吴坤帅，魏仲慧，何 昕，李佩君

(1. 中国科学院 长春光学精密机械与物理研究所，吉林 长春 130033；2. 中国科学院大学， 北京 100049；3. 中国人民解放军63850部队，吉林 白城 137000)

1 引 言

签名是一项方便快速的个人身份认证方式，具有使用简单方便和签名特征稳定可区分等优点，应用范围广泛。由于个人签名容易被刻意伪造，因此签名笔迹检测科学也随之诞生，而计算机技术的高速发展，笔迹识别科学逐步进入与计算机技术紧密结合的新时代。使用计算机进行签名识别有着速度快和数据量大的优点，适合于对大量签名进行初步的筛选，给出一份或者数份待选的正确结果，节省人力和物力。签名识别技术一般包括图像预处理，特征提取，特征分类3个组成部分。近年来，国内外的学者进行了大量理论研究和实际探索，提出了许多巧妙的识别方法，并取得了一定的成果。

Ferrer等在不同背景污染的情况下，提取签名图像的局部二值模式(Local Binary Pattern, LBP)特征用于识别[1]。Ferrer等的样本大多是在书写在发票及支票等常用书写载体上，污染多为下划线和水印等常见污染，此研究与现实应用场景相近，有很高的应用价值，但对熟练仿写的签名鉴别效果有限。Okawa使用视觉词袋模型结合KAZE算法和VLAD(Vector of Locally Aggregated Descriptors)来研究签名识别。Okawa结合了计算机视觉领域的两个最新算法到签名识别之中，大大提高了识别的正确率，对伪随机签名数据集的识别率达到最先进的水平。但是其数据集包含了较多随机签名的原因，分辨难度低,应用价值有限[2-3]。……