تعداد نشریات | 36 |
تعداد شمارهها | 1,216 |
تعداد مقالات | 8,808 |
تعداد مشاهده مقاله | 7,406,036 |
تعداد دریافت فایل اصل مقاله | 4,341,812 |
تشخیص برونخط جعل دست خط فارسی غیر وابسته به متن با استفاده از تحلیل بافت | ||||||||||||||||||||||||||||||||
پدافند الکترونیکی و سایبری | ||||||||||||||||||||||||||||||||
مقاله 5، دوره 7، شماره 3 - شماره پیاپی 23، آبان 1398، صفحه 37-52 اصل مقاله (1.72 M) | ||||||||||||||||||||||||||||||||
نوع مقاله: مقاله پژوهشی | ||||||||||||||||||||||||||||||||
نویسندگان | ||||||||||||||||||||||||||||||||
الهه قنبری1؛ محسن ابراهیمی مقدم* 2 | ||||||||||||||||||||||||||||||||
1شهید بهشتی | ||||||||||||||||||||||||||||||||
2شهید بهشتی تهران | ||||||||||||||||||||||||||||||||
تاریخ دریافت: 20 خرداد 1397، تاریخ بازنگری: 23 اسفند 1397، تاریخ پذیرش: 14 اسفند 1397 | ||||||||||||||||||||||||||||||||
چکیده | ||||||||||||||||||||||||||||||||
امروزه دستخط به عنوان یک زیستسنج رفتاری شناخته شده و مورد قبول است. همراه با گسترش این مقبولیت سوء استفاده ازآن نیز گسترش یافته است. در این مقاله روشی برای تشخیص برونخط جعل دستخط فارسی در حالت غیر وابسته به متن ارائه شده است. این روش مبتنی بر استخراج دو بافت متراکم از حروف پایه و جزییات نوشته میباشد. پس از دودویی کردن و استخراج اسکلت نوشته و اعمال متوالی فیلتر گابور و تدریج فاز محلی بردار ویژگی نمونهها استخراج و در نهایت با استفاده از دستهبندی یک کلاسه و تنها با وجود نمونههای مثبت دادهها دستهبندی شده وجعلی بودن یا نبودن آنها بررسی میشود. استفاده از ترکیب این دو توصیفگر برای دادگان فارسی برای اولین بار در این مقاله به کار گرفته شده است. از آنجا که هیچ مجموعه داده مناسبی در زبان فارسی برای این منظور وجود نداشت، یک مجموعه داده از 62 نویسنده با دو نمونه نوشته جمعآوری شد. در نمونه اول از نویسندگان درخواست شد که متنی را بازنویسی کنند و در نمونه دوم از آنها خواسته شد درباره یک تصویر مطلبی بنویسند. برای تولید نمونههای جعلی از هنرجویان ممتاز خط خواسته شد که نمونه دوم را تقلید کنند تا برای هر نویسنده سه مورد نمونه جعل تولید شود. نتایج آزمایشها رضایتبخش بوده و با دقت بیش از 84 درصد کیفیت روش پیشنهادی را نشان میدهد. | ||||||||||||||||||||||||||||||||
کلیدواژهها | ||||||||||||||||||||||||||||||||
زیستسنجی؛ تشخیص جعل؛ تحلیل بافت؛ غیر وابسته به متن | ||||||||||||||||||||||||||||||||
عنوان مقاله [English] | ||||||||||||||||||||||||||||||||
Offline text-Independent Persian handwriting Forgery Detection using Texture Analysis | ||||||||||||||||||||||||||||||||
نویسندگان [English] | ||||||||||||||||||||||||||||||||
E. Ghanbari Maman1؛ M. Ebrahimi Moghaddam2 | ||||||||||||||||||||||||||||||||
چکیده [English] | ||||||||||||||||||||||||||||||||
Nowadays handwriting is known and accepted as a behavioral biometric. Handwriting-based authentication has become a hot topic of research as a result of increasing handwriting forgery. In this research an offline text-independent method for detection of forgeries in Persian handwritten documents is presented. The proposed approach is based on extracting two dense textures of basic alphabet and some text details. A one class classification (OCC) with only positive (original) samples is used in classification together with Binarization and Skeletonization in the preprocessing phase. Also, a combination of Gabor filter and LPQ descriptor is used to complete the feature vector. Both descriptors have been used for writer identification and verification in English and Persian but this is the first time that the combination of these two is used on a Persian handwriting. We also introduce a new dataset from 62 individuals with 2 pages per each. In the first instance the writers were instructed to copy a preset text and in the second one they were asked to write at least 6 lines about a picture. These instances were to be used as training and testing samples respectively. In order to generate counterfeit samples, we asked 5 qualified calligraphers to duplicate the second sample of each writer. Three forgeries per writer were generated in this way. Tests results are satisfactory and present more than 84% accuracy, demonstrating the quality of the proposed method. | ||||||||||||||||||||||||||||||||
کلیدواژهها [English] | ||||||||||||||||||||||||||||||||
Biometrics, forgery detection, texture analysis, text-independent | ||||||||||||||||||||||||||||||||
مراجع | ||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||
آمار تعداد مشاهده مقاله: 642 تعداد دریافت فایل اصل مقاله: 310 |