[发明专利]一种基于非负矩阵分解的离线手写签名识别

权利要求书

1.一种基于非负矩阵分解的离线手写体签名识别，其特征在于按如下步骤进行： 

(一)采集签名数据，并对所有签名图像进行预处理，获得所有预处理后的训练集签名图像的数据矩阵A以及需识别的测试集签名图像的数据矩阵B； 

(二)对训练集签名图像特征的提取：将A进行非负矩阵分解(NMF)，得到对应的基图像矩阵V和每张签名图像对应的权重向量即特征向量构成的特征矩阵H； 

(三)对测试集签名图像特征的提取：将测试集签名图像的数据矩阵B在基图像上做投影，得到投影系数矩阵H’； 

(四)采用支持向量机进行训练并分类决策，判断是真签名还是假签名。 

2.根据权利要求1所述基于非负矩阵分解的离线手写体签名识别方法，其特征在于：所述的步骤(一)中对签名图像进行预处理的过程为： 

(a1)对签名图像进行平滑去噪处理； 

(a2)签名图像进行平滑去噪处理后，将签名图像转换成为二值图，所述二值图中的背景像素的值设为0；前景像素的值设为1；再对所述签名图像逐行扫描，遇到值为1的像素点则记录下来该像素点的坐标(x，y)，从上到下，从左到右依次寻找灰度图像中非背景点的边缘：x_min、x_max、y_min、y_max，依据坐标对签名图像进行切割，去除其空白区域。切割后，签名图像的高度为，宽度为x_max-x_min。 

3.根据权利要求1所述基于非负矩阵分解的离线手写体签名识别方法，其特征在于：所述步骤(二)中进行训练集签名图像的数据矩阵进行非负矩阵分解，获得特征矩阵的过程为：所述步骤(一)处理后的训练集签名图像的矩阵为A，对所述矩阵A进行非负矩阵分解，所述非负矩阵分解公式为：A＝WH；其 中W是n×m矩阵，W的维数是n×r，H的维数是r×m，r取值为(n+m)r＜nm；分解后的W的每一列则作为一个基图像，H的每一列是V在基上对应的分解系数，即为特征矩阵。 

4.根据权利要求1所述基于非负矩阵分解的离线手写体签名识别方法，其特征在于：所述步骤(三)中获得投影系数的过程为：将需识别的测试集签名图像的矩阵B对基图像W构成的矩阵空间进行映射，得到投影系数H′，具体采用公式H′＝[H₁，H₂…H_n]′＝(W⁺B)′，其中W⁺是W的伪逆。 

5.根据权利要求1所述基于非负矩阵分解的离线手写体签名识别方法，其特征在于：所述步骤(四)中采用支持向量机进行训练的步骤为： 

(b1)：输入训练样本特征矩阵A，如签名为真时，值为1；签名为假时，值为-1； 

(b2)确定相应的核函数类型，得到Lagrange乘子a的最优解； 

(b3)：用样本库中的任意支持向量x，得到偏差值b。 

6.根据权利要求1所述基于非负矩阵分解的离线手写体签名识别方法，其特征在于：所述步骤(4)中采用支持向量机进行测试的步骤为： 

(c1)：输入待测试签名矩阵B； 

(c2)用训练好的Lagrange乘子a、偏差值b和核函数，求解判别函数f(x)，输出类别值。当判别值为-1，则签名属于伪签名；当为1，则属于真签名。