تشخیص نویسنده از دست خط های برون خط مستقل از زبان نوشتاری مبتنی بر بافت با بهره گیری از تبدیل موجک در محیط دو زبانه فارسی - انگلیسی

پیشرفت های اخیر در فناوری اطلاعات و همچنین نیاز روزافزون به امنیت بیشتر، منجر به توسعه سریع سیستم های هوشمند تشخیص هویت براساس خصوصیات بیومتریک شده است. پژوهش های اخیر اثبات نموده اند که دست خط افراد نیز منحصر به فرد بوده و می-تواند به عنوان یکی از روش های احراز هویت مورد استفاده قرار بگیرد. تاکنون مطالعات بسیاری بر روی دست نوشته های فرد بر پایه یک زبان مشخص، انجام شده اما این روش ها استقلال از زبان نوشتاری نداشته اند. از طرف دیگر، حتی بانک اطلاعاتی نیز برای این کار نیز موجود نمی باشد. در این مقاله برای اولین بار، بانک اطلاعاتی دست خط 300 نفر در دو زبان فارسی و انگلیسی جمع آوری گردید. هدف این مقاله، ارایه مدلی به منظور شناسایی نویسنده از روی دست خط، مستقل از زبان نوشته شده در زبان های فارسی و انگلیسی می-باشد. پس از اعمال پیش پردازش بر روی تصاویر، دست خط هر فرد به بلاک هایی با اندازه-های مشخص تبدیل شده که بافت نامیده می شود. سپس، با استفاده از این بافت ها که بر روی دست خط هر فرد در زبان فارسی و انگلیسی ایجاد شده، ویژگی های مورد نظر استخراج می شود. به منظور استخراج این ویژگی ها ابتدا تبدیل موجک دو بعدی بر روی تصویر اعمال شده و سپس با استفاده از الگوریتم جدید محاسبه بعد فرکتالی که برای اولین بار در این حوزه استفاده می شود، بردار ویژگی به دست می آید. در انتها نیز با استفاده از شبکه های عصبی پرسپترون چند لایه طبقه بندی دست خط افراد صورت می گیرد و نتایج در سناریوهای مختلف گزارش می شود.