专利名称：一种基于局部轮廓结构编码的笔迹鉴别方法
技术领域：
本发明涉及计算机自动生物鉴别技术领域，特别是一种与书写内容无关的基于局 部轮廓结构编码的笔迹鉴别方法，其属于笔迹鉴别领域。
背景技术：
笔迹鉴别是根据不同书写人的书写风格进行个人身份认证的一种技术。目前，尽 管人工笔迹鉴别已达到比较准确的地步，但人工鉴别易受鉴别人的情绪，身体状况等主、客 观因素的影响，而计算机自动笔迹鉴别却能弥补此缺陷，但计算机自动笔迹鉴别却仍是个难题。计算机笔迹鉴别主要分为文本依存与文本独立两种方法，文本依存方法与书写的 具体内容有关，从相同的字符中提取其特征，当只有少量笔迹字符时，具有较好的准确度， 常用于一对一的笔迹鉴别；文本独立方法与书写的具体内容无关，需从大量字符中提取出 反映书写风格的特征，常用于一对多的笔迹鉴别。在实际的笔迹鉴别中，所收集到的笔迹文 本，大多数书写内容各不相同，因此与书写内容无关的即文本独立的笔迹鉴别方法更加实 用。笔迹鉴别的关键问题在于笔迹特征的提取与比较。总的来说，对于文本独立的笔 迹鉴别方法所提取的特征主要分为两类一是纹理特征，其基于纹理块的纹理分析，其准确 度易受文本拼接方法的影响而不稳定；二是结构特征，例如笔迹文本行的倾斜度，字符间 的宽度等。但总体而言，以上方法大多提出笔迹文本的全局特征，涉及的局部特征很少，而 对于笔迹文本而言，个人笔迹是在长期书写过程中形成的固定写作风格，笔迹文本中的每 个字符都是由小笔段构成的，其小笔段也具有特定的风格，一个人的笔迹常由多种不同风 格的局部笔段组成，对于相同的笔迹，其局部笔段的轮廓结构往往呈现出相似性。
发明内容
本发明的目的是提供一种与书写内容无关的基于局部轮廓结构编码的笔迹鉴别 方法，主要解决笔迹文本的局部特征的提取与描述问题，能够实现笔迹的鉴别。为达到上述目的，本发明表述的一种基于局部轮廓结构编码的笔迹鉴别方法，其 关键是按以下步骤进行
步骤一(Si)预处理步骤
对需要检测的检材笔迹文档和用于对比的样本笔迹库中的样本笔迹文档进行扫描，将 扫描出的图像二值化，然后利用边缘检测算子获得以边缘轮廓图为表现形式的检材笔迹图 像和样本笔迹图像；
步骤二(S2)局部轮廓编码步骤 S2-1 样本编码
取一个(2n + l)x(2n + l)的网
格，η为中心到边缘的距离，η的取值由人工按笔迹的粗细确定，让该网格的中心点依次遍历样本笔迹图像的所有边缘轮廓像素点，形成m个内含边缘轮廓像素点的窗口，m为边缘轮 廓像素点的总数；
将每个窗口中的边缘轮廓像素点值记为1，非边缘轮廓像素点值记为O ；将每个窗口中 所包含的边缘轮廓像素点按连通域分成不同的局部轮廓，每个局部轮廓单独形成一个子窗 口，子窗口大小与原窗口相同 ，非局部轮廓的部分以O填充；对每个子窗口内的局部轮廓进 行二进制编码；
52-2检材编码
对检材笔迹图像按如S2-1所述的方法进行二进制编码； 步骤三(S3)特征提取步骤
53-1:样本特征提取
统计在S2-1中得到的每个样本编码出现的频次，将样本编码按样本频次进行降序排 列，如此排列的样本编码及样本频次构成一个序列，该序列作为样本笔迹的样本特征存入 鉴别样本库；
53-2:最优检材特征提取
对在S2-2中得到的检材编码，按S3-1的方法进行统计排列，如此排列的检材编码的序 号为i，i为自然数，取前K个检材编码及检材频次组成一个子序列，K S i, Kci,该子序列 即为检材笔迹的最优检材特征； 步骤四(S4)笔迹鉴别步骤
54-1从鉴别样本库中取出属于同一个样本笔迹的样本特征，找出与检材编码相同的 样本编码，按样本频次降序排列，取前K个样本编码及样本频次组成对比序列，不足K个的 以O填位，该对比序列即为此次取出的样本笔迹的对比特征；
S4-2 把在S3-2中得到的最优检材特征与在S4-1中得到的对比特征进行比较，得出这 一份样本笔迹的相似度；
S4-3 从鉴别库中取出下一份样本笔迹的样本特征，按S4-1与S4-2的方法与检材笔迹 的进行比，得出下一份样本笔迹的相似度；重复本步，直到没有与检材编码相同的样本编码 出现为止；
S4-4 把检材笔迹归属为相似度最高的样本笔迹的提供者。本发明是一种文本独立的基于局部轮廓结构特征的笔迹鉴别技术，为避免笔画粗 细对鉴别准确度带来的影响，本发明通过提取笔迹图像中所有字符边缘的局部轮廓的结构 特征来代替局部笔段的结构特征，不同风格的局部轮廓用不同的编码表示，通过统计笔迹 图像中的每种编码出现的频次来反映不同局部笔段出现的频率，该频次的序列即为当事人 笔迹的特征。最后通过对需要鉴定的检材笔迹特征与样本库中的笔迹特征进行比较，确定 检材笔迹的归属。本发明还可进一步具体为 所述的二进制编码的方法为
以子窗口的中心点为中心，与中心距离相同的所有邻域像素点归为一组，子窗口中心 到边缘的距离为n，则分为η组；每一组像素点从中心点所在的横轴正方的邻域点为起始 点，按逆时针方向把该组所有像素点的值组合成一个由0、1构成二进制编码。分组进行所述的二进制编码时，忽略掉不包含1和只包含一个1的二进制编码序列，用于提升鉴别的效率。将所述S2、S3、S4中的二进制编码转换成十进制编码，进行鉴别、排序及存储，用 于人工检查或调取。所述特征提取步骤中统计样本频次与检材频次的按比例进行计算的公式为
权利要求
1.一种基于局部轮廓结构编码的笔迹鉴别方法，其特征在于按以下步骤进行步骤一(Si)预处理步骤对需要检测的检材笔迹文档和用于对比的样本笔迹库中的样本笔迹文档进行扫描，将 扫描出的图像二值化，然后利用边缘检测算子获得以边缘轮廓图为表现形式的检材笔迹图 像和样本笔迹图像；步骤二(S》局部轮廓编码步骤S2-1 样本编码取一个(2n + :i)x(2n + l)的网格，η为中心到边缘的距离，η的取值由人工按笔迹的粗细确定，让该网格的中心点依次遍 历样本笔迹图像的所有边缘轮廓像素点，形成m个内含边缘轮廓像素点的窗口，m为边缘轮 廓像素点的总数；将每个窗口中的边缘轮廓像素点值记为1，非边缘轮廓像素点值记为0 ；将每个窗口中 所包含的边缘轮廓像素点按连通域分成不同的局部轮廓，每个局部轮廓单独形成一个子窗 口，子窗口大小与原窗口相同，非局部轮廓的部分以0填充；对每个子窗口内的局部轮廓进 行二进制编码；52-2检材编码对检材笔迹图像按如S2-1所述的方法进行二进制编码；步骤三(S3)特征提取步骤53-1:样本特征提取统计在S2-1中得到的每个样本编码出现的频次，将样本编码按样本频次进行降序排 列，如此排列的样本编码及样本频次构成一个序列，该序列作为样本笔迹的样本特征存入 鉴别样本库；53-2:最优检材特征提取对在S2-2中得到的检材编码，按S3-1的方法进行统计排列，如此排列的检材编码的序 号为i，i为自然数，取前K个检材编码及检材频次组成一个子序列，K <i, K C1,该子序列 即为检材笔迹的最优检材特征；步骤四(S4)笔迹鉴别步骤54-1从鉴别样本库中取出属于同一个样本笔迹的样本特征，找出与检材编码相同的 样本编码，按样本频次降序排列，取前K个样本编码及样本频次组成对比序列，不足K个的 以0填位，该对比序列即为此次取出的样本笔迹的对比特征；S4-2 把在S3-2中得到的最优检材特征与在S4-1中得到的对比特征进行比较，得出这 一份样本笔迹的相似度；S4-3 从鉴别库中取出下一份样本笔迹的样本特征，按S4-1与S4-2的方法与检材笔迹 的进行比，得出下一份样本笔迹的相似度；重复本步，直到没有与检材编码相同的样本编码 出现为止；S4-4 把检材笔迹归属为相似度最高的样本笔迹的提供者。
2.根据权利要求1所述的基于局部轮廓结构编码的笔迹鉴别方法，其特征在于所述 的二进制编码的方法为以子窗口的中心点为中心，与中心距离相同的所有邻域像素点归为一组，子窗口中心 到边缘的距离为n，则分为η组；每一组像素点从中心点所在的横轴正方的邻域点为起始 点，按逆时针方向把该组所有像素点的值组合成一个由0、1构成二进制编码。
3.根据权利要求2所述的基于局部轮廓结构编码的笔迹鉴别方法，其特征在于分组 进行所述的二进制编码时，忽略掉不包含1和只包含一个1的二进制编码序列，用于提升鉴 别的效率。
4.根据权利要求1所述的基于局部轮廓结构编码的笔迹鉴别方法，其特征在于将所 述S2、S3、S4中的二进制编码转换成十进制编码，进行鉴别、排序及存储，用于人工检查或 调取。
5.根据权利要求1所述的基于局部轮廓结构编码的笔迹鉴别方法，其特征在于所述 特征提取步骤中统计样本频次与检材频次的按比例进行计算的公式为
6.根据权利要求1所述的基于局部轮廓结构编码的笔迹鉴别方法，其特征在于所述 笔迹鉴别步骤中按欧式距离进行相似度计算的公式为将最优检材特征，即分组的前K个检材编码及检材频次构成的子序列记为 、θθ， =ι...κ，」=ρ..η;将此次取出的样本笔迹的对比特征并记为
7.根据权利要求1或5或6所述的基于局部轮廓结构编码的笔迹鉴别方法，其特征在 于所述K的取值区间为[14，16]。
全文摘要
本发明公开了一种基于局部轮廓结构编码的笔迹鉴别方法，它是一种文本独立的基于局部结构特征的笔迹鉴别新方法，包括预处理、局部轮廓编码、特征提取和笔迹鉴别四个步骤。本发明对检材笔迹和样本笔迹进行客观鉴别，提高了一对多笔迹鉴别检索的准确率，利用计算机笔迹进行个人身份认证，在金融，公安等多领域都有广泛的应用前景。
文档编号G06K9/54GK102096809SQ201110026769
公开日2011年6月15日 申请日期2011年1月25日 优先权日2011年1月25日
发明者唐远炎, 房斌, 文静, 陈俊霖 申请人:重庆大学