عنوان الإطروحه |
Offline Signature Recognition using Discrete Wavelet Transform and Local Binary Pattern and Machine Learning
|
تاريخ مناقشة الاطروحه |
2021-05-19 |
اسم الطالب |
ماهر عبدالرحمن حسن العمايره
|
المشرف |
فيصل سليمان صالح السقار |
|
المشرف المشارك |
عطاالله محمود عواد الشطناوي
|
اعضاء لجنة المناقشة |
| رباح محمد احمد الشبول |
| عبدالكريم محمدعلي بعاره |
|
الكلية |
كلية الامير الحسين بن عبدالله لتكنولوجيا المعلومات |
القسم |
علم الحاسوب |
الملخص بالعربية |
التوقيع هو سمة من القياسات الحيوية للإنسان لطالما استخدمت للتعرف على الشخصية. تم مؤخراً تطوير طرق تعتمد على المقاييس الحيوية لتحديد الهوية الشخصية، بما في ذلك التعرف على الهوية الشخصية من خلال الصوت والوجه وبصمات الأصابع ومسح قزحية وشبكية العين. حيث تلعب التوقيعات دورًا مهمًا، يُستخدم التوقيع بخط اليد على نطاق واسع للمصادقة الشخصية في المؤسسات المالية، مما يبرز الحاجة إلى طريقة شاملة للتحقق من التوقيع آلياً.
تقترح هذه الدراسة طريقة جديدة للتحقق من التوقيع الذي كتبه الشخص وتحديد ما إذا كان هذا التوقيع هو التوقيع الحقيقي للشخص المدعي. حيث تستخدم التقنية المقترحة نظام التعرف على التوقيع دون اتصال بالإنترنت اعتماداً على التحويل الموجي المنفصل (DWT) والنمط الثنائي المحلي (LBP) كطرق لاستخراج الميزات من التوقيع مع استخدام آلة المتجهات الداعمة (SVM) والشبكات العصبية (NN) كمصنف.
يتم تنفيذ مخطط التوقيع غير المتصل المقترح باستخدام برنامج MATLAB.حيث يتكون النظام المقترح من أربع مراحل رئيسية هي: التقاط صورة للتوقيع بخط اليد، والمعالجة القبلية، واستخراج الميزات، والتصنيف. يتم توحيد حجم الصور الى حجم (420 * 280) ليناسب عملية استخلاص السمات والتصنيف. ثم يتم استخدام تصفية العتبة لثنائي الصورة. ثم تتم عملية ترقيق النص باستخدام الاسلوب المورفولوجي المرقق لإزالة البيانات الغير مرغوب بها في مرحلة المعالجة القبلية. ثم يتم استخراج ميزات التوقيع باستخدام تقنيات DWT وLBP. أخيرًا في مرحلة التصنيف تم استخدام مصنفات SVM وNN.
تم اختبار الطريقة المقترحة باستخدام قاعدة البيانات GPDS960 وحققت نتيجة تبلغ 83.76% عند استخدام SVM كمصنف و95.80 عند استخدام NN كمصنف. بينما حصلت أنظمة التعرف على التوقيع الأخرى في دراسات سابقه على 83.85% بالتطبيق على نفس قاعدة البيانات.
|
الملخص بالانجليزي |
The signature is an essential biometrics characteristic of a human being that has long been used for personal recognition. Biometric methods for personal identification have been proposed recently, including voice recognition, facial recognition, fingerprint recognition, iris scanning, and retina scanning. While signatures proceed to play a significant role, the handwritten signature is widely used as personal authentication in financial institutions, highlighting the need for a comprehensive electronic signature verification method. This study proposes a new approach for verifying the signature picture written by the individual and determining whether the signature is the legitimate signature of the claiming person.
The suggested technique employs an offline signature recognition system based on the Discrete Wavelet Transform (DWT) and Local Binary Pattern (LBP) as features extract method with Support Vector Machine (SVM) and Neural Networks (NN) as classifier. The suggested Offline signature scheme is implemented in MATLAB program. The proposed system comprises of four major stages: image capture of a handwritten signature, preprocessing, feature extraction, and classification. In the preprocessing stag, the signature image is normalized to a suitable size for feature extraction and classification stages. All signatures images is resized to (420 * 280). Then threshold filtering is used for image Binarization. Then the signature skeleton is removed in the preprocessing stage using a thinning-based morphological technique. The offline signature features are then extracted using DWT and LBP analysis techniques. Finally, in the classification stage, SVM and NN classifiers are used.
The proposed method was tested using the GPDS960 dataset and achieved classification accuracy of 83.76 when SVM is used as classifier and 95.80 when NN is used as classifier.
While other signature recognition systems in the literature obtained 83.85 percent on the same database.
The proposed system s has been tested and reviewed and found to be fit for its intended function
|
رقم ISN |
6876 |
|
للحصول على الرسالة كملف يرجى تزويد المكتبة برقم ISN
|
|