[论文解读] Signature Recognition using Multi Scale Fourier Descriptor And Wavelet Transform

Ismail A. Ismail, Mohamed A. Ramadan+2 more|arXiv (Cornell University)|Apr 7, 2010

Handwritten Text Recognition Techniques被引用 7

一句话总结

本文提出了一种新型的离线签名识别系统，结合多尺度傅里叶描述子与离散小波变换，从签名图像中提取鲁棒特征。通过将这些技术与多种距离度量相结合，该方法在真实数据集上实现了1%的平均错误率，展示了在个人身份验证中的高精度。

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

研究动机与目标

• 开发一种用于个人身份验证的高精度离线签名识别系统。
• 通过结合多尺度傅里叶描述子与小波变换，提升特征提取性能。
• 评估不同距离度量在区分真实签名与伪造签名方面的性能表现。
• 在真实世界数据上实现低错误率的签名识别。
• 为实际应用中的自动签名验证提供一种鲁棒且高效的方法。

提出的方法

• 从签名图像的轮廓中提取多尺度傅里叶描述子，以在不同分辨率下表示形状特征。
• 应用离散小波变换（DWT）将签名图像分解为子带，同时捕捉频率与空间信息。
• 通过组合多尺度下的傅里叶描述子系数与DWT系数，形成特征向量。
• 评估八种不同的距离度量用于比较特征向量，包括欧氏距离、马氏距离和明可夫斯基距离。
• 系统采用分类框架，通过参考数据库中最近似匹配来判定签名的真实性。
• 在真实签名数据集上进行训练与测试，以评估识别准确率。

实验结果

研究问题

• RQ1 多尺度傅里叶描述子与小波变换的结合在表示签名特征方面有多高效？
• RQ2 在比较特征向量时，哪种距离度量能实现最佳识别性能？
• RQ3 所提出的方案能否在真实数据上实现低错误率的离线签名识别？
• RQ4 多尺度分析如何增强签名表征的鲁棒性？
• RQ5 小波分解对区分真实签名与伪造签名有何影响？

主要发现

• 所提方法在真实签名数据集上实现了1%的平均错误率，表明识别精度极高。
• 与单尺度或单变换方法相比，多尺度傅里叶描述子与小波变换的结合显著提升了特征表征能力。
• 在所测试的八种距离度量中，马氏距离等某些度量在最小化误接受率与误拒绝率方面表现更优。
• 多尺度分析的使用增强了系统捕捉签名全局与局部特征的能力。
• 小波变换的集成通过捕捉签名图像中的纹理与边缘变化，提升了判别能力。
• 结果证实，所提出的特征提取流程在实际离线签名验证应用中具有高效性。