基于A(yíng)RM的文本獨立筆跡鑒別系統設計

3.2 利用Gabor濾波器進(jìn)行特征提取

筆跡信息進(jìn)行預處理后需要分析筆跡圖像的紋理特征，由于每個(gè)人的書(shū)寫(xiě)風(fēng)格不同，書(shū)寫(xiě)的筆跡信息具有較強的方向性和頻譜特征，需要采用時(shí)間頻域分析。系統上位機部分采用二維Gabor濾波器進(jìn)行特征提取，Gabor變換是1946年D.Gabor為解決傅立葉變換對分析非平穩信號有很大局限性而提出來(lái)的。二維Gabor函數具有方向選擇性和帶通性，能同時(shí)在時(shí)域和頻域中兼顧對信號分析的需求，可以比較精確地提取圖像的局部問(wèn)題特征，相當于一種帶通濾波器。紋理圖像可類(lèi)比為有周期性規律的信號，其能量集中在一定頻率范圍內。如果紋理圖像的能量與Gabor濾波器的通頻帶吻合，那么這部分的信號就得到放大。在紋理分析中常用的Gabor變換公式：

其中u，v分別為在x，y軸方向上的空間頻率;g(x，y)為Gauss函數。設置Gabor濾波器的3個(gè)參數為：徑向中心頻率f，方向θ和空間常數σ。選擇不同的參數會(huì )構成不同的通道，它們組成了一組非正交基。實(shí)驗中取σ=2π/f，相位角θ取0，π/4、π/2，3π/4，用這組基展開(kāi)信號可以得到筆跡圖像在不同的頻率和相位下的頻域信息。

3.3 聚類(lèi)SVM分類(lèi)器進(jìn)行鑒別

SVM是一種旨在通過(guò)有限的樣本學(xué)習，得到最好的推廣效果的統計分類(lèi)方法，它可以根據有限的筆跡樣本信息在模型的復雜性和機器學(xué)習能力之間尋求最優(yōu)方法。筆跡鑒別是一種多類(lèi)問(wèn)題，可以通過(guò)構造決策函數，實(shí)現多類(lèi)問(wèn)題轉化為兩類(lèi)問(wèn)題。SVM可以根據兩類(lèi)樣本數據尋求問(wèn)題解決的最優(yōu)分類(lèi)面，可以使分類(lèi)間隔達到最大，準確度達到最高。系統中我們采用第k個(gè)分類(lèi)器由包括第k類(lèi)樣本和不屬于第k類(lèi)的所有樣本兩部分組成，將n類(lèi)問(wèn)題轉化為n個(gè)兩類(lèi)問(wèn)題的方法，構造解決多類(lèi)筆跡問(wèn)題的分類(lèi)器算法：

其中，x是輸入的筆跡信息，fk(x)是第k類(lèi)分類(lèi)函數。通過(guò)對fk(x)的大小進(jìn)行排序，就可以得到最可能為書(shū)寫(xiě)人的候選人信息。

4 結束語(yǔ)

基于A(yíng)RM嵌入式系統的文本獨立筆跡鑒別系統實(shí)現了實(shí)時(shí)采集書(shū)寫(xiě)筆跡信息，對采集筆跡進(jìn)行數字化處理后傳遞給上位機功能。通過(guò)對筆跡信息的預處理和基于多維度Gabor變換的特征分析，最后使用多類(lèi)SVM分類(lèi)其進(jìn)行筆跡鑒別，具有速度快、準確率高等特點(diǎn)，具有一定的應用前景。