| Titre : | Text independent writer verification using offline handwriting images |
| Auteurs : | Mostepha SELLAM, Auteur ; Tayeb BAHRAM, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université Saïda – Dr. Tahar Moulay – Faculté des Mathématiques, de l’Informatique et de Télécommunications, 2024-2025 |
| Format : | 49p |
| Accompagnement : | CD |
| Langues: | Français |
| Index. décimale : | BUC-M 003744 |
| Catégories : |
Master en informatique Spécialité : Intelligence Artificielle Principe et application |
| Mots-clés: | التحقق من الهوية ; القياسات الحيوية السلوكية ; الكتابة اليدوية غير المتصلة ; استخراج السمات، دمج السمات ; التعرف على الكاتب ; المان، المصادقة البيومترية ; الطب الشرعي. Identity verification ; Behavioral biometrics ; Offline handwriting ; Feature extraction ; Feature fusion ; Writer recognition ; Vérification d’identité ; Biométrie comportementale ; Écriture manuscrite hors ligne ; Extraction de caractéristiques ; Fusion de caractéristiques ; Reconnaissance de l'écriture ; Sécurité ; Authentification biométrique ; Forensique. |
| Résumé : |
ملخص
تقدم هذه الرسالة تطوير نظام تحقق تلقائي من الكاتب باستخدام عينات الخط اليدوي غير المتصلة بالإنترنت .تتناول الحاجة المتزايدة للتحقق الآمن من الهوية من خلال استخدام الخط اليدوي كخاصية بيومترية سلوكية .يقترح البحث تقنيات مبتكرة لاستخراج الميزات ودمجها لتحسين دقة التحقق .أظهرت التجارب على مجموعات بيانات معيارية مثل IAMو KHATTفعالية النظام .تسهم النتائج في تطوير طرق التوثيق البيومتري مع تطبيقات في الأمن والطب الشرعي. This thesis presents the development of an automatic writer verification system using offline handwriting samples. It addresses the growing need for secure identity verification by leveraging handwriting as a behavioral biometric. The proposed approach introduces innovative feature extraction and fusion techniques to improve verification accuracy. Experiments on standard datasets such as IAM and KHATT demonstrate the effectiveness of the system. The results contribute to advancing biometric authentication methods with applications in security and forensics. Cette thèse présente le développement d’un système automatique de vérification d’écrivain à partir d’échantillons d’écriture manuscrite hors ligne. Elle répond au besoin croissant de vérification sécurisée de l’identité en exploitant l’écriture manuscrite comme biométrie comportementale. L’approche proposée introduit des techniques innovantes d’extraction et de fusion des caractéristiques pour améliorer la précision de la vérification. Les expérimentations sur des bases de données standard telles que IAM et KHATT démontrent l’efficacité du système. Les résultats contribuent à l’avancement des méthodes d’authentification biométrique avec des applications en sécurité et en médecine légale |
| Note de contenu : |
Prefaces
1 Introduction 1.1 Introduction 1.1.1 Motivation and Context 1.2 Overview of Biometrics 1.2.1 Handwriting as a Behavioral Biometric 1.2.2 Factors causing variability in handwriting 1.3 Writer identification and Verification in Handwriting Biometrics 1.3.1 Writer Identification 1.3.2 Writer Verification 1.4 Relevance of this Research 1.4.1 Motivation and Challenges 1.4.2 Objectives of the Research 1.5 Overview of the thesis 2 Writer verification: SOTA 2.1 Introduction 2.2 Text-independent writer verification 2.2.1 Codebook-based approaches 2.2.2 Texture-based approaches 2.2.3 Contour-based approaches 2.2.4 Methodology and Technologies 2.3 Project Timeline and Work Plan 2.3.1 Phase 1: Literature Review on contour-Based Writer Verification Systems 2.4 Phase 2: Proposal of Discriminative Features 2.5 Phase 3: Presentation of Results to Evaluate Proposed Features 2.6 Phase 4: Preparation of the Final Thesis 2.7 Objectives (Prioritized) 3 Proposed technique 3.1 Introduction 3.2 Image pre-processing 3.2.1 Image Processing Stages 3.2.1.1 Binarization 3.2.1.2 Binarization Methods: 3.2.2 Connected Components Extraction: 3.2.3 Removal of Small Connected Components 3.2.4 Contour Detection: 3.2.4.1 Moore Neighborhood: 3.2.4.2 Algorithm Idea: 3.2.4.3 Formal Algorithm 3.3 Feature Extraction 3.3.1 Run-Length 3.3.2 Contour Direction(Angle) 3.3.3 Ink-trace Width and Shape Letters (IWSL) 3.3.4 Modified Local Binary Pattern (MLBP) 3.3.5 Contour Direction-Length Feature (AG-RL) 3.3.6 MLBP-IWSL 3.3.7 Feature Fusion 3.3.8 Distance Calculation 3.3.8.1 Chi-square (χ²) Distance 3.3.8.2 Manhattan Distance 3.3.8.3 Euclidean Distance 3.4 Writer Verification 4 Results Analysis 4.1 Introduction 4.2 Databases 4.2.1 KHATT database 4.2.2 IAM database 4.3 Interpretation of Writer Verification Results 4.3.1 Individual Features 4.3.1.1 MLBP-IWSL 4.3.1.2 AG-RL 4.3.2 Fusion Strategies 4.3.2.1 Sum Fusion 4.3.2.2 Product Fusion 4.3.2.3 Max Fusion 4.3.2.4 Min Fusion 4.3.3 Comparison with state of the art 4.4 Conclusion 5 Conclusions and Perspectives |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 003744 Adobe Acrobat PDF |
