10.3969/j.issn.1007-130X.2022.11.018
基于Gist和IPCA算法的多文种离线手写签名识别
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.
多文种、手写签名识别、Gist特征、IPCA算法、SVM
44
TP391.41(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家自然科学基金;新疆大学博士启动基金项目;新疆维吾尔自治区研究生科研创新项目;新疆维吾尔自治区研究生科研创新项目
2022-11-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
2048-2055