广西师范大学学报（自然科学版） ›› 2013, Vol. 31 ›› Issue (3): 132-137.

• • 上一篇    下一篇

基于改进网格特征的离线笔迹识别

黄志敏1, 王东利1,2, 文颖2, 吕岳2   

  1. 1.公安部第三研究所,上海200031;
    2.华东师范大学信息科学技术学院,上海200241
  • 收稿日期:2013-05-20 出版日期:2013-09-20 发布日期:2018-11-26
  • 通讯作者: 黄志敏(1960—),男,广东梅州人,公安部第三研究所副研究员。E-mail:mouse902@163.com
  • 基金资助:
    国家科技支撑计划资助项目(2011BAK05B04)

Offline Writer Recognition Based on Modified Grid Feature

HUANG Zhi-min1, WANG Dong-li1,2, WEN Ying2, LÜ Yue2   

  1. 1.The Third Research Institute of the Ministry of Public Security,Shanghai 200031,China;
    2.School of Science and Engineering,East China Normal University,Shanghai 200241,China
  • Received:2013-05-20 Online:2013-09-20 Published:2018-11-26

摘要： 本文提出了一种基于改进网格特征的文本无关的离线笔迹识别方法。首先,对一个固定大小的网格窗口进行位置标注;接着,用该网格窗口去记录每一个边缘像素点周围满足改进网格特征生成条件的连通像素点对的位置信息;然后,统计出整幅图像中所记录的不同连通像素点对的位置信息特征;在获取特征向量之后,采用改进的加权卡方距离度量笔迹特征向量之间的相似度。在包含300个书写人的手写笔迹图像库上进行实验,实验结果证明了该方法的有效性。

关键词: 笔迹识别, 改进网格特征, 加权卡方距离

Abstract: An offline text-independent writer recognition method based on modified grid feature is proposed.Firstly,every square in the fixed grid was marked with different symbols.Secondly,the positions of connected edge pixel pairs which satisfied the conditions of the modified grid feature were recorded by the grid around every edge pixel.Then,the probabilitic density distribution of different connected pixel pairs is obtained.The improved and weighted Chi-square distance was applied to measure the similarity of the two handwriting.The experiments on a database containing 300 writers of handwriting images demonstrate the validity of the proposed method.

Key words: writer recognition, modified grid feature, weighted Chi-square distance

中图分类号: 

  • TP391.4
[1] SAID H,TAN T,BAKER K.Personal identification based on handwriting[J].Pattern Recognition,2000,33(1):149-160.
[2] ZOIS E,ANASTASSOPOULOS V.Morphological waveform coding for writer identification[J].Pattern Recognition,2000,33(3):385-398.
[3] BENSEFIA A,PAQUET T,HEUTTE L.A writer identification and verification system[J].Pattern Recognition Letters,2005,26(10):2080-2092.
[4] SCHLAPBACH A,BUNKE H.Using HMM-based recognizers for writer identification and verification[C]//Proceedings of 2004 Ninth International Workshop on Frontiers in Handwriting Recognition.Los Alamitos,CA:IEEE Computer Society,2004:167-172.
[5] MARTI U V,BUNKE H.Using a statistical language model to improve the performance of an HMM-based cursive hand-writing recognition system[J].Pattern Recognition and Artificial Intelligence,2001,15(1):65-90.
[6] SIDDIQI I,VINCENT N.A set of chain code based features for writer recognition[C]//Proceedings of 2009 International Conference on Document Analysis and Recognition.Los Alamitos,CA:IEEE Computer Society,2009:981-985.
[7] BRINK A,SMIT J,BULACU M,et al.Writer identification using directional ink-trace width measurements[J].Pattern Recognition,2012,45(1):162-171.
[8] 刘宏,李锦涛,崔国勤,等.基于SVM和纹理的笔迹鉴别方法[J].计算机辅助设计与图形学学报,2003,15(12):1479-1484.
[9] 李昕,丁晓青.一种基于微结构特征的多文种文本无关笔迹鉴别方法[J].自动化学报,2009,35(9):1199-1208.
[10] 李昕,丁晓青.基于改进微结构特征的笔迹鉴别[J].清华大学学报:自然科学版,2010,50(4):595-600.
[11] BULACU M,et al.Text-independent writer identification and verification using textural and allographic features[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2007,29(4):701-717.
[12] BULACU M,SCHOMAKER L,VUURPIJL L.Writer idetification using edge-based directional features[C]//Proceedings of 2003 International Conference on Document Analysis and Recognition.Los Alamitos,CA:IEEE Computer Society,2003:937-941.
[13] SU T H,ZHANG T W,GUAN D J.Corpus-based HIT-MW database for offline recognition of general-purpose chinese handwritten text[J].International Journal of Document Analysis and Recognition,2007,10(1):27-38.
[14] GOLNAZ G,SAFABAKHSH R.An efficient method for offline text independent writer[C]//Proceedings of 2010 International Conference on Pattern Recognition.Los Alamitos,CA:IEEE Computer Society,2010:1245-1248.
[15] MARTI U V,BUNKE H.The IAM-database:an english sentence database for offline handwriting recognition[J].International Journal of Document Analysis and Recognition,2002,5(1):39-46.
[1] 张灿龙, 李燕茹, 李志欣, 王智文. 基于核相关滤波与特征融合的分块跟踪算法[J]. 广西师范大学学报（自然科学版）, 2020, 38(5): 12-23.
[2] 肖逸群, 宋树祥, 夏海英. 基于多特征的快速行人检测方法及实现[J]. 广西师范大学学报（自然科学版）, 2019, 37(4): 61-67.
[3] 王勋, 李廷会, 潘骁, 田宇. 基于改进模糊C均值聚类与Otsu的图像分割方法[J]. 广西师范大学学报（自然科学版）, 2019, 37(4): 68-73.
[4] 孙妤喆, 卢磊, 罗晓曙, 郭磊, 郝占龙, 唐堂. 结合非局部均值滤波的双边滤波图像去噪方法[J]. 广西师范大学学报（自然科学版）, 2017, 35(2): 32-38.
[5] 蔡冰, 张灿龙, 李志欣. 基于联合直方图的红外与可见光目标融合跟踪[J]. 广西师范大学学报（自然科学版）, 2017, 35(3): 37-44.
[6] 夏海英, 喻潇琪. 基于对比度金字塔图像融合的自发笑脸识别[J]. 广西师范大学学报（自然科学版）, 2017, 35(3): 45-52.
[7] 夏海英. 基于改进的SLIC区域合并的宫颈细胞图像分割[J]. 广西师范大学学报（自然科学版）, 2016, 34(4): 93-100.
[8] 何鹏, 刘高凯, 李静辉. 基于机器视觉的疲劳驾驶监测预警系统[J]. 广西师范大学学报（自然科学版）, 2015, 33(4): 25-29.
[9] 陈锦, 罗晓曙. 基于小波变换与野草算法的细胞图像特征提取与识别[J]. 广西师范大学学报（自然科学版）, 2015, 33(2): 22-28.
[10] 王凯明, 周海燕, 郭家梁, 杨孝敬, 王刚, 钟宁. 基于统计分布熵的抑郁症脑电信号分析[J]. 广西师范大学学报（自然科学版）, 2015, 33(2): 29-35.
[11] 王冬旭, 宋树祥, 蒋品群. 基于BP神经网络的竹片正反面识别算法[J]. 广西师范大学学报（自然科学版）, 2014, 32(2): 14-19.
[12] 华梓铮, 华泽玺. 基于NSCT的含噪图像边缘检测算法[J]. 广西师范大学学报（自然科学版）, 2014, 32(2): 26-34.
[13] 马先兵, 孙水发, 覃音诗, 郭青, 夏平. 基于粒子滤波的on-line boosting目标跟踪算法[J]. 广西师范大学学报（自然科学版）, 2013, 31(3): 100-105.
[14] 孙水发, 李乐鹏, 董方敏, 邹耀斌, 陈鹏. 基于迭代阈值的子块部分重叠双直方图均衡算法[J]. 广西师范大学学报（自然科学版）, 2013, 31(3): 119-126.
[15] 王峰, 靳小波, 于俊伟, 王贵财. V-最优直方图及其在车牌分类中的应用研究[J]. 广西师范大学学报（自然科学版）, 2013, 31(3): 138-143.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 广西师范大学学报（自然科学版）编辑部
地址：广西桂林市三里店育才路15号　邮编：541004
电话：0773-5857325　E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发