1. 研究目的与意义及国内外研究现状

笔迹鉴别也称笔迹检验，是通过比较笔迹的书写特征判断书写人身份的一门科学，是身份鉴别的一种。伴随生物技术的快速发展，笔迹鉴别已在社会生活的各个领域中广泛使用，凡是需要身份鉴别和安全保密的地方都离不开笔迹鉴别。

在生物识别领域，笔迹鉴别具备很多优势：（1）笔迹中含有大量个性化行为信息，能够充分反映书写者的书写习惯；（2）笔迹图像的采集具有非侵犯性；（3）笔迹具有相对稳定性。

传统的笔迹鉴别方法主要依靠手工操作的方法，对鉴定人员的专业知识和业务水平依赖度过大，随着检材数量的增加，工作效率和鉴别速度大大降低。随着计算机技术的发展，计算机笔迹鉴别技术也飞速发展起来。计算机笔迹鉴别采用半自动化或全自动化的方法挑选检材，按照相似度标准进行统一度量。具有较高的封闭性和独立性。大大提高了鉴别速度和正确率。 然而计算机笔迹鉴别的传统方法又过于复杂，且适应性不强、识别度不高，随着神经网络的兴起与发展，并逐渐展现出其在图像处理领域中的优势，神经网络具有很强的自适应能力和学习能力，并善于处理非线性问题，将其应用于笔迹鉴别，既可以提高鉴别的效率，又可以简化笔迹鉴别的工作程序。

国内外研究现状

在上世纪60年代，人们就致力于计算机笔迹鉴别的研究。1966年几名苏联研究者发表了电子计算机进行笔迹鉴别的研究报告，这是在相关领域中最早的研究报告。此后，特别是70年代末80年代初，计算机笔迹鉴别成为各国学者和软件开发商的研究热潮。由前联邦德国刑事技术部主持研制的计算机联机鉴别系统影响最大。1992年，srihari教授及其团队公布了cedar(center of excellence for document analysis and recognition),这是世界上第一个能够实现手写地址识别的系统，最早为邮政事务服务，后来发展为cedar-fox，成为真正的笔迹鉴别系统，用于法庭文件检验，并在2009年被授予美国专利。由于东西方文化背景差异，西方国家对汉字 的笔迹鉴别研究较少，相关的研究机构多集中在亚洲国家，如韩国釜山大学pnu，泰国清迈工程学校，东京科技大学sut，新加坡南洋理工大学ntu等。

2. 研究的基本内容

传统的笔迹鉴别技术，很多是基于大规模计算的基础之上的，在运算量和运算精度之间存在着不可调和的矛盾。近年来人工神经网络技术的发展为解决这一问题提供了新的途径。因为其分布式信息存储和大规模自适应并行处理满足了对大数据量目标图像的处理要求，其高度容错性又容许许多目标图像出现背景模糊和局部残缺。本论文将通过实验研究出一种基于神经网络的笔迹鉴别方法。实验包括对笔迹图像的预处理阶段与识别阶段。笔迹图像的预处理阶段为笔迹鉴别实验的准备阶段，包括图像的二值化、图像切割与图像归一化等步骤。笔迹图像的识别阶段包括特征提取与模式识别。

神经网络用于图像识别有两个步骤，分别是训练学习阶段和应用测试阶段。训练学习阶段的工作是将训练样本输入到网络，通过有指导或无指导的学习方式找一组合适的网络连接权值；应用测试阶段的工作是用已学习好的网络进行图像识别分类。

3. 实施方案、进度安排及预期效果

第一阶段（2月初-3月初）：选题、查资料。

第二阶段（3月初-4月初）：完成笔迹图像的预处理模块，包括方法的选取与实验比对结果。特征提取及神经网络识别模块的准备。

第三阶段（4月初-5月初）：完成特征提取及神经网络识别模块。

4. 参考文献

[1]艾小伟，吴小平．从手写汉字识别系统的技术方法中探讨计算机笔迹鉴别的一些途径．河北公安警察职业学院学报，2005，5(3)：22-26．

[2]毛健，赵红东，姚婧婧．人工神经网络的发展及应用．电子设计工程，2011，19(24)：62-65．

[3] 刘成林，刘迎建，戴汝为．基于多通道分解与匹配的笔迹鉴别研究．自动化学报，1997，23(1)：56-63．