基于小波变换和CPN网络的手写签名鉴别

摘要：

手写签名鉴别技术作为生物特征安全认证领域的重要技术之一,具有广泛的应用前景.为了提高手写签名鉴别的正确性,提出一种基于三层小波变换和CPN神经网络结合的方法.首先对手写签名样本图像采取滤波去噪、二值化、细化、归一化等预处理措施,然后使用离散DB3小波分解提取高通系数矩阵处理后作为样本特征进行提取,而后采用CPN神经网络分类器对4680个训练样本进行每样本7500次训练,最后使用训练完毕的分类器对待鉴别样本进行分类鉴别.在由36个鉴别实验组组成的实验数据集上,样本识别正确率达到了93.48％.通过多种方法的对比实验,结果表明该方法签名特征提取全面、分类识别效果明显优于线性分类器.

关键词：小波变换、特征提取、神经网络、签名鉴别、权向量

分类号：TP391.1(计算技术、计算机技术)

资助基金：教育部人文社会科学研究青年基金资助项目15YJC880028

在线出版日期：2020-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：27-31