签名是一种使用广泛的识别身份的生物特征,基于手写签名的身份鉴别在金融、军事、商业、通信、办公自动化、工程文件等领域有广泛的应用前景,签名鉴别技术的研究对于实际应用和科技进步有着重要的意义。本文首先分析了手写签名鉴别的应用背景、发展历史及国内外研究动态,探讨了签名鉴别问题的性质和脱机中文签名鉴别实现的难点,对脱机中文签名鉴别的一些关键技术和主要算法做了深入的研究和尝试,设计并开发了一个脱机中文签名鉴别系统。 主要的研究工作有: 签名图像的预处理和特征提取阶段,在查阅了很多资料后,深入研究了现有算法,本文中签名的预处理大多采用现有的适用于脱机中文签名鉴别的成熟算法,在特征提取时,提取了签名的静态形状特征和伪动态特征,并提出了一种新的伪动态特征,即签名的高灰度稳定区特征。 特征提取后,本文进行了特征选择。文本提出并采用了一种将概率距离法中的Bhattacharyya距离和特征本身因素综合起来考虑的方法,得到8个特征值,目的是为了缩短鉴别时间,尤其是神经网络分类鉴别时的时间。 比较决策阶段采用了5种分类鉴别的方法。首先分别采用了K-NN法、加权欧氏距离法进行分类鉴别,接下来,深入地分析了神经网络的模式分类原理,算法的一般理论,研究并且比较了BP神经网络和径向基神经网络的优缺点,设计并实现了基于中文签名图像的两种神经网络分类器,试验表明径向基分类效果优于BP。最后,对支撑矢量机做了深入的剖析,将拉格朗日支撑矢量机(LSVM)鉴别方法运用于脱机中文签名鉴别。LSVM算法较标准的SVM算法来说,速度更快,更易于实现,效果比较理想。