[发明专利]基于稀疏自编码码本实现笔迹鉴别的系统及方法

摘要

本发明的基于稀疏自编码码本实现笔迹鉴别的系统及方法，包括图像预处理模块，用以对查询笔迹样本和参考笔迹样本图像进行预处理；参数学习模块，用以根据稀疏自编码和聚类方法来获得权重和码本的参数；特征提取模块，用以根据权重和码本来提取查询笔迹样本和参考笔迹样本图像的特征；距离计算模块，用以最终获得查询笔迹样本书写者的候选列表。采用该系统及方法，利用稀疏自编码来提取图像特征，对所获得的特征间距离进行比较排序，即可实现笔记鉴别，无需对原始笔记图像进行文本分割，相较以往的方法更简洁，对多语种的笔迹鉴别鲁棒性强。

主权项

1.一种计算机软件系统中基于稀疏自编码码本实现笔迹鉴别的系统，其特征在于，所述的系统包括：图像预处理模块，用以对查询笔迹样本和参考笔迹样本图像进行预处理，得到两者的二值化图像；参数学习模块，用以根据稀疏自编码和k‑means聚类方法来获得权重和码本的参数；特征提取模块，用以根据权重和码本来提取查询笔迹样本和参考笔迹样本图像的特征；距离计算模块，用以计算查询笔迹样本特征与参考笔迹样本特征之间的距离，并比较排序，最终获得查询笔迹样本书写者的候选列表；基于稀疏自编码码本进行笔迹鉴别操作，其中，所述的笔迹鉴别操作进行以下处理：(1)对查询笔迹样本和参考笔迹样本图像进行预处理，得到两者的二值化图像；(2)根据稀疏自编码和k‑means聚类方法来获得权重和码本的参数，具体包括以下步骤：(2‑1)设定一个固定大小的窗口，通过该窗口在每张参考笔迹样本的二值化图像中随机选取一定数量的第一子块Set1样本集，作为训练稀疏自编码模型权重的样本集；(2‑2)采用稀疏自编码模型，将网络模型参数随机初始化；(2‑3)根据所述的第一子块Set1样本集对稀疏自编码模型进行训练，得到权重参数；(2‑4)通过所述的窗口在每张参考笔迹样本的二值化图像中随机选取一定数量的第二子块Set2样本集，该样本集数量需远大于第一子块Set1样本集的数量；(2‑5)将所述的第二子块Set2样本集作为稀疏自编码模型的前向输入，使用训练得到的权重参数，得到隐含层输出；(2‑6)对所述的隐含层输出采用k‑means聚类算法，得到码本；(3)根据权重和码本来提取查询笔迹样本和参考笔迹样本图像的特征；(4)计算查询笔迹样本特征与参考笔迹样本特征之间的距离，并比较排序，最终获得查询笔迹样本书写者的候选列表。