10.3969/j.issn.1007-5461.2017.01.004
基于LBP和深度学习的手写签名识别算法
为优化手写签名识别算法性能,提出了一种局部二值模式(LBP)和深度学习相结合的手写签名识别算法.针对签名图像进行预处理、维纳滤波去除噪声;将预处理签名图像分为3×4子块,LBP应用于分块后的每个子图像,并将每个子块的纹理直方图特征连接起来,形成全局直方图特征;将得到的特征向量作为深度信念网络(DBN)的输入,逐层训练网络,并在顶层形成分类面,对签名图片进行识别.基于GPDS、MCYT及原创数据库进行实验,识别率误差分别为5.S5%、9.3%、1.17%,有效提高了手写签名的识别精度,符合实际应用的要求.
图像处理、手写签名识别、深度学习、深度信念网络、局部二值模式
34
TP391(计算技术、计算机技术)
Supported by National Natural Science Foundation of China国家自然科学基金,61170120,Prospective Research Project of Jiangsu Province江苏省产学研前瞻性联合研究项目,BY2013015-41
2017-03-31(万方平台首次上网日期,不代表论文的发表时间)
23-31