ЛОКАЛЬНАЯ КРИВИЗНА КАК СТРУКТУРНЫЙ ПРИЗНАК ВЕРИФИКАЦИИ СТАТИЧЕСКОЙ ПОДПИСИ
Akhundjanov Umidjon Yunus ugli, Candidate of Technical Sciences, Head of Department, Fergana Branch of Tashkent University of Information Technologies named after Muhammad al-Khorazmi e-mail: axundjanov_90@mail.ru
Ключевые слова:
кривизна, рукописная подпись, корреляцияАннотация
Аннотация. В работе предложен новый признак описания цифрового изображения рукописной подписи на базе частотного распределения значений локальной кривизны контуров этой подписи. Подробно описывается вычисление этого признака на бинарном изображении подписи. Формируется нормализованная гистограмма распределений значений локальной кривизны для 40 интервалов. Частотные значения, записанные в виде 40-мерного вектора, названы кодом локальной кривизны подписи.
Экспериментальные исследования выполнены на оцифрованных изображениях подлинных и фальшивых подписей из двух баз. Точность автоматической верификации подписей на общедоступной базе CEDAR составила 99,77 %, а на базе TUIT 88,62%.
Библиографические ссылки
Lin W. Y. et al. Robust and accurate curvature estimation using adaptive line integrals // EURASIP Journal on Advances in Signal Processing. – 2010. – Vol. 2010. – P. 1–14. doi:10.1155/2010/240309
Gadermayr M. et al. Shape curvature histogram: A shape feature for celiac disease diagnosis // Medical Computer Vision. Large Data in Medical Imaging: Third International MICCAI Workshop, MCV 2013, Nagoya, Japan, September 26, 2013, Revised Selected Papers 3. – Springer International Publishing, 2014. – P. 175–184.
Han J. H., Poston T. Chord-to-point distance accumulation and planar curvature: a new approach to discrete curvature // Pattern Recognition Letters. – 2001. – Vol. 22, №. 10. – P. 1133–1144.
Arica N., Vural F. T. Y. BAS: a perceptual shape descriptor based on the beam angle statistics // Pattern Recognition Letters. – 2003. – Vol. 24, №. 9-10. – P. 1627–1639.
Coeurjolly D., Miguet S., Tougne L. Discrete curvature based on osculating circle estimation // 4-th International Workshop on Visual Form, IWVF4 Capri, Italy, May 28–30, 2001 Proceedings. – Springer Berlin Heidelberg, 2001. – P. 303–312.
Cazals F., Pouget M. Estimating differential quantities using polynomial fitting of osculating jets // Computer Aided Geometric Design. – 2005. – Vol. 22, №. 2. – P. 121–146. https://doi.org/10.1016/j.cagd.2004.09.004
Gao D. Integrating 3D seismic curvature and curvature gradient attributes for fracture characterization: Methodologies and interpretational implications // Geophysics. – 2013. – Vol. 78. – №. 2. – P. O21–O31. https://doi.org/10.1190/geo2012-0190.1
Chen He X., Yung N. H. C. Corner detector based on global and local curvature properties // Optical Engineering. – 2008. – Vol. 47, №. 5. – P. 057008–057008–12. https://doi.org/10.1117/1.2931681
Zhang W. et al. Discrete curvature representations for noise robust image corner detection // IEEE Transactions on Image Processing. – 2019. – Vol. 28, №. 9. – P. 4444–4459. doi:10.1109/tip.2019.2910655
Worring M., Smeulders A. W. M. Digital curvature estimation // CVGIP: Image Understanding. – 1993. – Vol. 58, №. 3. – P. 366–382. https://doi.org/10.1006/ciun.1993.1048
Tong W. S., Tang C. K. Robust estimation of adaptive tensors of curvature by tensor voting // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2005. – Vol. 27, №. 3. – P. 434–449.
Flynn P. J., Jain A. K. On reliable curvature estimation // Proc. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 1989. Vol. 88. – P. 5–9.
Guerbai Y., Chibani Y., Hadjadji B. The effective use of the one SVM classifier for handwritten signature verification based on writer-independent parameters // Pattern Recognition. – 2015. – Vol. 48, №. 1. – P 103–113.
Alam S. et al. One-class support vector classifiers: A survey // Knowledge-Based Systems. – 2020. – Vol. 196. – P. 105754. doi: https://doi.org/10.1016/j.knosys.2020.105754.
Ахунджанов У.Ю., Старовойтов В.В. Предварительная обработка изображений рукописных подписей для последующего распознавания // Системный анализ и прикладная информатика. – 2022. – № 2. – С. 4–9.
Старовойтов В.В., Ахунджанов У.Ю. Новый признак для описания изображений рукописной подписи на базе локальных бинарных шаблонов // Информатика. – 2022. – Т. 19, № 3. – С. 62–73. https://doi.org/10.37661/1816-0301-2022-19-3-62-73
Загрузки
Дополнительные файлы
Опубликован
Как цитировать
Лицензия
Copyright (c) 2024 Умиджон Ахунджанов
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
