Метод идентификации изображений подписей по их кодовым отображениям

  • Автор:
  • Специальность ВАК РФ: 05.12.04
  • Научная степень: Кандидатская
  • Год защиты: 2005
  • Место защиты: Санкт-Петербург
  • Количество страниц: 136 с. : ил.
  • бесплатно скачать автореферат
  • Стоимость: 230 руб.
Титульный лист Метод идентификации изображений подписей по их кодовым отображениям
Оглавление Метод идентификации изображений подписей по их кодовым отображениям
Содержание Метод идентификации изображений подписей по их кодовым отображениям
1. СОВРЕМЕННЫЕ МЕТОДЫ ИДЕНТИФИКАЦИИ ПОЛЬЗОВАТЕЛЕЙ
1.1 Проблема защиты информации
1.2 Решения проблемы защиты от несанкционированного доступа
1.2.1 Идентифицирующие признаки
1.2.1.1 Узор сосудов глазного дна
1.2.1.2Рисунок радужной оболочки глаза
1.2.1.3 Геометрия руки
1.2.1.4Отпечатки пальцев
1.2.2 Сравнение параметров биометрических систем
1.3 Рукописная подпись, как надёжный биометрический признак
1.4 Цели и задачи исследования
2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ МЕТОДА ИССЛЕДОВАНИЯ
2.1 Принципы формирования кодовых отображений
2.2 Кодовые отображения на основе технологии компрессии
изображений JPEG
2.2.1 Преобразование сигнального пространства и дискретизация
2.2.2 Дискретное косинусное преобразование (ДКП)
2.2.3 Алгоритм «змейка». Квантование
2.2.4 Кодирование нулей. Категории. Кодирование Хаффмена
2.3 Кодовые отображения на основе фрактальной технологии
компрессии изображений
2.3.1 Классификация фракталов
2.3.2 Фрактальная технология компрессии изображений
2.4 Кодовые отображения на основе векторной технологии компрессии
изображений
2.4.1 Метод кодирования для векторного представления графических изображений
2.4.2 Метод кодирования контуров
2.5 Предварительная обработка изображений
2.6 Признаковые пространства
2.7 «Скрытые» Марковские модели (НММ)
2.7.1 Определение Марковского процесса
2.7.2 «Скрытые» Марковские модели (НММ)
2.8 Оценка эффективности работы алгоритмов идентификации
2.9 Выводы
3. РАЗРАБОТКА АЛГОРИТМОВ ИДЕНТИФИКАЦИИ ПОЛЬЗОВАТЕЛЕЙ ПО КОДОВЫМ ОТОБРАЖЕНИЯМ ИХ ПОДПИСИ
3.1 Сканирование и предварительная обработка изображений
3.2 Формирование кодовых отображений
3.3 Вычисление значений признаков
3.3.1 Статистическая оценка вариабельности рукописных изображений по их кодовым отображениям
3.3.2 Геометрическая трактовка статистических оценок вариабельности рукописных изображений. Алгоритм построения областей сравнения кодовых отображений
3.3.3 Признаковое пространство алгоритма идентификации
3.4 Принятие решения
3.4.1 Оценки эффективности алгоритма идентификации
3.4.2 Решающее правило
3.5 Подробная структура алгоритма идентификации
3.6 Алгоритм идентификации в случае использования «скрытых» марковских моделей
3.6.1 «Скрытая» Марковская модель для кодовых отображений
подписей
3.6.2 Стадия обучения и решающее правило для алгоритма
идентификации на основе «скрытой» Марковской модели
3.7 Выводы
4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ АЛГОРИТМОВ ИДЕНТИФИКАЦИИ ПОЛЬЗОВАТЕЛЕЙ ПО КОДОВЫМ ОТОБРАЖЕНИЯМ ИХ ПОДПИСИ
4.1 Цель и методика экспериментальных исследований
4.1.1 Цель и методика экспериментальных исследований
4.1.2 Исходные изображения подписей
4.1.3 Предварительная обработка изображений подписей
4.1.4 Формирование кодовых отображений
4.1.5 Исследование вариантов расчёта статистических оценок
вариабельности кодовых отображений
4.1.6 Исследование процесса обучения
4.1.7 Исследование алгоритма идентификации в случае использования «скрытых» марковских моделей
4.2 Результаты исследования схемы предварительной обработки изображений
• 4.3 Результаты исследования алгоритмов формирования кодовых
отображений подписей
4.4 Результаты исследования вариантов расчёта статистических оценок вариабельности кодовых отображений
4.5 Результаты исследования алгоритма идентификации на основе «скрытых» Марковских моделей
4.6 Выводы
• ЗАКЛЮЧЕНИЕ
Особенность Марковских цепей первого порядка, применяемых в приложениях по распознаванию, заключается в «скрытости» их внутренних состояний, что заставляет подобные модели воспринимать, как «чёрный ящик», позволяющий получить последовательность наблюдений после выполнения заранее определённого количества итераций [60].
С учётом особенности, НММ описываются рядом параметров:
1. Множество наблюдаемых объектов Obj = {Obj0,ObjObjTn }.
2. Последовательность наблюдений Ob, длиной То: Ob = {Ob0, Ob{ObTo_x}.
3. Tm - количество состояний со, модели.
4. Набор возможных состояний модели Q = {co0,a)l a)Tm_i}.
5. Stt, - состояние процесса в момент времени t, причём Stt, е Q.
6. Распределение вероятностей выбора начального состояния in = {in,}.
7. Матрица переходов Ха- {xaij> Xaij = Pr [cnl + l - Stt, со, = Stt j j; квадратного вида Tm x Tm.
8. Матрица эмиссий Xb= хЬ^(к) такая, что
xbg(k)= Pr(Ob, = Objk I (0l+1 = Stt) ,co,=Sttj); прямоугольного вида
TmxTn.
Поскольку на любом шаге модель должна находиться в одном из возможных состояний, а введённые вероятности неотрицательны, справедливы условия нормирования:
= ь О5)
YaXbij(k)=. (16)
В литературе [29, 60] НММ принято называть набор п = (%a,xb,in).
Поскольку не все элементы модели л могут быть известными, то при их описании возникают задачи:

Рекомендуемые диссертации данного раздела