1、隨著生物識(shí)別技術(shù)的迅速發(fā)展，筆跡鑒別已經(jīng)成為計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域中一個(gè)非?；钴S的研究課題。該技術(shù)被廣泛應(yīng)用于金融、社會(huì)化考試等諸多領(lǐng)域。筆跡鑒別是根據(jù)手寫(xiě)筆跡判斷書(shū)寫(xiě)人身份的一門(mén)科學(xué)和技術(shù)。模式識(shí)別和人工智能等相關(guān)學(xué)科的進(jìn)展為筆跡鑒別的發(fā)展提供了新的契機(jī)，社會(huì)需要對(duì)筆跡鑒別的研究提出了新的要求。論文首先分析了筆跡鑒別的應(yīng)用背景和研究現(xiàn)狀以及現(xiàn)有的技術(shù)狀況，在現(xiàn)有的理論基礎(chǔ)上提出了基于特征子空間的筆跡鑒別算法。
　　 針對(duì)現(xiàn)有

2、筆跡鑒別算法準(zhǔn)確率不高，以離線的文本依存筆跡為研究對(duì)象，提出了基于特征子空間的筆跡鑒別算法。論文首先對(duì)現(xiàn)有各個(gè)算法進(jìn)行了簡(jiǎn)單介紹與分析，在現(xiàn)有的理論基礎(chǔ)上提出了基于特征子空間的筆跡鑒別算法。根據(jù)筆跡鑒別的算法流程，首先對(duì)原始筆跡圖像進(jìn)行預(yù)處理，得到筆跡圖像的紋理圖；在特征提取階段，利用多通道的Gabor變換對(duì)筆跡紋理圖進(jìn)行特征提取，分別提取了16維和32維特征；然后在特征子空間降維階段，將32維特征降維到16維特征信息；為了驗(yàn)證論文算法

3、的有效性，分別對(duì)32 維特征、16維特征以及16維特征子空間進(jìn)行了識(shí)別實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，論文算法在低維空間具有較好的鑒別效果和較低的時(shí)間復(fù)雜度。
　　 論文以21個(gè)人(每人書(shū)寫(xiě)兩份筆跡樣本)共42份手寫(xiě)筆跡樣本作為實(shí)驗(yàn)數(shù)據(jù)，以VC++6.0和MATLAB為實(shí)驗(yàn)環(huán)境，得到了32維特征、16維特征以及16維特征子空間下的正確拒絕率和正確接受率。并分析了各個(gè)特征下的算法復(fù)雜度。通過(guò)比較，驗(yàn)證了論文算法的有效性。最后對(duì)論文工作進(jìn)行了總