عنوان المقالة:التحقق من صحة التوقيع اليدوي استنادًا إلى خصائص الخطوط المحلية والتحويل المويجي هار Offline Handwritten Signature Verification Based on Local Ridges Features and Haar Wavelet Transform
تستخدم العديد من التطبيقات التواقيع المكتوبة بخط اليد للتحقق البشري. تزيد هذه الحقيقة من الحاجة إلى بناء نظام محوسب لتمييز التواقيع والتحقق من صحتها لضمان أعلى مستوى ممكن من الأمان ضد التوقيعات المزيفة. تم تخصيص هذا البحث لتطوير نظام للتحقق من صحة التوقيع استنادًا إلى مجموعة من خصائص الخطوط المحلية وخصائص اخرى يتم الحصول عليها من تطبيق تحويل المويجات هار ثنائي الابعاد. تضمن النظام المقترح العديد من خطوات المعالجة المسبقة التي تتضمن مجموعة من تقنيات معالجة الصور (بما في ذلك: العديد من تقنيات التحسين ، وتحديد منطقة الاهتمام ، والتحويل إلى الصورة الثنائية ، والتنحيف). وفي مرحلتي استخراج وتحليل الخصائص ، يتم استخراج مزيج من خصائص الخطوط المحلية والخصائص الأخرى المستخرجة من تفاصيل النطاقات الفرعية لمويجات هار. يتم تجزئة كل صورة نطاق فرعي إلى كتل متداخلة ثم يتم استخراج الخصائص المحلية وطاقات المويجات من كل كتلة. تنفذ التجارب باستخدام قاعدة بيانات تضم 600 بصمة توقيع تم جمعها من 100 شخص (أي 6 عينات لكل شخص). دقة التمييز للنظام هي الأمثل (100٪) باستخدام مستويين من التحلل. لغرض التحقق ، معدل الرفض الخاطئ للنظام هو (0.025٪) بينما معدل القبول الخاطئ هو (0.03٪) على التوالي.
الملخص الانجليزي
Multiple applications use offline handwritten signatures for human verification. This fact increases the need for building a computerized system for signature recognition and verification schemes to ensure the highest possible level of security from counterfeit signatures. This research is devoted to developing a system for offline signature verification based on a combination of local ridge features and other features obtained from applying two-level Haar wavelet transform. The proposed system involves many preprocessing steps that include a group of image processing techniques (including: many enhancement techniques, region of interest allocation, converting to a binary image, and Thinning). In feature extraction and analysis stages, a combination of local ridge features and other features obtained from the details of Haar wavelet subbands are extracted. Each wavelet sub-band image is fragmented into blocks with overlap and then the local features and wavelet energies are extracted from each block. Experiments were performed using a database of 600 signature prints collected from 100 persons, (i.e., 6 samples per person). The recognition accuracy of the system was the optimum (100%) using two decomposition levels. For verification purposes, the False Reject Rate for the system was (0.025%) while False Acceptable Rate was (0.03%) respectively.
ميلا غازي عبد الحليم | Mela G. Abdul-Haleem | 5107