基于深度生成对抗网络的手写签名鉴别方法与应用研究
| 致谢 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-23页 |
| 1.1 离线手写签名鉴别研究的背景与意义 | 第11-14页 |
| 1.1.1 生物特征身份鉴别技术 | 第11页 |
| 1.1.2 生物特征身份鉴别系统模型 | 第11-12页 |
| 1.1.3 几种常用的生物特征身份鉴别技术 | 第12-14页 |
| 1.2 离线手写签名鉴别的主要困难 | 第14-16页 |
| 1.2.1 离线签名的伪造类别 | 第14-15页 |
| 1.2.2 离线签名鉴别的困难 | 第15-16页 |
| 1.3 离线手写签名鉴别的研究现状 | 第16-20页 |
| 1.3.1 预处理方法的研究现状 | 第17页 |
| 1.3.2 特征提取方法的研究现状 | 第17-19页 |
| 1.3.3 判决模型选择的研究现状 | 第19-20页 |
| 1.4 本文的研究内容及其意义 | 第20-21页 |
| 1.5 本文的章节结构及编排 | 第21-23页 |
| 2 离线手写签名的数据集和预处理 | 第23-31页 |
| 2.1 公开的数据集 | 第23-24页 |
| 2.2 中文签名图像的收集 | 第24-25页 |
| 2.3 生成的熟练伪造签名 | 第25-26页 |
| 2.4 签名图像的预处理 | 第26-29页 |
| 2.4.1 样本前景背景分隔及灰度化 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 3 离线手写签名的特征提取 | 第31-45页 |
| 3.1 深度网络模型及在离线手写签名鉴别的优势 | 第31-32页 |
| 3.2 改进的深度卷积生成对抗式网络与特征提取 | 第32-43页 |
| 3.2.1 生成对抗式网络模型概述 | 第33-35页 |
| 3.2.2 深度卷积生成对抗式网络模型概述 | 第35-37页 |
| 3.2.3 改进方法与样本特征提取 | 第37-43页 |
| 3.3 本章小结 | 第43-45页 |
| 4 离线手写签名的鉴别决策模型 | 第45-63页 |
| 4.1 分类器设计准则 | 第45-47页 |
| 4.2 常用的鉴别决策方法 | 第47页 |
| 4.3 鉴别决策模型设计与实现 | 第47-58页 |
| 4.3.1 支持向量机及参数优化 | 第48-52页 |
| 4.3.2 在深度网络上用SVM分类 | 第52-53页 |
| 4.3.3 自适应增强构成强分类器 | 第53-58页 |
| 4.4 模型鉴别模式设计与实现 | 第58-60页 |
| 4.4.1 模型鉴别模式概况 | 第58-59页 |
| 4.4.2 模型鉴别模式的融合设计 | 第59-60页 |
| 4.5 本章小结 | 第60-63页 |
| 5 实验结果与对比分析 | 第63-75页 |
| 5.1 离线手写签名鉴别系统框图 | 第63-65页 |
| 5.2 实验环境 | 第65页 |
| 5.3 超参数设置 | 第65-67页 |
| 5.3.1 特征提取模块的超参数细节 | 第65-66页 |
| 5.3.2 鉴别决策模块的超参数细节 | 第66-67页 |
| 5.4 实验结果 | 第67-71页 |
| 5.4.1 稳定性实验结果 | 第68-69页 |
| 5.4.2 准确性实验结果 | 第69-71页 |
| 5.5 对比分析 | 第71-73页 |
| 5.6 本章小结 | 第73-75页 |
| 6 离线手写签名鉴别系统的应用实现 | 第75-83页 |
| 6.1 LKJ基础数据管理系统概述 | 第75-78页 |
| 6.1.1 背景与功能 | 第75-76页 |
| 6.1.2 系统框架 | 第76页 |
| 6.1.3 数据转发流程 | 第76-78页 |
| 6.2 签名鉴别在签发模块中的应用 | 第78-81页 |
| 6.3 本章小结 | 第81-83页 |
| 总结与展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第89-93页 |
| 学位论文数据集 | 第93页 |
