69、生物特征识别技术：离线与在线方法及虹膜识别详解

生物特征识别技术：离线与在线方法及虹膜识别详解

1. 离线签名识别方法

离线签名识别方法有多种，每种都有其独特的原理和应用场景。

1.1 变形测量与区域匹配

通过同构投影在模板和测试签名的局部极值集之间进行点对点匹配来测量变形。薄板样条映射函数被用作梯度结构凹度算法的目标函数，以实现区域匹配。

1.2 隐马尔可夫模型

隐马尔可夫模型方法具有以下特点：
- 马尔可夫统计学习理论能够吸收模式之间的变异性和相似性，且学习理论具有严格的因果性。
- 基于经验风险最小化原则，决策规则基于有限数量的训练样本。状态数量取决于签名长度，从左到右的拓扑结构取决于学习概率，训练模式形成可见状态。
- 对于特定数量的状态，最佳验证概率由最大似然或贝叶斯方法定义，中等阈值由学习概率除以签名长度来定义。

1.3 结构技术

从签名轮廓中提取结构特征作为修改后的方向特征。利用签名在垂直和水平方向上从背景到前景像素的过渡位置，存储每个过渡的位置和方向。将签名图像分为三个相等部分可得到三表面结构特征，再根据重心计算的水平线划分每个组件，可得到六倍表面，从而产生6个感兴趣的特征。与签名主导角度相关的质心特征定义为水平轴与连接重心点的线之间的角度。

1.4 基于全局特征的特征技术

在签名图像的子区域中计算全局特征。存在经典方法和形态学方法用于轮廓提取。模糊金库生物密码系统考虑签名上下包络的最大值和最小值。上包络提取为归一化二值图像中每列的第一个非零像素，下包络提取为每列的最后一个非零像素。使用跨度为35的移动平均方法可获得平滑包络。模糊金库输入密钥由一组