科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于离线手写签名图像有效的笔画部分普遍比较稀疏，存在大量的无效白色背景，目前常用的特征描述方法会使得得到的特征数据存在大量冗余，影响识别准确率。识别准确率的提高，需要依赖大量的训练数据和提取多个特征并进行融合，但这样又会因特征数据过多和维度过大而造成计算困难，影响识别效率。为此，提出了一种基于Gist和IPCA算法的多文种离线手写签名识别方法，利用Gist特征聚焦图像的整体布局和笔画部分，同时利用IPCA算法的批处理能力来提高识别效果和运行效率。使用中、英、维3种语言的实验数据集，并使用SVM分类器进行识别实验。结果显示，3个数据集上的识别准确率分别为97.97%,98.43%和97.19%,3种数据混合后的识别准确率为97.70%。经过对比分析可知，提出的方法与之前的相关方法相比明显较优。
- 单位
