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．     

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。     

基于极角特征匹配的动态签名鉴别算法

基于签名质心和黄金分割质心建立极坐标系, 并提取签名极角特征中相对稳定的极值点序列作为笔段分隔点给出一种签名鉴别算法. 提出了改进的动态时间规整(DTW)算法, 通过该算法将待测样本和签名模板依分隔点的对应关系按段进行动态匹配, 得到最优匹配方案和最佳相似度, 从而降低了误拒率. 算法经JLU DHSDB2.0签名数据库测试, 识别等错率达到4.25%.     

基于加权动态匹配方法的联机签名鉴别

提出了在微机 Ｗｉｎｄｏｗ ｓ 环境下,联机签名鉴别的一种新方法。该方法的训练部分以普通动态匹配方法确定签名轨迹的点对对应关系,并以此为基础从真实签名样本训练得到标准模板、局部稳定性和判决门限。该方法的鉴别部分采用加权动态匹配,较好地弥补了普通动态匹配在签名鉴别这一特殊应用中的不足。该鉴别算法简单而高效,真实样本和非专业伪造样本的鉴别准确率达到９２％     

在线手写签名的识别算法

提出一种手写签名的数学模型, 借鉴动态规划的思想进 行时序匹配. 引入加权H¹模的距离计算公式, 用以度量输入签名与样本签名的 差异 , 经实践检验识别算法的有效性.     

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。     

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.     

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.     

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。     

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。     

在线手写签名组合最相似笔段的识别算法

在线手写签名识别是通过人的生物特征进行身份验证的技术.提出一种基于笔画样本库的识别方法,避免了动态特征点提取、时序段匹配等方法由于书写环境和人物即时的生理特性所带来的问题,同时针对每一笔画的稳定性提出了加权距离计算公式.实验证明该方法行之有效,在保证高识别率的同时又降低了误拒率.     

基于径向基网络的手写签名辨识研究

手写签名应用广泛,为验证签名者身份,利用径向基网络的特性,构建径向基网络模型,利用自组织学习基函数的中心和方差,以及有监督的学习权值的办法来训练网络.将训练好的网络用于手写签名的真伪辨识.并给出了仿真实例,证明该方法切实可行.     

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.     

手写签名鉴别的发展趋势

随着计算机技术和自动识别技术的飞速发展,手写签名鉴别取得了长足发展,应用范围涉及信用卡签字、电子商务、合同、银行支票等各个方面,成为人们生活中不可缺少的一部分。目前,手写签名鉴别的发展主要分别为：计算机自动签名识别、仪器分析鉴别、对书写时间的鉴定等。签名鉴别会朝着数据融合的方向发展,利用数据融合技术,综合各种鉴定方法,提高签名鉴定的正确率。     

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．     

基于模板匹配的手写字符识别技术实现

在传统的图像处理程序中,由于没有标准的API,往往会造成编码量大,效率又不高的结果．而OpenCV提供了统一的API,为后续的图像处理提供了极大的便利,在这里首先介绍了在VC＋＋6．0下安装、配置OpenCV（这里主要指的是OpenCV1．0版本）环境,以及建立OpenCV下的VC＋＋6．0应用程序框架．在模板数据库建立的过程中,首先将模板图片进行二值化,将特征值提取出来,存入模板库,从而完成模板数据库建立,再根据模板数据库对目标图片进行比对的过程中,将该目标图片的特征值与模板数据库中的所有特征值进行比对并计算相似度,进而针对相同字符的不同模板计算该相似度的期望和方差,根据计算所得的期望和方差得到最匹配的字符,即最终结果．     

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     

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，对于判别或值的确定给出了一个基于参数估计的解析法。     

基于椭圆曲线的代理盲签名方案

利用多元线性变换来说明签名协议过程中各种变量之间的转化关系,提出了一种基于椭圆曲线的代理盲签名方案.作为特例,列举了4种ElGamal型签名相应的代理盲签名方案,并对所提出方案的安全性进行了分析.分析结果表明,通过选取不同的参数组合,可以得到不同的方案,从而使得代理盲签名方案具有较大的选择空间,可广泛应用于有匿名性要求的领域.