笔迹鉴定（三）

笔迹鉴定（三）

9.SIFT字对相似度辅助识别

• SIFT就是找到图片信息中一种关键点的算法。

• 某些高频字和词常会同时出现在查询笔迹和参考笔迹中。我们把出现在查询笔迹和参考笔迹的两个相同单字称为一个字对。如果字对中两个单字具有很高的相似度，那么查询笔迹和参考笔迹很有可能来自同一个人。

• 先从笔迹中提取边缘共生特征，并将其用文本无关相似度（两个之间的距离计算）做计算。

• 字对相似度计算：

  • 关键点及其SIFT描述子提取
  • 关键点匹配：从同一字对中提取出关键点后，对不同单字的关键点进行匹配，匹配成功才会用于计算字对相似度
  • 字对相似度计算

• 与此同时，每个字对中两个单字图像的关键点及其 SIFT 描述被提取出来，并根据关键点的位置信息和 SIFT 描述子信息进行匹配。

• 每个出现在参考笔迹和查询笔迹中的字对的相似度由字对中匹配上的关键点对的 SIFT 描述子距离的平均值表示。

• 而笔迹间的字对相似度由所有的单个字对的相似度的平均值表示。

• 在文本无关相似度和字对相似度都完成计算后，它们将进行融合，并用于计算最终的笔迹相似度。

• 自我理解：边缘共生对提取出一组字对，进行相似度计算，然后再利用SIFT选出关键点，在进行相似度计算，最终将两个特征的相似度融合。

10.位移场的字对检测

• 不依赖字符识别的基于位移场的字对检测和相似度计算方法，并将得到的字对相似度与基于边缘共生特征的文本无关相似度结合。
• 图像配准领域，图像配准是指通过某种空间变换将在不同条件下采集的同一场景或目标的多幅图像映射到同一坐标系下的过程
• 图像配准技术的流程如下：
  • 首先对两幅图像进行特征提取得到特征点；
  • 通过进行相似性度量找到匹配的特征点对；
  • 然后通过匹配的特征点对得到图像空间坐标变换参数；
  • 最后由坐标变换参数进行图像配准。
• 图像配准的方式：
  • 相对配准是指选择多图像中的一张图像作为参考图像，将其它的相关图像与之配准，其坐标系统是任意的。
  • 绝对配准是指先定义一个控制网格，所有的图像相对于这个网格来进行配准，也就是分别完成各分量图像的几何校正（消除误差，一般就是倾斜、平移和旋转啥的）来实现坐标系的统一。
• 两个图像间的对应关系由位移场来表示。
• 常用求解办法基于Demons算法
  • demons算法是一种全局坐标变换模型的配准算法，该算法使用参考图像的梯度以及参考图像与浮动图像的灰度差值来计算每一个点的坐标偏移量，从而得到参考图像与浮动图像的整幅图的坐标偏移量，并使用坐标偏移量对浮动图像进行重采样和插值，重复迭代此过程直到迭代次数达到设定次数或参考图像与浮动图像相似度达到设定阈值为止。
• 同一书写人书写的相同字符比较相似，之间的差异较小，图像配准后的图像差异也较小。不同书写人的字符之间差异较大，图像配准后的差异也会很大。所以可以利用配准后图像的差异大小来衡量单字之间的相似程度。
• 先提取边缘共生特征，进行文本无关相似度测量。然后再用基于位移场的方法进行字对相似度计算。最终相似度融合，得出候选人名单。