电子产品世界

3.2 利用Gabor滤波器进行特征提取

笔迹信息进行预处理后需要分析笔迹图像的纹理特征，由于每个人的书写风格不同，书写的笔迹信息具有较强的方向性和频谱特征，需要采用时间频域分析。系统上位机部分采用二维Gabor滤波器进行特征提取，Gabor变换是1946年D.Gabor为解决傅立叶变换对分析非平稳信号有很大局限性而提出来的。二维Gabor函数具有方向选择性和带通性，能同时在时域和频域中兼顾对信号分析的需求，可以比较精确地提取图像的局部问题特征，相当于一种带通滤波器。纹理图像可类比为有周期性规律的信号，其能量集中在一定频率范围内。如果纹理图像的能量与Gabor滤波器的通频带吻合，那么这部分的信号就得到放大。在纹理分析中常用的Gabor变换公式：

其中u，v分别为在x，y轴方向上的空间频率;g(x，y)为Gauss函数。设置Gabor滤波器的3个参数为：径向中心频率f，方向θ和空间常数σ。选择不同的参数会构成不同的通道，它们组成了一组非正交基。实验中取σ=2π/f，相位角θ取0，π/4、π/2，3π/4，用这组基展开信号可以得到笔迹图像在不同的频率和相位下的频域信息。

3.3 聚类SVM分类器进行鉴别

SVM是一种旨在通过有限的样本学习，得到最好的推广效果的统计分类方法，它可以根据有限的笔迹样本信息在模型的复杂性和机器学习能力之间寻求最优方法。笔迹鉴别是一种多类问题，可以通过构造决策函数，实现多类问题转化为两类问题。SVM可以根据两类样本数据寻求问题解决的最优分类面，可以使分类间隔达到最大，准确度达到最高。系统中我们采用第k个分类器由包括第k类样本和不属于第k类的所有样本两部分组成，将n类问题转化为n个两类问题的方法，构造解决多类笔迹问题的分类器算法：

其中，x是输入的笔迹信息，fk(x)是第k类分类函数。通过对fk(x)的大小进行排序，就可以得到最可能为书写人的候选人信息。

4 结束语

基于ARM嵌入式系统的文本独立笔迹鉴别系统实现了实时采集书写笔迹信息，对采集笔迹进行数字化处理后传递给上位机功能。通过对笔迹信息的预处理和基于多维度Gabor变换的特征分析，最后使用多类SVM分类其进行笔迹鉴别，具有速度快、准确率高等特点，具有一定的应用前景。

关键词： 文本独立 笔迹鉴别 Gabor变换 支持向量机