采用统计特征和小波特征的BP网络签名认证研究

摘要

随着网上阅卷系统中阅卷人身份认证问题越来越受到关注，基于生物特征识别技术的签名认证技术以其非侵犯性、不易遗忘、应用范围广等优点在网上阅卷系统中具有广阔的应用前景。 本文对签名信息进行去噪、方向归一化等预处理，去除原始采集数据中的干扰或无用信息，将采集的数据变成适宜于特征提取的形式。提取签名特征并利用BP神经网络实现真伪签名的认证。 在特征提取方面，首先从签名速度、签名时间和签名形状三个方面着手提取特征构成统计特征向量；其次对签名水平位移和垂直位移分别进行DB6小波分解，提取高频系数构成小波特征向量。利用真伪签名样本反复实验对比，表明15维的统计特征向量和64维的小波特征向量对同一签名者而言具有稳定性，对不同人具有可区分性，在一定程度上能够表征签名者的身份。 使用改进的BP网络作为签名认证的分类器，真伪签名样本共同参与网络训练，保存网络训练成功的各层神经元之间的连接权值。设计了网络结构，选择了样本训练方式和改进了标准BP算法。依据统计特征和小波特征，结合试凑经验公式确定了隐含层神经元的个数；针对单样本训练和批量训练两种方式进行实验对比，确定样本训练为批量训练方式；通过实验对比确定了网络输出层神经元的期望输出值；引入动量因子和变步长法，解决了标准BP网络训练时网络陷入局部最小和收敛较慢的问题。 最后，利用真实签名样本和伪造签名样本，分别对统计特征的BP网络单级认证、小波特征的BP网络单级认证、统计特征和小波特征融合的两级认证进行对比实验分析。对于真实签名样本，三种认证方式的误拒率(FRR)分别为8.0％，6.0％，6.0％；对于第一类随机伪造签名样本，三种认证方式的误纳率(FAR)均为0％；对于第二类随机伪造签名样本，三种认证方式的FAR分别为4.4％，2.4％，0.4％；对于熟练伪造签名样本，三种认证方式的FAR分别为19.2％，15.6％，2％。实验结果表明，统计特征和小波特征融合的两级认证方式获得了较低的FAR，两级认证方式的性能要优于单级认证。

目录

文摘

英文文摘

声明

第1章 绪论

1.1课题背景及意义

1.1.1网上阅卷身份认证现状

1.1.2网上阅卷身份认证问题

1.1.3签名认证技术

1.1.4签名认证在阅卷系统中的意义

1.2签名认证技术的研究现状

1.3认证技术的性能评价

1.4论文研究内容和组织结构

1.4.1论文研究内容

1.4.2论文组织结构

第2章 特征提取

2.1数据采集

2.2数据预处理

2.3样本库的形成

2.4特征提取

2.4.1统计特征

2.4.2小波特征

第3章 签名认证系统中BP网络分类器设计

3.1神经网络理论

3.1.1神经网络概述

3.1.2 BP算法

3.1.3传递函数

3.1.4网络权系数修正

3.2 BP网络应用于签名系统实例

3.3传递函数的选择

3.4 BP网络结构的设计

3.4.1隐含层的设计

3.4.2输出层的设计

3.5网络样本训练方式选择

3.6 BP算法的改进

3.6.1增加动量项法

3.6.2变步长法

第4章 实验结果分析

4.1阈值获取实验分析

4.1.1统计特征的BP网络单级认证阈值获取

4.1.2小波特征的BP网络单级认证阈值获取

4.1.3两级认证融合和阈值获取

4.2三种认证方式的比较

第5章 总结与展望

5.1总结

5.2展望

参考文献

致谢

攻读硕士学位期间发表的学术论文