基于LBP和深度学习的手写签名识别算法

• 作者: 桑庆兵 马小晴
• 来源期刊: 量子电子学报
• 学科: 工学
• 关键词: 图像处理 手写签名识别 深度学习 深度信念网络 局部二值模式
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 图像与信息处理
• 页码范围: 23-31
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1007-5461.2017.01.004

摘要

为优化手写签名识别算法性能,提出了一种局部二值模式(LBP)和深度学习相结合的手写签名识别算法.针对签名图像进行预处理、维纳滤波去除噪声;将预处理签名图像分为3×4子块,LBP应用于分块后的每个子图像,并将每个子块的纹理直方图特征连接起来,形成全局直方图特征;将得到的特征向量作为深度信念网络(DBN)的输入,逐层训练网络,并在顶层形成分类面,对签名图片进行识别.基于GPDS、MCYT及原创数据库进行实验,识别率误差分别为5.S5％、9.3％、1.17％,有效提高了手写签名的识别精度,符合实际应用的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	桑庆兵	江南大学物联网工程学院	50	566	9.0	23.0
2	马小晴	江南大学物联网工程学院	2	19	1.0	2.0