초록
본 논문에서는 12개의 방향성 $5\times{5}$ 그라디언트 마스크를 서명영상에 적용하여 추출한 밀도함수와 가중치 평균퍼지 분류기를 사용하여 오프라인 서명 검증기법을 연구하였다. Nevatia-Babu 그라디언트 마스크에 근간을 두고 추출한 12방향에 대한 밀도함수는 서명영상의 전체적인 형태와 연관이 있어 본 연구의 특징벡터로 사용되었다. 가중치 평균 퍼지분류기의 판단기준이 되는 특징벡터들의 집합은 친필 서명샘플들에서만 추출되어 위조서명의 검출에 적용되었다. 본 논문의 실험결과는 제안된 시스템이 다양한 위조서명에 관한 어떤 사전지식이 없다할지라도 77% 이상의 높은 검증률로 서명영상의 진위여부를 가려낼 수 있음을 보였다.
This paper is concerning off-line signature verification using a density function which is obtained by convolving the signature image with twelve-directional $5\times{5}$ gradient masks and the weighted fuzzy mean classifier. The twelve-directional density function based on Nevatia-Babu template gradient is related to the overall shape of a signature image and thus, utilized as a feature set. The weighted fuzzy mean classifier with the reference feature vectors extracted from only genuine signature samples is evaluated for the verification of freehand forgeries. The experimental results show that the proposed system can classify a signature whether it is genuine or forged with more than 98% overall accuracy even without any knowledge of varied freehand forgeries.
