在笔迹鉴别中为了便于获取特征字符的细微特征，基于线性矩和小波变换提出了提取特征字符纹理特征的方法。小波变换能有效地提取字符的结构特征，而矩能够很好地对其进行描述。在该方法中，一幅特征字图像可以用一个含有52个元素的特征矢量表示，然后通过训练多个神经网络，并应用神经网络集成的方法将其结果合成，对特征空间进行正确分类。分别在特征字和候选人数变化的情况下进行实验，实验结果显示识别准确率较同类算法平均提高百分之五。

自己开发的一个笔迹鉴别系统，包括笔迹预处理，字分割，鉴别算法的实现等功能

笔迹鉴别是通过分析手写笔迹信息来判断书写者身份的特征分析技术，为提高笔迹鉴别的科学性和准确性，设计了基于ARM嵌入式系统的文本独立（Text-independent）笔迹鉴别系统。系统包括笔迹采集端、数据传输部分和上位机处理端3个部分。首先给出了总体设计和详细的工作流程，并对笔迹信息采集模块和数据传输部分进行分析，最后结合笔迹图像预处理技术和纹理特征分析方法，采用基于多维度Gabor变换和支持向量机（Support Vector Machines，SVM）方法进行实时笔迹鉴别。实验表明，系统鉴别率高，达到了良好的预期效果。

清华大学的专利 仅供学习 请勿二传