عنوان الإطروحه
offline Signature Recognition using Stationary Wavelet Transform and local binary Pattern
تاريخ مناقشة الاطروحه
2019-07-31
اسم الطالب
معاذ سليمان سلمان بن سعيد
المشرف
فيصل سليمان صالح السقار
المشرف المشارك
 عطاالله محمود عواد الشطناوي
اعضاء لجنة المناقشة
خالد محمد عبدالرحمن بطيحة
عدنان احمد حنيف
الكلية
كلية الامير الحسين بن عبدالله لتكنولوجيا المعلومات
القسم
علم الحاسوب
الملخص بالعربية
في هذا البحث ، تم اقتراح وتطوير نظام التعرف على التواقيع باستحدام كل من local binary pattern and Stationary Wavelet Transform و Neural Networks " حيث يتكون النظام المقترح من ثلاث خطوات رئيسيه تحتوي على:المعالجه القبليه ومرحلة استخلاص السمات ومرحلة التصنيف للتوقيع. في مرحلة المعالجه القبلية يتم ازالة التشويش والنقاط الغير مرغوب منها في التوقيع المدخل ثم تتم عملية ترقيق التوقيع بأستخدام الاسلوب المورفولوجي. اخيرا، يتم توحيد حجم الصور الى حجم يناسب عملية استخلاص السمات والتصنيف. في مرحلة استخلاص السمات، تم اقتراح ال SWT&LBPلاستخلاص سمات التوقيع على مستوى عالي ودقيق. تم فحص النظام المقترح على قاعدة البيانات GPDS960. باستخدام احجام مختلفة {(50*50) (60*60) (70*70) (80*80) (90*90) (100*100) (110*110) (120*120) (130*130) }حيث تبين ان الحجم(130*130) هو افضل حجم استخدم للنظام من ناحية الدقة اذ حقق نتيجة تعرف بنسبة 96.5628%عندما تم فحصها على قاعدة البيانات GPDS960 .وتم مقارنة النظام المقترح باستخدام ال"SWT&LBP"و تطبيق الحجم (130*130) مع النظام القائم على اساس منهجية ال WPE، باستخدام ا قاعدة البايانات GPDS960 من حيث دقة التعرف ، واثبتت الدراسة ان النظام المقترح اعطى نتائج افضل من النظام القائم على اساس WPE للتعرف على التوقيع،حيث كانت نتائجه 92% لقاعدة الباينات GPDS960. وبالتالي تم التحقق من فعالية النظام الشامل المقترح لتعرف على التوقيع.
الملخص بالانجليزي
 In this research, an Offline signature recognition system based on the Stationary Wavelet Transform and Local Binary Pattern and Neural Network classifier is proposed and developed. The proposed Offline signature system consists of three main stages including: the preprocessing, feature extraction, and classification stages. In the preprocessing stage, the noise and the unwanted pixels are firstly removed. Then, the signature skeleton is extracted using the thinning based morphological method finally, the signature image is normalized into a proper size for feature extraction and classification process. In the feature extraction stage, the SWT&LBP analysis method is proposed to extract the Offline signature features. The proposed Offline signature recognition system is tested on GPDS960 database of signature using different Signature normalization size including {(50*50) (60*60) (70*70) (80*80) (90*90) (100*100) (110*110) (120*120) (130*130)}. The (130*130) signature normalization size is the best size for the proposed system performance hence its achieved classification accuracy results are 96.5625% where it is tested on the GPDS960 database. The proposed based on SWT&LBP Offline signature recognition system performances results using (130*130) normalized signature size are validated and compared with the other system based on Wavelet Packet Entropy WPE, on the GPDS960 database in terms of classification accuracy. It is achieved classification accuracy results better than the benchmarking based on WPE recognition systems which achieved classification accuracy result 92 % on the same data base GPDS960. Furthermore, it gives a promising results when it is verified with the benchmarking Offline signature recognition systems developed based on same classifier
رقم ISN
5710
للحصول على الرسالة كملف يرجى تزويد المكتبة برقم ISN