[发明专利]基于双分支神经网络的离线手写签名分割系统和方法

说明书

本发明公开一种基于双分支神经网络的离线手写签名分割方法，涉及电子签名识别技术，学习文档图像粗糙的语义信息，将文档图像划分区域，基于编码‑译码分支网络对签名图像进行分割，得到粗糙分割签名；推理签名边缘模糊区域的细节，继续进行特征编码，学习签名周围的边界细节，得到较精细分割签名；按照区域划分特征类别，自适应分配特征中心，使得属于相同类别的图像特征向所赋予的特征中心靠拢；签名空间结构捕获，生成对抗损失函数，对精细分割签名进行真假评估，愚弄双分支网络分割得到更高质量的签名输出。对签署在任意位置和复杂背景上，小尺寸电子签名能进行准确分割和识别。能应用于场景复杂性，背景模糊等情形的电子签名笔迹识别。

技术领域

本发明涉及计算机信息处理技术领域，具体是一种手写电子签名分割识别方法。

背景技术

手写签名作为签署人特有的主动行为生物特征，其他人难以仿冒，与个人身份有效关联，是签署人显意识与潜意识的复合信息载体。因此，它构成了在多种应用中使用的替代身份验证，例如银行支票、合同、证书和法医学。在过去的十年中，手写签名验证技术的应用发展迅速，目前基于笔迹生物特征识别技术形成的原笔迹签名产品已广泛应用于金融、政务、司法、公共安全、民生等众多领域中。

公开号CN112070779B，名称为“一种基于卷积神经网络弱监督学习的遥感影像道路分割方法”，公开一种基于卷积神经网络弱监督学习的遥感影像道路分割方法。利用道路中心线数据所提供的稀疏监督信息，通过上下文感知的标签传播算法将语义特征由道路中心线向未标记像素传播，结合深度学习框架训练双分支编码-解码结构的卷积神经网络学习从遥感影像中预测道路路面数据。可适应不同尺度的遥感影像道路路面分割，利用语义信息由道路中心线向未标记像素传播的标签传播算法生成弱标签；构建一个双分支编码-解码结构的卷积神经网络模型，包括编码部分、解码部分以及它们之间的空洞卷积空间金字塔池化部分，其中解码部分包括语义分割分支和边缘检测分支两个子分支，用于获得语义分割图和边缘检测图，并利用边缘检测算子为训练集影像生成粗糙边缘，用以监督边缘检测分支辅助语义分割分支；将训练集影像输入到双分支编码-解码结构的卷积神经网络模型，根据弱标签、粗糙边缘以及输出的语义分割图和边缘检测图计算损失函数，通过反向传播实现模型在GPU上的训练，训练结束后将测试集影像输入训练好的模型中预测道路路面，得到最终的道路分割结果。

公开号：CN106778586B，名称“离线手写签名鉴别方法及系统”的中国发明专利，公开一种离线手写签名鉴别方法对离线签名样本库中的离线签名样本进行预处理为统计签名的宽高，按比例切分；进行多个特征的提取，分别提取了签名的形状、纹理和伪动态特征；形状特征包括矩特征，用于描述包括签名外形、字位倾斜、重心偏移的整体结构特征；纹理特征包括局部二值模式特征、灰度共生矩阵特征，用于直观反映签名图像的视觉特征，通过像素及其周围空间邻域的灰度分布来描述签名图像；伪动态特征包括脉冲耦合神经网络特征，用于通过灰度变换间接表示签名者书写签名时包括压力的动态信息的变化；具体对剪切边界的灰度图像提取脉冲耦合神经网络特征，对归一化的灰度图像提取局部二值模式特征和灰度共生矩阵特征，对归一化的二值图像提取低阶矩特征；对提取的离线签名样本的多个特征进行训练，得到训练后的标准样本库；获取待测签名，并对待测签名进行预处理，得到待测签名的多个特征；将待测签名的多个特征与标准样本库中离线签名样本的对应特征进行匹配，识别出待测签名是真实签名还是伪造签名。

现有技术的方法通常采用语义分割的技术路线,将签名区域视为背景和签名前景两大类,对其进行逐像素分类；鉴于手写签名具有尺度小,笔画空间结构复杂等特性,常规语义分割方法得到分割结果较为粗糙,笔画边缘容易过度分割且存在锯齿现象,此外,分割模型在对签名区域逐像素分类过程中,没有考虑像素与像素之间的关联,容易导致分割的结果存在部分笔画缺失问题。