In this paper we present new improv

In this paper we present new improved off-line signature verification system using global and texture features of signatures. This scheme is based on the technique that applies preprocessing on the signature to get a binary image and then calculate the global and texture features points from it and maintain a feature vector. All calculations are done on the basis of these feature points. The feature vector obtained from the global and texture features is used to compare with the feature vector of incoming testing signature. Based on the values obtained, the network will decide the appropriateness of the signature. The suggested scheme discriminates between original and forged signatures using artificial neural network (ANN) for training and verification of signatures. The method takes care of simple and random forgeries and the skilled forgeries are also eliminated in greater extent. The objective of the work is to reduce two vital parameters, False Acceptance Rate (FAR) and False Rejection Rate (FRR). So the results are expressed in terms of FAR and FRR and subsequently comparative analysis has been made with standard existing techniques. Results obtained by our proposed algorithm are more efficient than most of the existing techniques.

Kết quả (Việt) 1:

Trong bài này chúng tôi trình bày mới cải tiến chữ off-line xác minh hệ thống sử dụng toàn cầu và kết cấu các tính năng của chữ ký. Chương trình này được dựa trên các kỹ thuật áp dụng tiền xử lý trên chữ ký để có được một hình ảnh nhị phân và sau đó tính toán toàn cầu và thêm hoạ tiết cho tính năng điểm từ nó và duy trì một tính năng vector. Tất cả tính toán được thực hiện trên cơ sở những điểm tính năng này. Tính năng vector được lấy từ toàn cầu và kết cấu các tính năng được sử dụng để so sánh với tính năng vector của chữ ký đến kiểm tra. Dựa trên các giá trị thu được, mạng sẽ quyết định thích hợp của chữ ký. Các đề án đề nghị discriminates giữa bản gốc và giả mạo chữ ký bằng cách sử dụng mạng nơ-ron nhân tạo (ANN) đào tạo và quy trình xác minh chữ ký. Các phương pháp chăm sóc đơn giản và ngẫu nhiên giả mạo và giả mạo có tay nghề cao cũng bị loại bỏ ở mức độ cao hơn. Mục tiêu của công việc là để giảm hai tham số quan trọng là tỷ lệ chấp nhận sai (VIỄN) và tỷ lệ từ chối sai (FRR). Vì vậy các kết quả được thể hiện trong điều khoản của FAR và FRR và sau đó phân tích so sánh đã được thực hiện với các tiêu chuẩn kỹ thuật hiện có. Kết quả thu được bằng thuật toán của chúng tôi được đề xuất là hiệu quả hơn so với hầu hết các kỹ thuật hiện có.

Kết quả (Việt) 2:

Trong bài báo này chúng tôi trình bày cải thiện hệ thống xác minh mới off-line chữ ký sử dụng các tính năng toàn cầu và kết cấu của chữ ký. Chương trình này được dựa trên các kỹ thuật áp dụng tiền xử lý trên chữ ký để có được một hình ảnh nhị phân và sau đó tính toán các tính năng toàn cầu và kết cấu điểm từ nó và duy trì một vector đặc trưng. Tất cả các tính toán được thực hiện trên cơ sở những điểm đặc trưng. Các vector đặc trưng thu được từ các tính năng toàn cầu và kết cấu được sử dụng để so sánh với các vector đặc trưng của chữ ký kiểm tra đến. Dựa trên các giá trị thu được, các mạng sẽ quyết định sự phù hợp của các chữ ký. Đề án đề nghị phân biệt đối xử giữa các chữ ký gốc và giả mạo sử dụng mạng thần kinh nhân tạo (ANN) để đào tạo và xác minh chữ ký. Phương pháp chăm sóc giả mạo đơn giản và ngẫu nhiên và các giấy tờ giả mạo có tay nghề cũng được loại trừ mức độ lớn hơn. Mục đích của việc này là để giảm hai thông số quan trọng, False Acceptance Rate (FAR) và Tỷ chối False (FRR). Vì vậy, các kết quả được thể hiện trong các điều khoản của FAR và FRR và phân tích sau đó so sánh đã được thực hiện với kỹ thuật hiện có tiêu chuẩn. Kết quả thu được bằng thuật toán đề xuất của chúng tôi là hiệu quả hơn so với hầu hết các kỹ thuật hiện có.