手写签名图像真伪鉴别模型建立方法及真伪鉴别方法技术

本发明专利技术公开了一种手写签名图像真伪鉴别模型建立方法及真伪鉴别方法，该方法通过掩模剪裁方式对签名图像进行预处理，通过分别提取签名图像基于SURF特征与基于笔划区域的P‑ULBP特征的视觉词汇直方图，并将两个视觉词汇直方图进行拼接，构造最终的视觉词汇直方图，采用分类器构建手写签名图像真伪鉴别模型，再利用该模型进行图像真伪鉴别；其中通过掩模剪裁的方式，有效解决了当前方法原始图像细节信息丢失的问题，最大程度的保留了图像签名部位的信息；通过提取P‑ULBP特征，有效的解决了传统ULBP算子在签名图像特征提取中，有效信息实际占比低的问题，提高了离线手写签名真伪鉴别方法的鲁棒性。

Establishment of Authenticity Model for Handwritten Signature Image and Authenticity Identification Method

The invention discloses a method for establishing a model for authenticity and authenticity identification of handwritten signature images. The method preprocesses signature images by means of mask clipping, extracts visual vocabulary histograms based on SURF features and P_ULBP features of signature images respectively, and combines two visual vocabularies. Histogram splicing is used to construct the final visual vocabulary histogram, and classifier is used to construct the handwritten signature image authenticity identification model, then the model is used to identify the authenticity of the image; among them, the problem of losing details of the original image in the current method is effectively solved by the way of mask clipping, and the problem of losing details of the original image is retained to the greatest extent. By extracting P_ULBP features, the problem of low proportion of effective information in signature image feature extraction by traditional ULBP operators is effectively solved, and the robustness of off-line handwritten signature authenticity detection method is improved.

【技术实现步骤摘要】
手写签名图像真伪鉴别模型建立方法及真伪鉴别方法
本专利技术涉及手写签名真伪鉴别方法，具体涉及一种手写签名图像真伪鉴别模型建立方法及真伪鉴别方法。
技术介绍
“生物测定学”是一种利用人的生理或行为等生物特征来进行个人身份鉴定的学科，目前，诸如指纹、掌纹、虹膜以及视网膜等生物特征都已广泛应用于身份识别，以增强安全性和隐私性。作为生物特征的一种，手写签名不仅具有稳定性和不变性的特点，而且具有采集过程为非侵入性的优势，因此手写签名系统广泛应用于商业、司法、政府部门等领域。根据签名获取的方式不同，签名真伪鉴别分为在线(on-line)签名鉴别和离线(off-line)签名鉴别。在线签名鉴别是指在书写者书写的过程中，使用专门的输入设备(如手写板)实时记录书写人书写过程中的书写速度、握笔姿势、笔画书写顺序等实时动态信息作为签名特征，从而使签名鉴别有较高的准确率；离线签名鉴别是通过扫描仪输入签名样本，处理整幅手写签名的图像，通过提取诸如签名高宽比等与时间无关的静态特征来判别书写人身份。与在线笔迹鉴别相比，离线笔迹鉴别无法捕捉写字过程中的动态信息，因此准确率较低，鉴别起来更为困难。但是，离线签名鉴别不需要特别的样本输入设备，应用范围更广，更加具有使用价值。传统的预处理方法，如签名图像二值化、平滑、去噪、压缩签名、骨架提取等方法都不可避免的导致了签名图像信息的丢失；而传统的特征提取方法，通常都是直接提取整幅输入图像上的特征，将角点特征(如SURF特征)、灰度特征(如LBP特征、HOG特征)提取后，进行直接的拼接，继而训练分类器。这不可避免的产生了如下两个问题：一方面，签名图像中大部分空间为空白区域，只在笔迹处具有特征，针对整幅图像提取特征会造成特征冗余；另一方面，通常不同的特征维度是不同的，直接拼接必然难以取得理想的效果。
技术实现思路
本专利技术的目的在于提供一种手写签名图像真伪鉴别模型建立方法及真伪鉴别方法，用以解决现有技术对手写签名真伪进行鉴别时特征提取时冗余信息较多，特征提取精度低导致签名鉴别结果不稳定的问题。为了实现上述任务，本专利技术采用以下技术方案：一种手写签名图像真伪鉴别模型建立方法，方法包括：步骤1、采集多张手写签名图像，并为每张手写签名图像进行标签标记，所述的标签包括[1]代表真迹以及[0]代表伪迹；步骤2、采用掩模裁剪的方式对所述的手写签名图像进行预处理，获得预处理后的手写签名图像；步骤3、对所述的预处理后的手写签名图像中含有手写签名的区域提取ULBP特征，获得预处理后的手写签名图像的P-ULBP特征，所述的P-ULBP特征为所有含有手写签名的区域的ULBP特征的集合；步骤4、建立预处理后的手写签名图像的SURF特征视觉词汇直方图，建立预处理后的手写签名图像的P-ULBP特征视觉词汇直方图；步骤5、将所述的P-ULBP特征视觉词汇直方图与所述的SURF特征视觉词汇直方图首尾拼接，获得手写签名图像视觉词汇直方图；步骤6、将多个手写签名图像视觉词汇直方图转换为向量形式作为输入，将多个手写签名图像对应的多个标签作为输出对分类器进行训练，获得手写签名图像真伪鉴别模型。进一步地，所述的步骤2，包括以下步骤：步骤21、对所述的手写签名图像进行图像增强，获得增强后的手写签名图像；步骤22、对所述的增强后的手写签名图像进行膨胀，获得膨胀后的手写签名图像；步骤23、对所述的膨胀后的手写签名图像进行滤波，获得掩模图像；步骤24、利用所述的掩模图像对所述的手写签名图像进行裁剪，获得预处理后的手写签名图像。进一步地，采用直方图均衡化的方式对所述的手写签名图像进行图像增强，采用中值滤波对所述的膨胀后的手写签名图像进行滤波。进一步地，所述的步骤3，包括以下步骤：步骤31、在所述预处理后的手写签名图像中设定2n×2n的滑动窗口，n>＝1；步骤32、使所述的滑动窗口以步长n进行滑动，检测当前滑动窗口中是否含有所述的手写签名，若当前滑动窗口中含有所述的手写签名，则执行步骤33；若当前滑动窗口中没有所述的手写签名，则执行步骤34；步骤33、提取当前滑动窗口内部的ULBP特征向量；步骤34、判断所述的滑动窗口是否在所述预处理后的手写签名图像中遍历一遍，若没有遍历一遍，则返回步骤32，若已经遍历了一遍，获得预处理后的手写签名图像内所有滑动窗口中的ULBP特征向量，获得所述预处理后的手写签名图像的P-ULBP特征向量。进一步地，检测当前滑动窗口中是否含有所述的手写签名的方法为检测当前滑动窗口的像素值是否全为255，若像素值全为255，则当前滑动窗口为空白窗口，不包含手写签名；若像素值不全为255，则当前滑动窗口中包含手写签名。进一步地，建立预处理后的手写签名图像的SURF特征视觉词汇直方图，包括以下步骤：A、对所述的预处理后的手写签名图像提取SURF特征，获得SURF特征向量；B、在所述的SURF特征向量中设置N个第一初始聚类中心进行聚类，获得N个第一最终聚类中心，将所述的第一最终聚类中心作为SURF视觉词汇，N>＝1；C、将所述的每一个SURF特征向量归入与其具有最短欧氏距离的SURF视觉词汇标签下，统计每个所述SURF视觉词汇标签下SURF特征向量的个数，获得SURF视觉词汇向量；D、采用TF-IDF方法为所述SURF视觉词汇向量中每一个元素进行加权并转换成直方图的形式，建立所述SURF特征视觉词汇直方图。进一步地，建立预处理后的手写签名图像的P-ULBP特征视觉词汇直方图，包括以下步骤：a、设置M个第二初始聚类中心对所述的P-ULBP特征向量进行聚类，获得M个第二最终聚类中心，将所述的第二最终聚类中心作为P-ULBP视觉词汇，M>＝1；b、将所述的每一个P-ULBP特征向量归入与其具有最短欧氏距离的P-ULBP视觉词汇标签下，统计每个所述P-ULBP视觉词汇标签下P-ULBP特征向量的个数，获得P-ULBP视觉词汇向量；c、采用TF-IDF方法为所述P-ULBP视觉词汇向量中每一个元素进行加权并转换成直方图的形式，获得所述P-ULBP特征视觉词汇直方图。进一步地，采用K-means聚类算法对所述的SURF特征向量进行聚类，获得N个所述的SURF视觉词汇；采用K-means聚类算法对所述的P-ULBP特征向量进行聚类，获得M个所述的P-ULBP视觉词汇。进一步地，所述的分类器为支持向量机。一种手写签名图像真伪鉴别方法，方法包括：利用本专利技术所述的手写签名图像真伪鉴别模型对经过所述步骤2-5处理的待鉴别手写签名图像进行鉴别。本专利技术与现有技术相比具有以下技术特点:1、在预处理方面，本专利技术提供的方法相对于传统的图像二值化、平滑、骨架化等签名真伪鉴别预处理方法，采用掩模剪裁的方式，最大程度的保留了原始签名图像中的笔划处特征。2、在特征提取方面，本专利技术提供的方法相对于传统的uniformLBP特征提取方法，考虑到签名图像大部分为空白区域，只在笔划处具有纹理特征的特点，因此提取签名图像的P-ULBP特征，克服了提取到的特征精确度低，冗余信息太多的问题。3、本专利技术提供的方法采用基于双词袋模型的离线签名提取方案，避免了特征维度差异大的多特征直接拼接对鉴别结果的影响。附图说明图1为本专利技术提供的手写签名图像离线真伪鉴别本文档来自技高网...

【技术保护点】
1.一种手写签名图像真伪鉴别模型建立方法，其特征在于，方法包括：步骤1、采集多张手写签名图像，并为每张手写签名图像进行标签标记，所述的标签包括[1]代表真迹以及[0]代表伪迹；步骤2、采用掩模裁剪的方式对所述的手写签名图像进行预处理，获得预处理后的手写签名图像；步骤3、对所述的预处理后的手写签名图像中含有手写签名的区域提取ULBP特征，获得预处理后的手写签名图像的P‑ULBP特征，所述的P‑ULBP特征为所有含有手写签名的区域的ULBP特征的集合；步骤4、建立预处理后的手写签名图像的SURF特征视觉词汇直方图，建立预处理后的手写签名图像的P‑ULBP特征视觉词汇直方图；步骤5、将所述的P‑ULBP特征视觉词汇直方图与所述的SURF特征视觉词汇直方图首尾拼接，获得手写签名图像视觉词汇直方图；步骤6、将多个手写签名图像视觉词汇直方图转换为向量形式作为输入，将多个手写签名图像对应的多个标签作为输出对分类器进行训练，获得手写签名图像真伪鉴别模型。

【技术特征摘要】
1.一种手写签名图像真伪鉴别模型建立方法，其特征在于，方法包括：步骤1、采集多张手写签名图像，并为每张手写签名图像进行标签标记，所述的标签包括[1]代表真迹以及[0]代表伪迹；步骤2、采用掩模裁剪的方式对所述的手写签名图像进行预处理，获得预处理后的手写签名图像；步骤3、对所述的预处理后的手写签名图像中含有手写签名的区域提取ULBP特征，获得预处理后的手写签名图像的P-ULBP特征，所述的P-ULBP特征为所有含有手写签名的区域的ULBP特征的集合；步骤4、建立预处理后的手写签名图像的SURF特征视觉词汇直方图，建立预处理后的手写签名图像的P-ULBP特征视觉词汇直方图；步骤5、将所述的P-ULBP特征视觉词汇直方图与所述的SURF特征视觉词汇直方图首尾拼接，获得手写签名图像视觉词汇直方图；步骤6、将多个手写签名图像视觉词汇直方图转换为向量形式作为输入，将多个手写签名图像对应的多个标签作为输出对分类器进行训练，获得手写签名图像真伪鉴别模型。2.根据权利要求1所述的手写签名图像真伪鉴别模型建立方法，其特征在于，所述的步骤2、预处理包括以下步骤：步骤21、对所述的手写签名图像进行图像增强，获得增强后的手写签名图像；步骤22、对所述的增强后的手写签名图像进行膨胀，获得膨胀后的手写签名图像；步骤23、对所述的膨胀后的手写签名图像进行滤波，获得掩模图像；步骤24、利用所述的掩模图像对所述的手写签名图像进行裁剪，获得预处理后的手写签名图像。3.根据权利要求2所述的手写签名图像真伪鉴别模型建立方法，其特征在于，采用直方图均衡化的方式对所述的手写签名图像进行图像增强，采用中值滤波对所述的膨胀后的手写签名图像进行滤波。4.根据权利要求1所述的手写签名图像真伪鉴别模型建立方法，其特征在于，所述的步骤3，包括以下步骤：步骤31、在所述预处理后的手写签名图像中设定2n×2n的滑动窗口，n>＝1；步骤32、使所述的滑动窗口以步长n进行滑动，检测当前滑动窗口中是否含有所述的手写签名，若当前滑动窗口中含有所述的手写签名，则执行步骤33；若当前滑动窗口中没有所述的手写签名，则执行步骤34；步骤33、提取当前滑动窗口内部的ULBP特征向量；步骤34、判断所述的滑动窗口是否在所述预处理后的手写签名图像中遍历一遍，若没有遍历一遍，则返回步骤32，若已经遍历了一遍，获得预处理后的手写签名图像内所有滑动窗口中的ULBP特征向量，获得所述预处理后的手写签名图像的P-ULBP特征向量。5.根据权利要求...

【专利技术属性】
技术研发人员：张敏，赵妍，冯筠，郭军，吕毅，崔磊，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西,61