基于神经网络的笔迹鉴别方法与系统研究

本文主要探讨了"人工智能-基于神经网络技术的笔迹鉴别方法与系统"这一主题，针对当前社会对笔迹鉴别技术的新需求，结合模式识别和人工智能的最新进展，研究者丁红霞在河南工业大学以计算机应用技术专业硕士的身份，针对笔迹鉴别的核心问题展开深入探讨。 首先，作者对笔迹图像预处理方法进行了详细研究，包括将其转换为灰度图像、进行二值化处理以突出书写特征、应用平滑滤波器去除噪声、校正图像倾斜以及进行归一化处理，这些步骤旨在提升笔迹图像的质量，便于后续的特征提取。 其次，笔迹被视作纹理图像，文本重点介绍了基于小波包最佳基的特征提取方法。通过Haar小波包在二维空间的三次分解，提取出12个香农熵作为代价函数的最佳基，然后对分解系数进行重构。这种方法展现出高度的纹理自适应匹配能力，提高了笔迹特征的区分度。 接着，文章深入研究了神经网络在笔迹鉴别中的应用，特别是使用BP（Backpropagation）算法构建神经网络模型。作者探讨了网络结构的设计、参数的选择以及BP算法的改进，以优化网络性能。通过改进后的BP网络作为分类器，实验结果显示了其在笔迹鉴别任务中的高效性和准确性。 最后，本文还涉及了笔迹鉴别的系统设计。该系统采用VisualC++6.0和SQL Server 2000等工具进行开发，确保软件能在多种Windows操作系统平台上稳定运行。系统具备高准确率、良好的跨平台兼容性和用户友好的界面，提升了用户体验和系统的实用性。 这篇论文不仅关注基础的笔迹预处理和特征提取技术，更深入地探讨了神经网络在这一领域的实际应用，展示了如何将人工智能技术应用于笔迹鉴别，以提高身份验证的可靠性和效率。这不仅对学术界有重要价值，也为实际应用场景如司法鉴定、信息安全等领域提供了新的思考方向。