笔迹伪动态特征提取：低文本相关度下的高效鉴别方法

本文档标题为"论文研究-范数正则化的图像重建方法.pdf"，但提供的内容聚焦于笔迹鉴别领域的研究。针对传统的离线笔迹特征提取方法在文本相关度较低时稳定性不足的问题，研究者提出了一种以笔画为研究对象的伪动态特征提取方法。该方法摆脱了文字结体对特征提取的依赖，通过概率统计思想，采用网格窗口来捕捉笔画的运笔走势和宽度变化等动态特性。 特征提取过程中，作者运用加权欧式距离、加权卡方距离和加权曼哈顿距离来量化笔迹之间的相似度。实验结果显示，在HIT-MW和HIT-SW这两个基准库上进行测试，当文本相关度较高时，该方法的首选鉴别正确率达到了95.9%，前10选正确率更是高达99.5%；而在文本相关度较低的情况下，虽然挑战增加，首选鉴别正确率仍有91.9%，前10选正确率保持在99.0%。这表明，以笔画为基础的伪动态特征提取方法在处理低文本相关度任务时依然表现出良好的性能。 这种创新的方法对于离线笔迹鉴别具有重要意义，因为它不仅提升了鉴别准确率，而且适应了不同文本条件下的应用。在全球特征方法通常关注文本无关性的情况下，这种方法提供了更加细致且动态的局部特征，从而提高了离线笔迹鉴别的可靠性。通过西安建筑科技大学信息与控制工程学院的研究团队的努力，该方法为模式识别和计算机视觉领域的笔迹鉴别研究开辟了新的路径。