基于ARM的文本獨立筆跡鑒別系統(tǒng)設計

3.2 利用Gabor濾波器進行特征提取

筆跡信息進行預處理后需要分析筆跡圖像的紋理特征，由于每個人的書寫風格不同，書寫的筆跡信息具有較強的方向性和頻譜特征，需要采用時間頻域分析。系統(tǒng)上位機部分采用二維Gabor濾波器進行特征提取，Gabor變換是1946年D.Gabor為解決傅立葉變換對分析非平穩(wěn)信號有很大局限性而提出來的。二維Gabor函數(shù)具有方向選擇性和帶通性，能同時在時域和頻域中兼顧對信號分析的需求，可以比較精確地提取圖像的局部問題特征，相當于一種帶通濾波器。紋理圖像可類比為有周期性規(guī)律的信號，其能量集中在一定頻率范圍內。如果紋理圖像的能量與Gabor濾波器的通頻帶吻合，那么這部分的信號就得到放大。在紋理分析中常用的Gabor變換公式：

其中u，v分別為在x，y軸方向上的空間頻率;g(x，y)為Gauss函數(shù)。設置Gabor濾波器的3個參數(shù)為：徑向中心頻率f，方向θ和空間常數(shù)σ。選擇不同的參數(shù)會構成不同的通道，它們組成了一組非正交基。實驗中取σ=2π/f，相位角θ取0，π/4、π/2，3π/4，用這組基展開信號可以得到筆跡圖像在不同的頻率和相位下的頻域信息。

3.3 聚類SVM分類器進行鑒別

SVM是一種旨在通過有限的樣本學習，得到最好的推廣效果的統(tǒng)計分類方法，它可以根據(jù)有限的筆跡樣本信息在模型的復雜性和機器學習能力之間尋求最優(yōu)方法。筆跡鑒別是一種多類問題，可以通過構造決策函數(shù)，實現(xiàn)多類問題轉化為兩類問題。SVM可以根據(jù)兩類樣本數(shù)據(jù)尋求問題解決的最優(yōu)分類面，可以使分類間隔達到最大，準確度達到最高。系統(tǒng)中我們采用第k個分類器由包括第k類樣本和不屬于第k類的所有樣本兩部分組成，將n類問題轉化為n個兩類問題的方法，構造解決多類筆跡問題的分類器算法：

其中，x是輸入的筆跡信息，fk(x)是第k類分類函數(shù)。通過對fk(x)的大小進行排序，就可以得到最可能為書寫人的候選人信息。

4 結束語

基于ARM嵌入式系統(tǒng)的文本獨立筆跡鑒別系統(tǒng)實現(xiàn)了實時采集書寫筆跡信息，對采集筆跡進行數(shù)字化處理后傳遞給上位機功能。通過對筆跡信息的預處理和基于多維度Gabor變換的特征分析，最后使用多類SVM分類其進行筆跡鑒別，具有速度快、準確率高等特點，具有一定的應用前景。