计算机工程与科学

作者：韩辉, 麦合甫热提, 吾尔尼沙·买买提, 朱亚俐, 库尔班·吾布力,

单位：1.新疆大学信息科学与工程学院，新疆 乌鲁木齐 830046；2.新疆多语种信息技术重点实验室，新疆 乌鲁木齐 830046；3.新疆大学教务处，新疆 乌鲁木齐 830046

关键词：多文种,手写签名识别,Gist特征,IPCA算法,SVM,

基金：国家自然科学基金(61862061,61563052,62061045)；新疆大学博士启动基金(BS180268)；新疆维吾尔自治区研究生科研创新项目(XJ2019G064,XJ2020G064)

由于离线手写签名图像有效的笔画部分普遍比较稀疏，存在大量的无效白色背景，目前常用的特征描述方法会使得得到的特征数据存在大量冗余，影响识别准确率。识别准确率的提高，需要依赖大量的训练数据和提取多个特征并进行融合，但这样又会因特征数据过多和维度过大而造成计算困难，影响识别效率。为此，提出了一种基于Gist和IPCA算法的多文种离线手写签名识别方法，利用Gist特征聚焦图像的整体布局和笔画部分，同时利用IPCA算法的批处理能力来提高识别效果和运行效率。使用中、英、维3种语言的实验数据集，并使用SVM分类器进行识别实验。结果显示，3个数据集上的识别准确率分别为97.97%,98.43%和97.19%，3种数据混合后的识别准确率为97.70%。经过对比分析可知，提出的方法与之前的相关方法相比明显较优。

来源：2022年第11期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第11期