[논문 리뷰] Signature Recognition using Multi Scale Fourier Descriptor And Wavelet Transform

Ismail A. Ismail, Mohamed A. Ramadan외 2명|arXiv (Cornell University)|2010. 04. 07.

Handwritten Text Recognition Techniques인용 수 7

한 줄 요약

이 논문은 다중 척도 푸리에 기술자와 이산 웨이블릿 변환을 사용하여 서명 이미지에서 강력한 특징을 추출하는 새로운 오프라인 서명 인식 시스템을 제안한다. 이러한 기술들을 다양한 거리 측정 방법과 조합함으로써, 실제 데이터셋에서 평균 오류율 1%의 낮은 수준을 달성하여 개인 신원 확인에서 높은 정확도를 입증한다.

ABSTRACT

This paper present a novel off-line signature recognition method based on multi scale Fourier Descriptor and wavelet transform . The main steps of constructing a signature recognition system are discussed and experiments on real data sets show that the average error rate can reach 1%. Finally we compare 8 distance measures between feature vectors with respect to the recognition performance. Key words: signature recognition; Fourier Descriptor; Wavelet transform; personal verification

연구 동기 및 목표

• 실제 개인 신원 확인을 위한 정확한 오프라인 서명 인식 시스템을 개발하기 위해.
• 다중 척도 푸리에 기술자와 웨이블릿 변환을 융합하여 특징 추출을 향상시키기 위해.
• 진짜 서명과 위조 서명을 구별하는 데 있어 다양한 거리 측정 방법의 성능을 평가하기 위해.
• 실제 데이터를 사용한 오프라인 서명 인식에서 낮은 오류율을 달성하기 위해.
• 실제 응용 분야에서 자동 서명 검증을 위한 강력하고 효율적인 방법을 제공하기 위해.

제안 방법

• 서명 이미지 윤곽에서 다중 척도 푸리에 기술자를 추출하여 다양한 해상도에서 모양 특성을 표현한다.
• 이산 웨이블릿 변환(DWT)을 적용하여 서명 이미지를 하위 대역으로 분해함으로써 주파수 및 공간 정보를 모두 캡처한다.
• 다양한 척도에서 푸리에 기술자 계수와 DWT 계수를 조합하여 특징 벡터를 형성한다.
• 유클리드, 마할라노비스, 민코프스키 거리 등 8종의 다양한 거리 측정 방법을 특징 벡터 비교에 대해 평가한다.
• 분류 프레임워크를 사용하여 기준 데이터베이스에서 가장 가까운 매칭 결과를 기반으로 서명의 진위를 판단한다.
• 학습 및 테스트를 위해 실제 서명 데이터셋을 사용하여 인식 정확도를 평가한다.

실험 결과

연구 질문

• RQ1 다중 척도 푸리에 기술자와 웨이블릿 변환의 조합이 서명 특징을 얼마나 효과적으로 표현하는가?
• RQ2 특징 벡터를 비교할 때 어떤 거리 측정 방법이 가장 높은 인식 성능을 보이는가?
• RQ3 제안된 방법이 실제 데이터를 사용한 오프라인 서명 인식에서 낮은 오류율을 달성할 수 있는가?
• RQ4 다중 척도 분석은 서명 표현의 강건성에 어떻게 기여하는가?
• RQ5 웨이블릿 분해는 진짜 서명과 위조 서명을 구별하는 데 어떤 영향을 미치는가?

주요 결과

• 제안된 방법은 실제 서명 데이터셋에서 평균 오류율 1%를 달성하여 높은 인식 정확도를 나타낸다.
• 다중 척도 푸리에 기술자와 웨이블릿 변환의 조합은 단일 척도 또는 단일 변환 방법보다 특징 표현 능력이 크게 향상됨을 확인하였다.
• 평가된 8종의 거리 측정 방법 중 마할라노비스 거리와 같은 일부 측정 방법이 거짓 수락 및 거짓 기각 비율을 최소화하는 데 뛰어난 성능을 보였다.
• 다중 척도 분석의 활용은 시스템이 서명의 전반적 특징과 국소적 특징을 모두 포착하는 능력을 향상시킨다.
• 웨이블릿 변환의 통합은 서명 이미지의 질감 및 에지 변화를 캡처함으로써 분류 성능 향상에 기여한다.
• 결과는 제안된 특징 추출 파이프라인의 실용적인 오프라인 서명 검증 응용 분야에서 효과적임을 확인한다.