种混合的识别率最高达到96.78%。实验结果表明,提出的方法能够有效识别多文种混合的离线签名,得到了较高的识别率。
- 单位