改善手写签名动态特征稳定性的局部相关分析

提出了基于模糊隶属稳定度的改进的局部相关分析方法．将手写签名特征序列划分成若干等分段，并在相关系数的计算中加入由各段特征稳定度确定的权重，改善了手写签名过程中稳定度不同导致相关系数不稳定的问题．对于判识阈值的确定给出了一个基于参数估计的解析法．     

基于空间曲线弹性匹配的在线手写签名鉴别

论述了将手写签名笔名笔划轨迹视为空间曲线，并采用点－点加权弹性匹配对其进行鉴别的方法，该方法强调签名在形状和签名压力的动态特征上都具有相似性，算法中权重系数根据签名样本的稳定度来确定，加权的匹配算法考虑了局部相似性不同的特点，有利于认证指标的改善。     

基于空间曲线弹性匹配的在线手写签名鉴别

论述了将手写签名笔划轨迹视为空间曲线,并采用点－点加权弹性匹配对其进行鉴别的方法．该方法强调签名在形状和签名压力的动态特征上都具有相似性．算法中权重系数根据签名样本的稳定度来确定,加权的匹配算法考虑了局部相似性不同的特点,有利于认证指标的改善．     

手写签名过程中速度特征量的稳定性研究

手写签名鉴别属于人体生物特征鉴别领域的重要技术之一．根据汉字手写签名的特点，编程从手写板获取签名的动态数据，编写了提取手写签名多种速度特征值的程序，在统计的基础上，对手写签名过程中的瞬时速度、X轴向平均速度和Y轴向平均速度、最大速度出现的位置、极大速度首次出现的位置等特征量的稳定性进行了实验研究，得出了一些有用的结论．     

一种基于隐马尔可夫模型的在线手写签名认证算法

给出一种对签名特殊点的提取方法, 并以此特殊点作为签名的分割点, 获取每段中的重要特征进行分析. 在此基础上, 提出一种基于隐马尔可夫模型(HMM)的在线手写签名认证算法, 并利用第一届国际手写签名认证竞赛(SVC 2004)的测试数据库检验了算法的有效性.     

计算机汉字识别和静态手写汉字签名鉴定技术综述

经过训练、高质量的摹仿手写汉字签名给文件检验工作者提出了挑战,使传统的特征比对方法显得力不从心,据此本文提出采用计算机进行精确、快速的静态手写汉字签名鉴定。对于静态手写汉字签名鉴定,如何选择良好的特征和对选择的特征进行描述,使描述后的特征具有相对的稳定性,特征描述模型很好地反映书写者的生物特征而不是汉字本身的内容,是计算机静态手写汉字签名鉴定问题首先要解决的问题。     

文检视域下对触屏手写电子签名若干问题的思考

针对触屏手写电子签名这一新兴签名手段,从文件检验视角对其相关问题进行初步讨论,为业内分析此类签名字迹检验鉴定的可行性提供参考。对此从触屏手写电子签名形成的原理入手,通过与传统纸笔签名字迹的比较,梳理了触屏手写签名的字迹特点,并结合笔迹检验现状对触屏手写电子签名带来的若干问题进行了分析。认为触屏手写电子签名字迹在运笔特征与笔痕特征两方面有其特殊性,给传统笔迹检验带来了挑战,强调文检界应当重视此种签名手段,并探索检验鉴定的方法。     

结合数字签名与手写签名的电子文件认证方法

提出数字签名与手写签名相结合的复合签名认证方法,一方面用数字签名对个人手写签名动态特征数据进行封装,使其具有网上安全传递的保障;另一方面利用手写签名验证方法加强数字签名的认证作用,以弥补数字签名的不足．     

结合数字签名与手写签名的电子文件认证方法

提出数字签名与手写签名相结合的复合签名认证方法,一方面用数字签名对个人手写签名动态特征数据进行封装,使其具有网上安全传递的保障,另一方面利用手写签名验证方法加强数字签名的认证作用,以站数字签名的不足。     

一种基于手写签名的网络责任文件认证系统

研究一种网络责任文件认证系统。网络消息的认证通常采用基于公钥体制的数字签名方法．尽管数字签名在理论上已发展得较为成熟，但在应用方面仍存在若干不足考虑到手写签名验证方法在个人通信网络身份认证中的良好发展前景，采用将数字签名与手写签名相结合的方法，使系统既保留了数字筌名应有的特性，又具有手写签名对责任文件的认证作用。     

基于EMD和SVD的在线手写签名特征提取方法

为使在线手写签名认证的使用更具实用性,提出了一种基于经验模态分解(EMD)和奇异值分解(SVD)的在线手写签名特征提取方法.针对在线签名数据的坐标信息,以EMD分解所得的本征模态函数(IMF)分量为初始矩阵,并进行矩阵奇异值分解,以奇异值的能量值作为样本数据的特征分量构成用户特征向量,建立了基于支持向量数据描述(SVDD)的一类认证模型验证该方法效果.在SVC2004签名数据库上的实验结果表明:该方法提取的签名特征区分明显,使用少量的单类真实签名作为训练样本,得到FAR=3.38%,取得了较好的认证识别效果.     

基于滑动窗口的动态手写签名局部相关性研究

为了解决直接序列匹配中签名序列存在随机波动和时间轴方向非均匀伸缩,导致相关分析给出的匹配度不高的问题,提出了采用滑动窗口对真实签名进行局部相关性分析的方法.将手写签名按压力划分成若干笔段,研究笔段匹配算法;对分段后的数据序列用滑动窗口算法进行局部相关分析.算例显示,对不同的签名个体而言,总有一些笔段的相关性极高,最小相关系数都达到0.8甚至0.9以上,这些笔段,正是签名者的稳定的签名特征,无论是相关分析法还是特征矢量分类法,滑动窗口局部相关分析都是一种有效的算法.     

基于人工免疫模型的在线手写签名认证方法

提出一种采用人工免疫模型的在线手写签名认证方法,采集能表征签名者潜在手写习惯的最普遍的签名特征,利用人工免疫的自学习和自适应实现在较少训练样本的情况下获得具有更高区分度的手写签名模板。实验证明,该算法具有良好的训练效果,能获得较好的验证率和鉴别率。     

手写签名的概率神经网络识判模型

针对手写签名的随机性和信息的不完备性，提出了将Ｂａｙｅｓ网络与前馈神经网络相结合的概率神经网络模型，论述了建模的理论基础，模型结构，训练算法及其简化算法，概率神经网络可计算待测签名样本为真（或伪）签名的最大可能性，进而确定其所属类别。     

一种基于签名动态特征的特殊点提取算法

介绍了手写签名特征抽取和选择的一般方法,并在此基础上,提出了一种实用的签名笔迹特殊点提取算法。     

用于手写签名识别的演化超网络

手写签名作为易被大众所接受的生物特征身份认证方式,已成为模式识别领域一个重要研究热点.针对现有手写签名存在易模仿难鉴定的问题,提出一种结合演化超网络模型的手写签名认证方法.为了平滑噪声,构造出可读性强的笔迹特征集,采用向量化和平滑采集点的方法对手写签名样本进行预处理,从而提取出位置和方向特征属性,采用演化超网络模型对签名进行学习和鉴定.为验证该方法的有效性,对20个签名用户分别采集了40个真实签名和20个伪造签名数据进行实验.实验结果表明,该方法对用户签名的误拒率(false rejection rate,FRR)为4.75％,误纳率(false acceptance rate,FAR)为3.75％,识别率(verification accuracy,VA)为95.75％.同时和其他传统的识别算法相比,具有更高的识别率.     

基于小波包分析和SVM的在线手写签名鉴别

针对在线手写签名难以提取有效特征的实际情况,提出用小波包分解和单支重构来构造能量特征向量的方法,直接利用各频段成分能量的变化来反映签名的动态特征。给出了衡量各特征识别能力的Fisher准则,并且基于该准则剔除了识别能力差的特征,优化了特征空间。用该方法构造的特征向量能突出反映签名的动态特征。然后采用SVM对签名进行识别。实验证明:采用本文方法识别的正确率高达99.38%,错误拒绝率FRR=0.25%,错误接受率FAR=1.0%,其性能令人满意。     

基于PKI的多重签名及安全传输系统

分析了传统手写签名的一些弊端,详细介绍了一个基于公开密钥数字签名技术的文件签名、管理以及传输的公文管理系统,系统实现了对任意格式的电子文件进行多重签名及认证,可利用证书黑名单对证书的有效性进行检查,保障了签名的有效性,并给出了如何在通信中进行CRL验证的方法。     

基于全程信息和时间弯曲校正的签名认证

利用Wintab接口技术实现了对手写签名全程信息的实时采集，提出一种非线性局部寻优时间弯曲校正方法，解决了手写签名全程信息时间序列的时间轴弯曲现象，该校正方法不仅实现了对信息序列不同局部的非等强度校正，而且很地保持了序列的单调性和连续性，利用该校正方法在测试签名样本时获得了96％的身份认证正确率。     

基于主线段的签名下划线去除与笔画修复方法

手写签名图像中的下划线影响离线签名鉴伪准确率,为实现签名骨架图像中下划线的去除及笔画修复,提出基于主线段的直线段检测(MLSD)和限距修复(RDR)方法。首先将手写签名骨架化,通过Hough变换初步检测出签名骨架中的线段,然后基于主线段的信息从中检测下划线线段并进行像素标记,去除各下划线像素并在其8邻域内找到笔画起点和终点像素,计算各起点和终点像素距离,最终通过阈值判断进行笔画连接修复。实验结果表明,该方法可以有效检测出签名图像中的下划线,并对去除下划线后的笔画进行准确的修复。