МІНІСТЕРСТВО ОСВІТИ ТА НАУКИ УКРАЇНИ

ХЕРСОНСЬКИЙ ДЕРЖАВНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ

УДК 004.93’12

ТРИПОЛЬСЬКА ВІКТОРІЯ ВОЛОДИМИРІВНА

АВТОМАТИЗОВАНА ІДЕНТИФІКАЦІЯ ПІДПИСІВ ЯК БІНАРНИХ ЗОБРАЖЕНЬ У ПРОСТОРІ ОЗНАК ПЕРЕТВОРЕННЯ РАДОНА НА ОСНОВІ НЕЙРОМЕРЕЖЕВОГО ПІДХОДУ

05.13.06 – Автоматизовані системи управління та прогресивні інформаційні технології

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

кандидата технічних наук

ХЕРСОН 2003

Дисертацією є рукопис.

Робота виконана в Дніпропетровському національному університеті

Міністерства освіти та науки України.

Науковий керівник: доктор фізико-математичних наук, професор,

Ахметшин Олександр Мубаркович,

професор кафедри автоматизованих систем

обробки інформації і управління

Дніпропетровського національного

університету;

Офіційні опоненти: – доктор технічних наук, професор

Марасанов Володимир Васильович,

завідувач кафедри економічної кібернетики,

Херсонський державний аграрний університет,

м. Херсон;–

доктор технічних наук, професор

Михальов Олександр Ілліч,

завідувач кафедри інформаційних технологій та систем,

Національна металургійна академія України,

м. Дніпропетровськ;

Провідна установа: Харківський національний

університет радіоелектроніки,

кафедра інформатики,

м. Харків

Захист відбудеться “03” липня-р. о 11 годині на засіданні спеціалізованої вченої ради Д 67.052.01 у Херсонському державному технічному університеті за адресою:

73008, м. Херсон, Бериславське шосе, 24.

З дисертацією можна ознайомитися в бібліотеці Херсонського державного технічного університету за адресою:

73008, м. Херсон, Бериславське шосе, 24.

Автореферат розісланий “07” травня 2003 р.

Вчений секретар

спеціалізованої вченої ради ___________________________ В.О. Костин

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Загальна тенденція підходу до комп'ютерних методів обробки й аналізу документів як бінарних зображень ставить дуже гостро проблему ідентифікації істинності документа, яка підтверджується, як правило, підписом відповідальної особи. Останнє, неминуче, висуває проблему ідентифікації істинності підпису на одне з перших місць в ієрархії загальних задач інформаційних технологій.

До інформаційних систем ідентифікації особистості, орієнтованих на роботу з великими базами даних, пред'являються такі вимоги: точність та швидкість обробки, простота процесу введення даних, можливість роботи в розподілених системах віддаленого доступу і згода користувачів використовувати певні пристрої для особистісної перевірки. У цьому сенсі основна перевага підпису полягає в тому, що він є загальноприйнятою формою в юридичному значенні, а також в тому, що підпис це загальноприйнятий шлях ідентифікації особи в щоденних діях.

Основні зусилля в вирішенні цієї проблеми пов'язані з розробками різних типів інтелектуальних баз даних і відповідних алгоритмів зіставлення еталонних підписів з бази даних з реальними підписами (чеки, документи тощо). Більшість спроб вирішення задач ідентифікації підписів базується на використанні нейронних мереж штучного інтелекту, однак є спроби і “сигнального підходу”, засновані на розгортанні підпису в однозначну криву з подальшим аналізом її особливостей.

Підпис, в основному, розглядається як зображення. Існуючі методи статичної обробки підпису не завжди дають можливість адекватно розділити підпис через численні розгалуження, повтори і точки розриву. Дуже актуальною є розробка інтегральних методів виділення стійких ознак підписів при розгляді кожного підпису як бінарного зображення. Акцент саме на виділенні інтегральних інформативних ознак пов'язаний з фізіологічним сприйняттям підпису як єдиного цілого, принаймні в початковий момент процедури верифікації.

Для переходу в спектральну область використовувалися інтегральні перетворення Фур'є, Адамара .

Енергетичний спектр перетворення Фур'є погано підходить для задач ідентифікації підписів через його розмитість, що обумовлюється широким просторовим спектром елементів підписів (тонкі лінії – аналог -імпульсів). Це не дозволяє упевнено виділити значимі інформаційні ознаки для забезпечення надійності процедури ідентифікації. У цьому зв'язку представляє інтерес дослідження простору ознак перетворення Радона, що не застосовувалося раніше для ідентифікації підписів. Перетворення Радона широко використовується в томографії, воно має ті ж достоїнства, що й інші інтегральні перетворення, крім того використовується вся інформація (в енергетичному спектрі перетворення Фур'є втрачається фазова інформація).

Актуальність роботи полягає в необхідності створення нових прогресивних інформаційних технологій та підходів до автоматизованої ідентифікації підписів.

Зв’язок роботи з науковими програмами, планами, темами. Робота виконана відповідно до планів перспективних наукових праць кафедри “Автоматизовані системи обробки інформації та управління” Дніпропетровського національного університету в області інформаційних технологій на період 2000-2005 р.

Мета і задачі дослідження. Метою дисертаційного дослідження є витяг інформативних характеристик простору ознак перетворення Радона для автоматизованої ідентифікації підпису як бінарного зображення та знаходження нового параметричного вектора. Для досягнення цієї мети в дисертації поставлено такі основні задачі:

- розробити і дослідити методи виділення інформативних ознак перетворення Радона підписів як бінарних зображень;

- дослідити методи підвищення стійкості інформативних ознак перетворення Радона до впливу масштабування, обертання і повороту;

- обґрунтувати й розробити нейронну мережу штучного інтелекту, яка притаманна для вирішення задач, пов’язаних із ідентифікацією підпису.

Об'єктом дослідження є методи, математичні моделі й інформаційні технології виділення стійких ознак підпису як бінарного зображення при автоматизованій ідентифікації. Предметом дослідження є підпис, отриманий при статичному зборі даних і представлений в електронному виді як бінарне зображення.

Методи досліджень. Для розв'язання поставлених задач використовувались математичний апарат спектрального аналізу зображень, вейвлет-аналізу, методи математичного моделювання, інтегральних перетворень, прикладного програмування та комп’ютерної графіки.

Наукова новизна одержаних результатів:

Розроблена концепція інформаційної технології автоматизованої ідентифікації підписів як бінарних зображень, яка містить:

- новий метод перетворення підпису як бінарного зображення до напівтонового на основі перетворення Радона, що дозволяє виділити характерні “яскраві” точки і використовувати весь математичний апарат аналізу та обробки напівтонових зображень;

- вперше отримані інформаційні ознаки для ідентифікації підпису в рамках вейвлет-декомпозиції перетворення Радона, що дозволило виділити ознаки, які притаманні тільки даному індивідууму, зменшити простір ознак, не погіршуючи надійність класифікації в порівнянні з іншими методами;

- вперше застосовано псевдофазову систему координат для виділення інформативних ознак підпису, що дозволило зменшити розмірність характеристичного вектора без утрати якості класифікації;

- вперше застосовано моменти, інваріантні до повороту, масштабування і зсуву та моменти Церніке для автоматичної ідентифікації підпису, що дозволило визначити параметри, які не змінюються при трансформації зображення в межах рамки на документі;

- вперше застосовано аналіз підписів у сингулярних базисах перетворення Радона, що дозволило виділити сингулярні числа, які відповідають особливостям і закономірностям підпису та зменшити простір ознак;

- розроблено тип і архітектуру нейронної мережі штучного інтелекту для ідентифікації бінарних підписів відносно запропонованих методів виділення інформативних ознак, отриманих після застосування перетворення Радона.

Вірогідність та обґрунтованість одержаних результатів підтверджується коректним використанням математичних підходів у порівнянні з результатами, одержаними іншими методами та іншими авторами, серією обчислювальних експериментів, що свідчать про відповідність представлених даних та результатів роботи системи.

Практичне значення одержаних результатів. Розроблено алгоритми та методи, що є основою для створення автоматизованої системи ідентифікації підписів, у якій визначається істинність або підробка. Метод автоматизованої ідентифікації підписів підтверджується серією експериментів. Результати роботи використовуються в лекційних курсах, які читаються в Дніпропетровському національному університеті: “Цифрова обробка сигналів” та “Багатовимірна цифрова обробка сигналів”. Результати роботи впроваджені у ТОВ фірма “Крок” Експертне бюро (м.Дніпропетровськ) та використовуються у науковій діяльності Дніпропетровського науково-дослідницького інституту судових експертиз.

Особистий внесок здобувача. Особисто автором отримані наступні результати: запропонована технологія збору, збереження та комп’ютерна обробка інформації про підпис; запропоновано й обґрунтовано інтегральний метод перетворення підпису як бінарного зображення в напівтонове на основі перетворення Радона; запропоновані й обґрунтовані методи виділення інформативних ознак підпису на основі вейвлет-перетворення, застосування сингулярного базису, псевдофазової системи координат; запропоновані інформативні ознаки, інваріантні до повороту, масштабування та зсуву на основі моментів Церніке й Ху для однозначної ідентифікації підпису; побудована нейронна мережа штучного інтелекту зворотного розповсюдження помилки, яка ідентифікує істинність або підробку підпису.

Апробація результатів дисертації. Основні положення дисертаційної роботи доповідались та обговорювались на Міжнародних конференціях з математичного моделювання (м.Херсон, 2001, 2002), III Міжнародній науково-практичній конференції з програмування (м.Київ, 2002), Міжнародній конференції з індуктивного моделювання (м.Львів, 2002), Міжнародній науково-технічній конференції “Штучний інтелект - 2002” (п.Кацивелі, 2002), VI Всеукраїнській міжнародній конференції оброблення сигналів і зображень та розпізнавання образів (м.Київ, 2002).

Публікації. За темою дисертації опубліковано 7 друкованих праць: 5 статей у збірниках наукових праць, 2 у матеріалах наукових конференцій.

Структура і обсяг дисертаційної роботи. Дисертація складається із вступу, 4 розділів, які викладені на 115 сторінках, висновків, списку літературних джерел із 76 найменувань, 5 додатків. Робота проілюстрована 42 рисунками та 23 таблицями.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтована актуальність теми, показана необхідність знаходження нових інформативних ознак підпису для автоматизованої ідентифікації. Сформульовані мета та задачі дослідження, відбиті новизна та практична цінність роботи, відображені отримані результати, що виносяться на захист.

У першому розділі подано аналіз сучасного стану робіт в галузі автоматизованих систем ідентифікації підписів, досліджені сучасні методи отримання підпису та виділення його інформативних ознак. Розглянуто характеристики, які використовуються при ідентифікації статичних та динамічних підписів. Існуючі методи статичної обробки підпису не завжди дають можливість адекватно розділити підпис через численні розгалуження, повтори і точки розриву. Актуальною є розробка інтегральних методів виділення стійких ознак підписів при розгляді кожного підпису як бінарного зображення (рис.1).

а б в г д

Рис. 1. Вихідні бінарні підписи:

а – еталонний підпис, б, в - істинні підписи, г, д – підробки.

Акцент саме на виділенні інтегральних інформативних ознак пов'язаний з фізіологічним сприйняттям підпису як єдиного цілого, принаймні в початковий момент процедури ідентифікації. Обґрунтована актуальність досліджень, що проводяться, показана необхідність розробки інструментарію у вигляді математичних моделей, алгоритмів і методів виділення ознак підпису, які інваріантні до повороту, зсуву та масштабування. В результаті проведеного аналізу сформульована мета, поставлено задачі досліджень.

У другому розділі розглядається перехід від бінарного зображення підпису до напівтонового з 256 градаціями сірого на основі перетворення Радона. Детальний аналіз показує, що підхід до ідентифікації підписів з позиції їхнього сприйняття як бінарних зображень, незважаючи на психологічну природність цієї процедури, при автоматизованій обробці дуже чутливий до варіацій місця розташування і форми підпису. У цьому випадку використовується процедура перетворення до яскравісного зображення.

Можливий перехід від бінарного зображення до яскравісного на основі використання енергетичного спектра двовимірного перетворення Фур'є зображення. Однак, як показує досвід, спектр погано підходить для задач ідентифікації підписів через розмитість даної функції, що обумовлюється широким просторовим спектром елементів підписів (тонкі лінії – аналог -імпульсів). Це не дозволяє впевнено виділити значимі інформаційні ознаки для забезпечення надійності процедури ідентифікації.

Саме з цієї причини в даній роботі використовується підхід виділення інформативних ознак зображень підписів, заснований на дослідженні ознакового простору перетворення Радона.

У порівнянні з енергетичним спектром Фур'є перетворення Радона має наступні переваги:

- повне використання всієї інформації (в енергетичному спектрі Фур'є губиться фазова інформація);

- перехід від бінарного зображення до зображення в градаціях сірого, що дає можливість використання всіх методів дослідження в області цифрової обробки зображень;

- дає зображення, яке характеризується рядом “яскравісних” точок, які є основними інформативними ознаками.

На рис. 2 представлені перетворення Радона для вихідних підписів. Важливою особливістю перетворення Радона є його оберненість , воно також є інваріантним до горизонтально-вертикальних переміщень підпису в межах заданої рамки.

Зображення (рис.2) має характерні і чітко помітні яскраві точки для кожного конкретного підпису, які використовуються як стійкі інформативні ознаки. Використання перетворення Радона для переходу від бінарного зображення до яскравісного дає можливість однозначно ідентифікувати підпис (істинний чи підробка). Отримане зображення вимагає великого обсягу пам'яті для збереження і тривалого часу для обробки нейронною мережею, що є значним недоліком у системах автоматичної перевірки підпису. При ідентифікації підписів необхідно зберігати інформацію про декілька екземплярів підпису, що збільшує розмір необхідного дискового простору. Звідси виникає задача зменшення простору ознак. Одним з можливих методів вирішення цієї задачі є побудова “карти підпису” на основі використання двовимірного перетворення Фур'є.

а б в г д

Рис.2. Перетворення Радона для бінарних зображень підпису

а – еталонний підпис, б, в - істинні підписи, г, д – підробки.

Зображення розбивається на непересічні блоки розміром 8 х 8 пикселів. Обчислюється спектр двовимірного перетворення Фур'є для кожного блоку зображення. Використання різних значень просторових частот дозволило розділити незалежні класи. Процес класифікації кожного блоку зображення здійснено за допомогою нейронної мережі, що використовує алгоритм зворотного поширення помилки. Блок зображення, отриманого після перетворення Фур'є, повинен бути віднесений до одного з 8 класів (рис. 3).

0.0° 22.5° 45.0° 67.5° 90.0°112.5° 135.0° 157.5°

Рис. 3. Класи при побудові карти зображення.

Для розглянутого застосування рівень точності 8-ми класів є достатнім, оскільки при цьому представлено основні напрямки ліній. Значення кожного блоку посилається в нейронну мережу, вихід мережі кодується від 0 до 7. Отримані вихідні параметри нейронної мережі є новими значеннями функцій яскравості для зображення. Використовуючи ці дані, будується зображення підпису у просторі ознак перетворення Радона, яке зменшене за методикою “карти підпису” (рис. 4).

Карта підпису є новим простором ознак вихідного статичного бінарного підпису. Ці параметри є вихідними даними для ідентифікації підпису нейронною мережею.

а б в г д

Рис.4. Синтезована карта підписів, що відповідає рис.2.

У третьому розділі запропоновано методи виділення інформативних ознак підпису, представленого як напівтонове зображення, отримане після застосування перетворення Радона.

Підвищення вірогідності класифікації підписів і зменшення розмірів параметричного вектора досягається застосуванням декомпозиції зображення за допомогою дискретного вейвлет-перетворення.

Низькочастотний компонент перетворення використовується як зменшена копія вихідного зображення (один крок перетворення зменшує зображення в 2 рази), високочастотні складові використовувати для виділення перепадів, контурів зображення, ділянок різкої зміни кольору або яскравості. Якщо не виконувати ніяких додаткових дій з компонентами вейвлет, то по них за допомогою кроку зворотного вейвлет-перетворення можна цілком відновити вихідне зображення.

У розкладанні аналізуються деталі зображення, отримані на перших рівнях розкладання, оскільки вони характеризують особливості даного підпису. Використання декількох рівнів для аналізу обумовлене тим, що на нижчому рівні розкладання залишаються найзагальніші властивості підпису і деталі, які зустрічаються тільки в даному екземплярі. Ці параметри є частиною сукупності інформативних ознак, що характеризують підпис.

Застосування різних фільтрів вейвлет-перетворення для виділення ознак підпису обумовлене різною швидкістю виконання алгоритму і довжиною найкращого розкладання. Найкращим базисом розкладання у процесі експерименту виявився біортогональний вейвлет. При його використанні розмірність характеристичного вектора не тільки не збільшується, але й зменшується; підвищується інформативність ознак за рахунок виділення апроксимуючих коефіцієнтів, що грубо представляють зображення, і деталізуючих коефіцієнтів вони визначають особливості підпису, які складно підробити.

На рис. 5 показані зображення, відновлені по коефіцієнтам вейвлет-перетворення для біортогонального базису, які виділені на першому рівні розкладання і містять вихідне зображення та вертикальні, горизонтальні і діагональні коефіцієнти.

При ідентифікації підписів нейромережевим методом на основі вейвлет-перетворення як параметричний вектор використовується зображення, отримане на першому рівні розкладання. Вхідні дані містять вихідне зображення, що стиснуте за допомогою вейвлет, коефіцієнти діагонального, вертикального і горизонтального перетворення. Розмірність такого параметричного вектора є досить великою при ідентифікації підписів нейронною мережею зворотного поширення помилки, у зв'язку з чим необхідно зменшити розмірність вхідних параметрів мережі. Зменшення простору ознак отримане при побудові гістограм для кожного компонента декомпозиції.

а б в г

а б в г

Рис. 5. Коефіцієнти після вейвлет-декомпозиції для біортогонального базису:

а- вихідне зображення, б – горизонтальні, в – вертикальні, г – діагональні коефіцієнти.

Рішенням проблеми зменшення простору ознак також є застосування до зображення, відновленого за коефіцієнтами вейвлет-перетворення, методу побудови “карти підпису” (рис.6).

Параметричним вектором підпису є “карта зображення” після вейвлет-декомпозиції і гістограми, побудовані на основі простору ознак вейвлет-перетворення, а також їхнє сполучення. Застосування вейвлет-перетворення дає кращі результати в порівнянні з іншими методами при “тонкій” підробці підпису за рахунок поділу простору на дві складові.

У даній роботі розглядається підробка підпису рукописним методом, при цьому на практиці мають місце дві ситуації:“швидка” та “ретельна” підробка. Необхідність спільного вирішення цих (принципово різних) задач привела до розробки підходу, пов’язаного з витягом інформативних ознак перетворення Радона в псевдофазовій системі координат. Основна ідея підходу полягає в тім, що при переході в нову систему координат можна виділити невелику ділянку, в якій і будуть зосереджені основні локальні зміни підписів, тоді як у більшій частині нової площини будуть зосереджені загальні (практично незмінні) ознаки.

а б в

Рис. 6. Підпис у просторі ознак:

а – перетворення Радона для бінарного підпису;

б – зображення, відновлене за коефіцієнтами вейвлета;

в – “карта зображення”.

Як випливає з розгляду псевдофазових характеристик на рис. 7, основні локальні зміни групуються у відносно невеликій лівій верхній частині аналізованої площини, що і відкриває можливість істотного скорочення розмірності ознакового простору з одночасним забезпеченням високої чутливості до виявлення підроблених підписів. Можна використовувати повне зображення як вектор вхідних параметрів для нейронної мережі, але інформативною є тільки його частина : верхня чверть містить відмітні ознаки підпису, інше зображення відображає постійні компоненти. Тому використовується тільки інформативно значима інформація, це зменшує обсяг пам'яті для збереження вектора параметрів і збільшує швидкість обробки даних нейронною мережею.

Даний метод дає найкращі результати при підробці підпису в деталях, що на перший погляд не помітні, оскільки частина зображення, яка містить закономірності, “відкидається”. При грубій підробці підпису метод дає кращі результати ідентифікації в порівнянні з прямим застосуванням простору ознак перетворення Радона.

Рис. 7. Псевдофазова характеристика, що відповідає перетворенню Радона:

а – еталонний підпис, б, в – істинний підпис; г, д – підробка.

У роботі визначено метод, який відноситься до “сигнального” підходу при ідентифікації підписів. Він заснований на розкладанні підпису у сингулярних базисах перетворення Радону.

Оскільки в рамках суто візуальної (тобто зорової) ідентифікації підписів у першу чергу оцінюють загальні особливості їхньої форми, то саме ці особливості у сингулярному базисі відображають вектори, які відповідають найбільшим сингулярним числам (рис.8). Це означає, що скалярні добутки виду

, ,

(де е- означає еталон, а р - підробка) для початкових значень є близькими до одиниці чи спадають монотонно з ростом i. Оскільки відмінності в підписах повинні виявлятися в невеликих деталях (рис.9), то існує такий індекс “i”, при якому

,

де r – дійсний, хоча і відмінний від еталона, підпис.

а б в

Рис. 8. U1 перший сингулярний вектор від перетворення Радона: а – еталон; б – істинний підпис, що відрізняється від еталона; в – підробка.

а б в

Рис. 9. U6 максимальний сингулярний вектор від перетворення Радона: а – еталон; б – істинний підпис, що відрізняється від еталона; в – підробка.

Складність методу, безумовно, пов'язана з вибором граничного “i” для процедури ухвалення рішення, оскільки величина цього індексу може бути різною для різних підписів.

Розпізнавання підписів способом, який є незалежним від масштабу, позиції й орієнтації, досягнено використанням набору характеристик, отриманих від інваріантних особливостей. На основі теорії моментів виділяються ознаки підпису, які використовуються для ідентифікації істинності або підробки нейронною мережею.

Моменти низьких порядків відповідають за “закономірності”, а вищі моменти визначають особливості зображення. У роботі запропоновано використання нелінійних функцій Ху, побудованих на моментах, що інваріантні до зсуву, обертання і масштабування, як інформаційні ознаки підпису. Проведені експерименти показали, що інформативнішим є напівтонове зображення, отримане після перетворення Радона, але даний вектор інформативних ознак не дає достатньої надійності ідентифікації підписів, у зв'язку з чим виникає необхідність збільшення простору інформативних ознак. Ця задача була вирішена за допомогою застосування інваріантних моментів Церніке. Різне сполучення цих параметрів є вхідним вектором для нейронної мережі. Найкращі результати автоматизованої ідентифікації підписів отримані при використанні інваріантних моментів Ху та Церніке спільно. Інваріантість ознак дозволяє визначити основні закономірності підпису при зміні його розташування в межах рамки на документі. Мала розмірність цього вектора ознак, але в той же час висока інформативність, дозволяє використовувати його в сполученні з іншими, більш “тонкими”, методами.

У четвертому розділі наведено структуру та тип нейтронної мережі для ідентифікації підписів, подані порівняльні оцінки різних типів нейронних мереж та алгоритмів навчання.

При використанні різних інформативних векторів для ідентифікації підписів у просторі ознак перетворення Радона використовувалися нейронні мережі штучного інтелекту, які навчаються з учителем, що дозволяє налаштувати і зафіксувати параметри мережі. Особливістю нейронної мережі для ідентифікації підписів є те, що навчання проводиться тільки на істинному підписі, а навчання на підробці є некоректною задачею. Тестова вибірка складалась із еталонного підпису, на якому навчалася мережа (з відомою приналежністю його до відповідного класу), та двох істинних підписів і двох підробок. У процесі експерименту кількість нейронів у схованих шарах змінювалася від 5 до 100 з помилкою навчання від 0,1 до 0,000001; вибірка для навчання мережі складалась із 20 істинних підписів 10 осіб. При використанні як вхідного вектора параметрів підпису у просторі ознак перетворення Радона, у процесі експерименту, найкращі результати отримані при використанні багатошарової нейронної мережі з навчанням по методу зворотного поширення помилки (рис.10).

При ідентифікації підписів використовується критерій максимальної правдоподібності. Вірогідність рішення визначається як імовірність ухвалення правильного рішення (у експериментах вірогідність ідентифікації підпису визначена у відсотках). У даному випадку вірогідність ідентифікації підписів склала 70-80%. У порівнянні: автоматизована ідентифікація бінарного зображення підпису склала 30-60%.

Проведені експерименти доводять, що перехід від бінарного підпису до підпису, представленого у просторі ознак перетворення Радона, приводить до підвищення вірогідності класифікації.

Використання “карти підпису” як вхідного параметра нейронної мережі збільшує швидкість обробки даних та зменшує обсяг пам’яті. Ідентифікація підписів у просторі вейвлет-перетворення дає вірогідність 93-98%. Найкращі результати отримані при використанні нейронної мережі Елмана, для якої вхідним параметром є вейвлет-перетворення на основі біортогонального базису підпису, до якого застосоване перетворення Радона. Використання гістограм на основі вейвлет-перетворення не зменшує надійність ідентифікації підписів, що підтверджено експериментально.

Рис. 10. Структура нейронної мережі.

Вірогідність ідентифікації підписів нейронною мережею, для якої вхідним параметром є 11 моментів Церніке і 7 інваріантних моментів, склала 95-98%. Підвищення вірогідності отримане завдяки використанню параметрів підпису, які не змінюються при переміщенні в межах рамки на документі. Застосування псевдофазової системи координат перетворення Радона як вхідного вектора нейронної мережі дає вірогідність ідентифікації підписів 95-98% завдяки виділенню особливостей підпису, які важко підробити; зменшується також простір ознак при використанні не всього обсягу зображення. У результаті експерименту кращий результат отримано на мережі Елмана, яка є частково-рекурентною мережею зі зворотними зв'язками.

Для збільшення вірогідності ідентифікації підпису доцільно застосовувати сполучення параметричних векторів, отриманих за допомогою різних методів. Простір ознак на основі інваріантних моментів доповнюється простором псевдофазової системи координат, оскільки кращі результати ідентифікації отримані при різних типах підробки підпису. Збільшення надійності дає спільне використання вейвлет-перетворення, що виділяє особливості і закономірності інваріантних моментів, а також псевдофазової системи координат.

ВИСНОВКИ

Розроблена концепція інформаційної технології автоматизованої ідентифікації підписів як бінарних зображень.

1. Новий метод перетворення підпису, як бінарного зображення до напівтонового на основі перетворення Радона, що дозволяє виділити характерні “яскраві” точки і використовувати весь математичний апарат аналізу та обробки напівтонових зображень.

2. Вперше отримані інформаційні ознаки для ідентифікації підпису в рамках вейвлет-декомпозиції перетворення Радона, що дозволило виділити ознаки, які притаманні тільки даному індивідууму, зменшити простір ознак, не погіршуючи надійність класифікації в порівнянні з іншими методами.

3. Вперше застосовано псевдофазову систему координат для виділення інформативних ознак підпису, що дозволило зменшити розмірність характеристичного вектора без втрати якості класифікації.

4. Вперше застосовано моменти, інваріантні до повороту, масштабування і зсуву, моменти Церніке для автоматичної ідентифікації підпису, що дозволило визначити параметри, які не змінюються при перетворенні зображення в межах рамки на документі.

5. Вперше застосований аналіз підписів у сингулярних базисах перетворення Радона дозволив виділити сингулярні числа, які відповідають особливостям і закономірностям підпису, що дало зменшення простору ознак.

6. Розроблено тип і архітектуру нейронної мережі штучного інтелекту для ідентифікації бінарних підписів у просторі ознак перетворення Радона відносно запропонованих методів виділення інформативних параметрів.

7. Розроблено програмне забезпечення для реалізації автоматизованої ідентифікації підписів у просторі ознак перетворення Радона на основі запропонованих методів.

8. Результати роботи впроваджені у ТОВ фірма “Крок” Експертне бюро (м. Дніпропетровськ) та використовуються у науковій діяльності Дніпропетровського науково-дослідницького інституту судових експертиз.

Список опублікованих праць за темою дисертації

1. Ахметшин А.М., Трипольская В.В. Идентификация подписей в сингулярных базисах преобразования Радона // Вестник Херсонского государственного технического университета. – Херсон. - 2001. - № 3 (12) - С.22-26.

2. Ахметшин А.М., Трипольская В.В. Нейросетевая верификация подписей в псевдофазовой системе координат преобразования Радона // Искусственный интеллект. – ІПШІ “Наука і освіта”. -2002. -№4. – С.658-665.

3. Трипольська В.В. Класифікація підписів на основі інваріантних моментів простору ознак перетворення Радона // Прикладная геометрия и компьютерная графика. – К. – 2002. - №71 – С.235-239.

4. Ахметшин А.М., Трипольская В.В. Повышение точности идентификации подписей на основе инвариантных моментов преобразования РадонаВісник Запорізького державного університету. – Запоріжжя. - 2002. - №1 – С.12-15.

5. Трипольская В.В., Ахметшин А.М. Нейросетевая идентификация подписей в пространстве признаков преобразования Радона // Проблемы программирования. – К. - 2002. - №1-2 – С.576-582.

6. Ахметшин А.М., Трипольская В.В. Повышение точности нейросетевой классификации подписей в пространстве признаков вейвлет-декомпозиции преобразования Радона // Міжнародна конференція з індуктивного моделювання. - Львів. – 2002. - т.3. - С.196-202.

7. Трипольська В.В. Ідентифікація підписів за характерними ознаками перетворення Радона // Шоста Всеукраїнська міжнародна конференція “Оброблення сигналів і зображень та розпізнавання образів”. – Київ: Інститут кібернетики НАН України. - 2002. – С.203-206.

Трипольська В.В. Автоматизована ідентифікація підписів як бінарних зображень у просторі ознак перетворення Радона на основі нейромережевого підходу. – Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 – Автоматизовані системи управління та прогресивні інформаційні технології. Херсонський державний технічний університет, Херсон, 2003.

Дисертацію присвячено питанням автоматизованої ідентифікації підписів як бінарних зображень у просторі ознак перетворення Радона на основі нейромережевого підходу. Запропоновано перехід від бінарного зображення підпису до напівтонового на основі перетворення Радона, що дає характерні “яскраві” точки для кожного екземпляра підпису. Розроблено методи виділення характерних ознак підпису, які визначають підпис при автоматизованій ідентифікації (істина чи підробка), у просторі вейвлет-перетворення, псевдофазовій системі координат, розкладання підпису у сингулярних базисах; вектор параметрів, який інваріантний до повороту, обертання та зсуву на основі моментів Ху та Церніке. Для зменшення розміру простору ознак запропоновано створення “карти підпису”. Розроблено програмне забезпечення для вирішення розглянутої задачі. Створена методична та алгоритмічна база автоматизованої ідентифікації та аналізу бінарних підписів на основі розроблених інтегральних методів виділення ознак, ефективність якої обґрунтована теоретично та підтверджена впровадженнями.

Ключові слова: бінарний підпис, перетворення Радона, автоматизована ідентифікація, нейронна мережа.

Трипольская В.В. Автоматизированная идентификация подписей как бинарных изображений в пространстве признаков преобразования Радона на основе нейросетевого подхода. – Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.06 – Автоматизированные системы управления и прогрессивные информационные технологии. Херсонский государственный технический университет, Херсон, 2003.

Диссертация посвящена вопросам автоматизированной идентификации подписей как бинарных изображений в пространстве признаков преобразования Радона на основе нейросетевого подхода.

Предложен новый метод перехода от бинарного изображения подписи к полутоновому с 256 градациями серого на основе преобразования Радона, что позволило выделить характерные для каждой подписи “блестящие точки”. Для уменьшения характеристического вектора подписи в пространстве признаков преобразования Радона разработан алгоритм построения “карты подписи”, который позволил сократить размер вектора признаков без потери качества идентификации.

На основе дискретного вейвлет-преобразования разработан алгоритм выделения информативных признаков подписи, который позволил повысить достоверность идентификации подписей и уменьшить размер пространства признаков. Установлено, что данный метод наилучшим образом идентифицирует подпись при “быстрой” подделке.

Разработан метод выделения информативных признаков подписи в псевдофазовой системе координат. Установлено, что в данном случае часть изображения содержит информацию об особенностях подписи, а часть — о закономерностях. При этом на основе экспериментальных данных определено, что одна четверть содержит данные, характерные только для определенного индивидуума, и является информативной — это позволило уменьшить пространство признаков и повысить достоверность идентификации. Наилучшие результаты получены при идентификации “тонкой” подделки.

Предложен метод разложения подписи в сингулярных базисах преобразования Радона. Разработан метод выделения характеристического вектора подписи, инвариантного к аффинным преобразованиям и повороту на основе инвариантных моментов Ху и Цернике.

На основе предложенных методов выделения информативных признаков подписи построен характеристический вектор для идентификации подписи нейронной сетью на истинность и подделку. Для автоматизированной идентификации подписи определены структура и тип нейронной сети: используется нейронная сеть обратного распространения ошибки. Особенностью работы сети является то, что обучение производится только на истинные подписи, обучение на подделки является некорректным.

Разработаны методическая и алгоритмическая базы идентификации и анализа подписей как бинарных изображений на основе предложенных методов выделения информативных признаков, программное обеспечение для реализации предложенных алгоритмов и методов. Эффективность рассмотренных методов автоматизированной идентификации подписей подтверждена внедрением.

Ключевые слова: бинарная подпись, преобразование Радона, автоматизированная идентификация, нейронная сеть.

Tripolska V.V. Automazed identification of signatures as binary images in the space of Radon’s transformation features on the base of neural network. – Manuscript.

The dissertation for acquiring Scientific Degree of Candidate of Technical Sciences on the specialty: 05.13.06 – automated control systems and progressive informative technologies. Kherson State Technical University, Kherson, 2003.

The thesis is devoted to the problems of the automized identification of signatures as binary image in the space of of Radon’s transformation features on the base of neural network. The conversion from the binary signature image to the gray-scale on the base of Radon’s transformation is offered. This transformation gives “bright” point for each signature. Methods which detach informative features of the signature are developed. They determine the signature at the automized identification both in the space of the wavelet transformation and in the pseudo-phase coordinate system.The signature is presented in singular bases. The given vector of features which is translation, scale and rotation invariant on the base of Hu and Zernike moments. The “map” of signature is offered for decreasing the size of space features. Methodic and algorithmic bases are developed for the automized identification of signatures. Efficiency of the offered methods is confirmed by theoretical results and practical applications.

Key words: binary signature, the Radon transformation, automated identification, neural network.

НАУКОВЕ ВИДАННЯ

ТРИПОЛЬСЬКА ВІКТОРІЯ ВОЛОДИМИРІВНА

АВТОМАТИЗОВАНА ІДЕНТИФІКАЦІЯ ПІДПИСІВ ЯК БІНАРНИХ ЗОБРАЖЕНЬ У ПРОСТОРІ ОЗНАК ПЕРЕТВОРЕННЯ РАДОНА НА ОСНОВІ НЕЙРОМЕРЕЖЕВОГО ПІДХОДУ

Підписано до друку 14.04.2003р.Формат 60х84 1/16. Папір друкарський

Друк плоский. Гарнітура Time New Roman. Условн.друк.арк.1.

Тираж 100 прим. Зам.№ 827

Друкарня ДНУ, 49050, м.Дніпропетровськ – 50, вул.Казакова 4б