臺灣博碩士論文加值系統

本研究建立一套圖樣取樣及辨識機制來克服手寫簽名所導致圖像的位移(shift)、旋轉(rotation)及方向性(orientation)的問題。藉由使用掌上型電腦(Handheld PC)作為前端手寫輸入設備，取得簽名圖樣，並採用圖樣之細線化(Thinning)、正規化(Normalization)、凸點(Convex hull)以及圓心定點法等影像前處理步驟進行影像前處理，並配合環形區域取樣方式，達到特徵旋轉不變(Rotation Invariant)的效果，並使用非監督式SOM類神經網路來學習以及識別簽名時隨著時間所產生的漸進式改變，達到智慧學習的目的。
實驗結果得知環形取樣對於辨識率已經具有較佳的效果，辨識率高達90.23%，採用本文所提出的方法進行識別，無論手寫簽名圖樣產生了位移、旋轉情形都可以有效地處理圖樣之不變性特徵。然而對於手寫簽名這類型不確定性高的樣本，並且手寫簽名圖樣所產生的變異性具有不穩定的特性，因此對於圖樣的差異較無法有效的細部識別，導致誤判率9.63%。

摘要 i
誌謝 ii
目錄 iii
圖目錄 v
表目錄 vi
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 1
1.3 研究架構 3
1.4 研究限制 4
第二章 文獻探討 5
2.1自我組織特徵映射類神經網路 5
2.1.1 SOM神經網路結構 5
2.1.2 SOM神經網路的學習過程 7
2.1.3 SOM神經網路的識別步驟 8
2.2簽名文字識別 9
第三章 系統架構 12
3.1 圖像前處理 12
3.1.1 二值化(Binarlzation) 13
3.1.2 正規化(Normalization) 14
3.1.3 細線化(Thinning) 14
3.1.4 Convex-Hull 16
3.2 特徵值的擷取 17
3.3 SOM神經網路的建構 19
3.3.1 網路架構 19
3.3.2 簽名識別的演算步驟 21
第四章 實驗結果與分析 22
4.1實驗條件 22
4.2神經網路參數最佳化實驗 23
4.3訓練樣本數量評估實驗 25
4.4環形取樣評估實驗 27
4.5圓心定點法評估實驗 29
第五章 結論 31
參考文獻 33
附錄一、訓練樣本(一) 38
附錄二、訓練樣本(二) 39
附錄三、訓練樣本(三) 40
附錄四、訓練樣本(四) 41
附錄五、錯誤訓練樣本(一) 42
附錄六、錯誤訓練樣本(二) 43
附錄七、錯誤訓練樣本(三) 44
附錄八、錯誤訓練樣本(四) 45

1. 吳坤榮 (1997)，「線上簽名驗證的研究」，國立交通大學資訊工程研究所博士論文。
2. 李奇政 (1998)，「利用離線簽名樣本作線上中文簽名確認」，國立中央大學資訊工程研究所碩士論文。
3. 沈玉升 (1993)，「類神經網路在影像外形自動辨識之應用」，靜宜大學管理科學研究所碩士論文。
4. 林昇浦、洪成安 (2002)，「神經網路入門與圖樣辨識」，全華科技圖書股份有限公司。
5. 邱宏彬 (1996)，「手寫中文字之處理及不變性識別」，國立中央大學資訊工程研究所博士論文。
6. 張斐章，張麗秋，黃浩倫 (2003)，「類神經網路理論與實務」，東華書局。
7. 張森 (1998)，「以模糊性r-model及SOM為架構的手寫數字辨識之研究」，朝陽大學資訊管理所碩士論文。
8. 郭文聰 (1995)，「快速特徵擷取與旋轉法則」，國立中山大學應用數學研究所碩士論文。
9. 陳育千 (2001)，「線上簽名鑑定」，中央警察大學刑事警察研究所碩士論文。
10. 陳慶逸 (1997)，「以類神經網路為基礎的文數字辨識技術之研究」，淡江大學電機工程學系研究所碩士論文。
11. 曾榮鴻 (2001)，「類神經網路應用於數字識別之分析與比較」，國立海洋大學航運技術研究所碩士論文。
12. 黃國源 (1995)，「類神經網路與圖型識別」，維科出版社。
13. 楊宗憲 (1998)，「 可處理任意旋轉角度之手寫字辨識」”，國立成功大學資訊工程研究所碩士論文。
14. 楊宗興 (1987)，「圖形辨識中旋轉問題之探討」，國立台灣學機械工程研究所碩士論文。
15. 楊武智 (1994)，「影像處理與辨認」，全華科技圖書股份有限公司。
16. 趙永正 (1993)，「以特徵擷取做有限度旋轉文字之辨識」，國立台灣科技大學工程技術研究所碩士論文。
17. 蔡明志 (1999)，「神經網路應用於字元的不變性辨識」，元智大學工業工程研究所碩士論文。
18. 賴承澤 (2001)，「利用虛筆資訊特徵作中文簽名確認」，國立中央大學資訊工程研究所碩士論文。
19. 鍾孟邦 (1998)，「可連續書寫之中文簽名確認系統」，中央大學資訊工程研究所碩士論文。
20. Bajaj, R. and S. Chaudhury (1997),“Signature Verification Using Multiple Neural Network Classifier,”Pattern Recognition, Vol.30, No.1, pp.1-7.
21. Berg, M. D., M. V. Kreveld, M. Overmars, and O. Schwarzkopf (2000), Computational Geometry Algorithms and Applications, Germany:Springer.
22. Bozinovic, R. M. and S. N. Srihari, (1989), “Off-line cursive script word recognition, ” IEEE Trans. PAMI, vol. 11, no. 1.
23. Chang, J. Y. and C. L. Lee (1994), “Translation, Rotation, and Scaling Invariant Pattern Recognition by Fuzzy Neural Networks,” The 2nd Natl. Conf. on Fuzzy Theory & Appl. (Fuzzy’94), Taiwan, ROC.
24. Cheng, H. D. and D. C. Xia (1996),“A novel parallel approach to character recognition and its VLSI implementation,”Pattern Recognition, Vol.29, No.1, pp.97-119.
25. Chiu, H. P. and D. C. Tseng (1997), “Invariant handwritten Chinese character recognition using fuzzy min-max neural network,” Pattern Recognition Letter, Vol.18, pp.481-491.
26. Dimauro, G., S. Impedovo, G. Pirlo, and A. Salzo (1997), “A Multi-expret Signature Verification System for Bankcheck Processing,” International Journal of Pattern Recognition and Artificial Intelligence, Vol.11, No.5, pp.827-844.
27. Drouhard, J. P., R. Sabourin, and M. Godbout (1996),“A Neural Network Approach to Off-line Signature Verification Using Directional PDF,” Pattern Recognition, Vol.29, No.3, pp.415-424.
28. Enke, D., H. C. Lee, A. M. Ozbayoglu, A. Thammano, and C. H. Dagli (1995), “An Application to Speaker Identification Using SimNet,” Intelligent Engineering Systems Through Artificial Neural Networks, vol.5, ASME Press (ANNIE ’95) New York.
29. Fukushima, K., S. Myake, and T. Lto (1983), “Neocongitron: A neural network model for a mechanism of visual pattern recognition,” IEEE Trans. Syst., Man, Cybern., vol. SMC-13, no.5, pp.826-834.
30. Han, K. and I. K. Sethi (1996), “Handwritten signature retrieval and identification,” Pattern Recognition Letters, Vol.17, pp.83-90.
31. Holt, M., A. Stewart, M. Clint, and R. H. Perrott (1987), “An Improved Parallel Thinning Algorithm”, Communications of the ACM, Vol. 30, No. 2, pp.156-160.
32. Hsu, Y. N. and H. H. Arsenault (1982), “Rotation-invariant digital pattern recognition using circular harmonic expansion,” Appl. Opt., vol. 21, no.22, pp.4012-4015.
33. Hsu, Y. N., H. H. Arsenault, and Y. Yang (1982), “Digital multiple correlation for pattern recognition,” Appl. Opt., vol. 21, no. 4, pp.616-620.
34. Huang, K. and Hong Yan (1997),“Off-line Signature Verification Based on Geometric Feature Extraction and Neural Network Classification,”Pattern Recognition, Vol.30, No.1, pp.9-17.
35. Jain, K., F. D. Griess, and S. D. Connell (2002), “On-line signature verification,” Pattern Recognition, Vol.35, pp.2963-2972.
36. Koch, M. W., M.W. Roberts, and S. W. Aiken (1990), “A vision architecture for scale, translation, and rotation invariance,” in Proc. Int. Joint Conf. Neural Networks, vol. II, pp. 393-396.
37. Lee, H. C., C. H. Dagli, F. Ercal, and A.M. Ozbayoglu (1995), “SimNet: A Parallel Neuro-Fuzzy Paradigm for Data Clustering,” OAI Neural Networks Symposium and Workshop (OAINN ’95), Athens, Ohio, USA.
38. LǕ, H. E. and P. S. P. Wang (1986), “A Comment A Fast Parallel Algorithm for Thinning Digital Patterns”, Communications of the ACM, Vol. 29, No. 3, pp.156-160.
39. Mori, S.C., Y. Suen, K. Yamamoto (1992), “Historical review of OCR research and development,” in Proc. IEEE, vol. 80, pp.1029-1058.
40. Nayar, S. K., H. Murase, and S. A. Nene (1994), “Learning, positioning, and tracking visual appeaance,” in Proc. 1994 IEEE Int. Conf. Robotics, Automation, vol. 4, pp.3237-3244.
41. Plamondon, R. and G. Lorette (1989), "Automatic signature verification and writer identification - the state of the art", Pattern Recognition, Vol. 22, pp.107-131.
42. Qi , Y. and B. R. Hunt (1994),“Signature Verification Using Global and Grid Features,”Pattern Recognition, Vol.27, No.12, pp.1621-1629.
43. Reid, M. B., L. Spirkovska, and E. Ochoa (1989), “Rapid training of high order neural networks for invariant pattern recognition,” in Proc. Int. Joint Conf. Neural Networks, vol. 1, pp.689-692.
44. Shi, D., S. R. Gunn, and R. I. Damper (2002), “Handwritten Chinese character recognition using nonlinear active shape models and the Viterbi algorithm,” Pattern Recognition Letters, Vol.23, pp.1853-1862.
45. Shie, J. S. and G. D. Chang (1991), “A temporally resolved position sensing device for autofocusing,” Rev. Sci. Instruments, vol. 62, no. 3, pp.825-827.
46. Skyum, S. (1991), “A simple algorithm for computing the smallest enclosing circle”, Information Processing Letters, Vol. 37, pp.121-125.
47. Tseng, D. C., H. P. Chiu, and J. C. Cheng (1996), “Invariant handwritten Chinese character recognition using fuzzy ring data,” Image Vision Computing, Vol.14, pp.647-657.
48. Widrow, R., G. Winter, and R. A. Baxter (1988), “Layered neural nets for pattern recognition,” IEEE Trans. Acoust., Speech, Signal Processing, vol. 36, no. 7, pp.1109-1118.
49. Xuhua, Y., T. Furuhashi, K. Obata, and Y. Uchikawa (1996), “Selection of features for signature verification using the Genetic Algorithm,” Computers Engng, Vol.30, No.4, pp.1037-1045.
50. Yang, H. T., J. W. Lin, and S. J. Lee (1997), “A handwritten Chinese character recognition system based on neural-fuzzy theory,” in Proc. IEEE Int., Conf. on Computational Cybernetics and Simulation., vol. 2, pp.1492-1497.
51. Yang, L. (1995),“Application of Hidden Markov Models for Signature Verification,”Pattern Recognition, Vol.28, No.2, pp.161-170.
52. Yuceer, C. and K. Oflazer (1993), “A Rotation, Scaling, and Translation Invariant Pattern Classification System,” Pattern Recognition, vol.26, No.5, pp.687-710.
53. Zhang, L., M. Y. Fu, and H. Yan (1998),“Handwritten Signature Verification Based on Neural ‘Gas’ Based Vector Quantization,” Proc. of ICPR‘98, pp.1862-1864.
54. Zhang, T. Y. and C. Y. Suen (1984), “A Fast Parallel Algorithm for Thinning Digital Patterns”, Communications of the ACM, Vol. 27, No. 3, pp.236-239.
55. http://selab.csie.ncu.edu.tw/~muchun/course/nn.htm
56. http://www.cse.unsw.edu.au/~lambert/java/3d/hull.html