Astaraki

Offline Handwritten Signature Identification using Grid Gabor Features and Support Vector Machine

در این مقاله روشی جدید مبتنی بر تبدیل موجک برای شناسایی امضا ارایه شده است. این روش از GWT برای استخراج ویژگی و SVM به عنوان کلاس‌بندی کننده استفاده می‌کند.روش ارایه شده ابتدا تصویر امضا از نظر اندازه نرمالیزه شده و سپس نویزهای آن حذف می‌شود. پس از مرحله پیش‌پردازش، تصویر امضا مش‌بندی شده و ضرایب گیبور بر روی هر نقطه از مش محاسبه می‌شود.سپس کلیه ضرایب گیبور به عنوان بردار ویژگی به یک لایه از کلاس‌بندی کننده‌های SVM داده می‌شود. تعداد کلاس‌بندی کننده‌های SVM برابر با تعداد کلاسهای امضا تعیین شده است. هر کلاس‌بند SVM تعیین می‌کند که آیا یک امضا تعلق به کلاس مربوطه دارد و یا خیر. خصوصیت اصلی روش ارایه شده استقلال از نوع امضا است بطوریکه این روش بر روی دو بانک مختلف امضای فارسی و ترکی آزمایش شده است. آزمایشها نشان می‌دهد که نرخ تشخیص امضا برای امضاهای فارسی و ترکی بترتیب 96% و 93% است

فايل ضميمه

102722.pdf (1.10 مگابايت, 12 نمايش)

__________________

تعرفه ارزان تبلیغات در اولین و بزرگترین سایت هوش مصنوعی ایران !
با بیش از صد و چهل هزار کاربر!