عنوان الإطروحه
Offline Signature Recognition using Wavelet Packet Decomposition and A neural network
تاريخ مناقشة الاطروحه
2021-05-02
اسم الطالب
محمد عبدالعزيز عوده الله العليمات
المشرف
فيصل سليمان صالح السقار
المشرف المشارك
عطاالله محمود عواد الشطناوي
اعضاء لجنة المناقشة
محمد سعيد منصور البشير
بلال مصطفى ابو عطا
الكلية
كلية الامير الحسين بن عبدالله لتكنولوجيا المعلومات
القسم
علم الحاسوب
الملخص بالعربية
التوقيعات المكتوبة بخط اليد هي واحدة من أهم الأدوات التي يستخدمها عامة الناس لتمييز أنفسهم عن الآخرين. علاوة على ذلك ، فإن التوقيعات سهلة الاستخدام ويقبلها عامة الناس على نطاق واسع. تقترح هذه الدراسة وتطور طريقة التعرف على التوقيع دون اتصال بالإنترنت بناءً على تحليل حزم المويجات (WPD) Wavelet Packet Decomposition ومصنف الشبكة العصبية Neural Network. حيث ينقسم النظام المقترح إلى ثلاث مراحل رئيسية : المعالجة المسبقة واستخراج الميزات والتصنيف. تتم عملية ترقيق للتوقيع في مرحلة المعالجة المسبقة باستخدام تقنية مورفولوجي تعتمد على التخفيف ، ويتم تحجيم صورة التوقيع إلى حجم مناسب لاستخراج الميزات وتصنيفها. تم اقتراح WPDفي مرحلة استخراج خصائص التواقيع. ثم بعد ذلك تم فحص النظام المقترح على قاعدة بياناتGPDS960 بمقياس تحجيم للتوقيع ثابت (400 * 250) واستخراج النتائج . وحقق النظام المقترح نتيجة تعرف بنسبة وصلت إلى96.65 بمعدل خطأ (ERR= 3.35) , وأثبتت الدراسة أن النظام المقترح أعطى نتائج أفضل من النظام القائم على أساس WPE للتعرف على التواقيع حيث كانت نتائجه 83.85 بمعدل خطأ(ERR=16.15 ) لقاعدة بياناتGPDS960 وبالتالي تم التحقق من فعالية النظام المقترح للتعرف على التواقيع في وضع عدم الاتصال بالانترنت
الملخص بالانجليزي
Handwritten signatures are one of the most critical instruments used by the general public to distinguish itself from others. Furthermore, signatures are simple to use and widely embraced by the general public. This study proposes and develops an offline signature recognition method based on Wavelet Packet Decomposition (WPD) and a Neural Network classifier. The suggested Offline signature scheme is divided into three stages: pre-processing, feature extraction, and classification. The signature skeleton is removed in the preprocessing stage using a thinning-based morphological technique, and the signature image is normalized to a suitable size for feature extraction and classification. The WPD analysis approach is proposed in the feature extraction stage to collect Offline signature features. The suggested offline signature recognition scheme has been validated on a GPDS960 signature database with a fixed signature normalization scale (400*250). In terms of classification accuracy, the proposed scheme based on WPD Offline signature recognition system output findings using (400*250) normalized signature size are validated and contrasted with the other system based on Wavelet Packet Entropy WPE, on the GPDS960 database. On the GPDS960 database, the device achieved classification accuracy of (96.65 percent & ERR 3.35). It outperformed the benchmarking focused on WPE recognition programs, which obtained classification accuracy results of (83.85 percent & ERR=16.15) on the same data base GPDS960.Consequently, when tested against benchmarking Offline signature recognition systems built using the same classifier, it yields encouraging results
رقم ISN
6920
للحصول على الرسالة كملف يرجى تزويد المكتبة برقم ISN