离线签名验证中稀疏表示技术的综合研究
计算机视觉与模式识别
2019-01-24 v4
摘要
本工作中，提出了一种用于离线签名验证的特征提取方法，其利用稀疏表示的能力，在 CEDAR、MCYT-75、GPDS 和 UTSIG 等多个签名数据集上取得了最先进的验证性能。除准确率提升外，还研究了与稀疏表示相关的若干主要参数，如所选配置、字典大小、稀疏水平与非负先验。此外，表明稀疏编码的二阶统计量是形成全局签名描述子的强大池化函数。同时，通过一种自动化算法对预处理效果进行了透彻评估，以选择最优细化水平。最后，提出了一种采用针对稀疏表示问题定制的特殊形式空间金字塔的分割策略，并利用由 BRISK 关键点检测机制显现的签名有意义区域来增强所生成的描述子。在最具挑战性的签名数据集上获得的最先进结果强烈表明，即便在书写者相关（WD）场景下（每位书写者一个独特模型且仅有少量其参考样本），学习到的特征也具有优势。
引用
@article{arxiv.1807.05039,
title = {A comprehensive study of sparse representation techniques for offline signature verification},
author = {Elias N. Zois and Dimitrios Tsourounis and Ilias Theodorakopoulos and Anastasios Kesidis and George Economou},
journal= {arXiv preprint arXiv:1807.05039},
year = {2019}
}
备注
10 pages