面向农信社的票据签名鉴别系统研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 农信社票据签名鉴别系统概述 | 第11-13页 |
| 1.2.1 签名鉴别的分类 | 第11页 |
| 1.2.2 农信社票据签名鉴别系统 | 第11-13页 |
| 1.3 课题研究现状 | 第13-16页 |
| 1.3.1 离线签名鉴别技术的研究现状 | 第13-15页 |
| 1.3.2 银行票据签名鉴别系统的研究现状 | 第15-16页 |
| 1.4 离线票据签名鉴别的难点 | 第16页 |
| 1.5 本文主要研究目的及内容 | 第16-17页 |
| 1.6 本文的组织结构 | 第17-19页 |
| 第二章 图像签名采集与预处理 | 第19-29页 |
| 2.1 图像签名数据采集 | 第19-20页 |
| 2.1.1 本地采集 | 第19页 |
| 2.1.2 远端采集 | 第19-20页 |
| 2.2 图像签名预处理 | 第20-28页 |
| 2.2.1 图像签名二值化 | 第20-22页 |
| 2.2.2 平滑和去噪 | 第22-23页 |
| 2.2.3 压缩签名提取 | 第23-24页 |
| 2.2.4 归一化 | 第24-25页 |
| 2.2.5 图像签名骨架提取 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 图像签名的特征提取和稳定性评估 | 第29-49页 |
| 3.1 签名笔迹特征的分类 | 第29-30页 |
| 3.2 签名静态特征提取 | 第30-39页 |
| 3.2.1 形状特征 | 第30-35页 |
| 3.2.2 基于不变矩特征 | 第35-37页 |
| 3.2.3 基于Gabor滤波纹理方向特征 | 第37-39页 |
| 3.3 签名伪动态特征提取 | 第39-44页 |
| 3.3.1 灰度分布特征 | 第39-40页 |
| 3.3.2 笔划宽度分布特征 | 第40-41页 |
| 3.3.3 重笔低灰度特征 | 第41-43页 |
| 3.3.4 签名骨架方向灰度 | 第43-44页 |
| 3.4 签名稳定性量化分析 | 第44-46页 |
| 3.4.1 签名稳定性描述 | 第44页 |
| 3.4.2 签名筛选算法 | 第44-46页 |
| 3.5 实验结果及分析 | 第46-47页 |
| 3.6 本章小节 | 第47-49页 |
| 第四章 基于模式分类的签名鉴别 | 第49-61页 |
| 4.1 模式分类技术概述 | 第49-50页 |
| 4.2 签名模式分类方法 | 第50-56页 |
| 4.2.1 K最近邻算法 | 第50-51页 |
| 4.2.2 SVM算法 | 第51-52页 |
| 4.2.3 稀疏表示L1范数分类方法 | 第52-56页 |
| 4.3 实验结果及分析 | 第56-59页 |
| 4.3.1 实验说明 | 第56-57页 |
| 4.3.2 实验结果及分析 | 第57-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 农信社票据签名鉴别系统设计与实现 | 第61-69页 |
| 5.1 票据签名鉴别系统描述 | 第61-63页 |
| 5.1.1 系统功能描述 | 第61-62页 |
| 5.1.2 系统技术路线 | 第62-63页 |
| 5.2 票据签名鉴别系统设计和实现 | 第63-67页 |
| 5.2.1 开发环境与工具 | 第64页 |
| 5.2.2 主要操作与界面 | 第64-67页 |
| 5.2.3 系统特点与测评 | 第67页 |
| 5.3 本章小结 | 第67-69页 |
| 总结与展望 | 第69-71页 |
| 本文工作总结 | 第69页 |
| 未来工作展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间取得的学术成果 | 第77-79页 |
| 致谢 | 第79页 |
