本系统的主要功能是通过手写笔迹能够鉴别手写者的具体身份,主要是基于python和tensorflow来对系统和算法进行的实现,本文搭建了三个神经网络对手写笔迹有良好的鉴别效果。
本系统的步骤主要分为:1.数据集的采集;2.数据集的预处理;3.神经网络的搭建;4.系统界面的实现
1.数据集的采集
本系统所使用的手写笔迹训练数据集采集于4个人手写的笔迹数据。将四个人对同一篇800字左右文章进行誊抄,可以得到近乎3300多字的手写字符。
2.数据集的预处理
对于在自然光拍摄下的图片,我们通常还要选择对图片进行预处理工作。图像的预处理主要包括:
1.图像去噪;2.图像背景分割;3.文字定位切割
2.1 图像去噪
由于手写笔迹材料通常我们选用的是使用手机在自然环境中拍照,对于图像去噪因此一般选用高斯滤波来对拍摄的照片进行滤波操作,去除自然界中的高斯噪声。
2.2 图像背景分割
由于手写笔迹材料中包含一些红色线条和背景,因此如果对图片直接进行灰度化后在进行阈值分割后,还是会保留红色背景线。
所以,这里我们通过一种多通道阈值分割的方法,在红色通道上过滤掉大量的红色像素,最后三通道合并后通过灰度化后进行阈值分割就可以很好的把背景和格子线给去掉。