基于小波多尺度和熵在图像字符特征提取方法的改进

斜线子图 56.7827 1.5883 0.0000 2.2232 垂直子图 60.5942 3.8115 2.2232 0.0000

表2 伪造签名最小判别熵

　 相似图形 水平子图 斜线子图 垂直子图 相似图形 0.0000 101.5640 126.6594 149.2631 水平子图 101.5640 0.0000 25.0954 47.6991 斜线子图 126.6594 25.0954 0.0000 22.6037 垂直子图 149.25631 47.6991 22.6037 0.0000

4 实验结论

对120个不同的真实签名进行了实验，且每份真实签名对应20个不同的伪造签名，用小波分别对这些签名图像进行6次分解，各选取其中的256幅图像，分别进行边缘连接及最小化判别熵特征提取，鉴别率达到了98.7%，取得了令人满意的结果。通过以上的理论分析和实验验证说明，用小波分解使原来单一的时域信号分解为不同频率尺度下的信号不仅能获得图像在各尺度上的细节信息，且噪声干扰少，边缘清晰；在特征提取时用熵函数的期望值表征类别的分离程度，可以作为分类有效性的评价。该方法的优越性对提高在线签名验证的精确性具有重要的意义。

《基于小波多尺度和熵在图像字符特征提取方法的改进(第4页)》