informИнформатикаInformatics1816-03012617-6963UIIP NASB10.37661/1816-0301-2022-19-3-62-73inform-1218Research ArticleОБРАБОТКА СИГНАЛОВ, ИЗОБРАЖЕНИЙ, РЕЧИ, ТЕКСТА И РАСПОЗНАВАНИЕ ОБРАЗОВSIGNAL, IMAGE, SPEECH, TEXT PROCESSING AND PATTERN RECOGNITIONНовый признак для описания изображений рукописной подписи на базе локальных бинарных шаблоновA new feature for handwritten signature image description based on local binary patternshttps://orcid.org/0000-0001-7190-761XСтаровойтовВ. В.StarovoitovV. V.

Старовойтов Валерий Васильевич, доктор технических наук, профессор, главный научный сотрудник 

ул. Сурганова, 6, Минск, 220012

Valery V. Starovoitov, D. Sc. (Eng.), Professor, Chief Researcher 

st. Surganova, 6, Minsk, 220012

valerys@newman.bas-net.byАхунджановУ. Ю.AkhundjanovU. Yu.

Ахунджанов Умиджон Юнус угли, аспирант 

ул. Сурганова, 6, Минск, 220012

Umidjon Yu. Akhundjanov, Postgraduate Student 

st. Surganova, 6, Minsk, 220012

umidjan_90@mail.ruОбъединенный институт проблем информатики Национальной академии наук БеларусиThe United Institute of Informatics Problems of the National Academy of Sciences of Belarus2022220820221936273Copyright © Старовойтов В.В., Ахунджанов У.Ю., 20222022Старовойтов В.В., Ахунджанов У.Ю.Starovoitov V.V., Akhundjanov U.Y.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://inf.grid.by/jour/article/view/1218

Цели. Рассматривается задача описания инвариантных признаков цифрового изображения рукописной подписи, представляющих распределение ее локальных особенностей. Подробно описывается формирование принципиально нового подхода к вычислению таких признаков.Методы. Используются методы обработки цифровых изображений. Сначала изображение преобразуется в бинарное представление, затем выполняется его морфологическая и медианная фильтрация. Далее с помощью метода главных компонент осуществляется поворот изображения для придания подписи горизонтальной ориентации. Вырезается описывающий подпись прямоугольник и масштабируется в шаблон определенного размера (в статье использовался шаблон размером 300×150 пикселов). После этого формируется граница подписи. По ее бинарному контуру вычисляются локальные бинарные шаблоны, т. е. каждому пикселу ставится в соответствие число от 0 до 255, которое описывает расположение контурных пикселов в окрестности 3×3 каждого пиксела. Формируется гистограмма вычисленных шаблонов для 256 интервалов. Первый и последний интервалы отбрасываются, так как они соответствуют всем черным и белым пикселам в окрестности и не являются информативными. Оставшиеся 254 числа представляют собой массив новых локальных признаков подписи.Результаты. Исследования выполнены на базах оцифрованных подписей TUIT и CEDAR, содержащих истинные и поддельные подписи 80 человек. Точность корректной верификации подписей на этих базах составила порядка 78 и 70 %.Заключение. Экспериментально подтверждена возможность применения предложенного признака для решения задач верификации подлинности рукописной подписи.

Objectives. The problem of describing the invariant features of a digital image of handwritten signature that describes the distribution of its local features is considered. The formation of fundamentally new approach to the calculation of such features is described.Methods. Digital image processing methods are used. First an image is converted into a binary representation, then its morphological and median filtering is performed. Then using the method of principal components, the image is rotated to give the signature a horizontal orientation. A rectangle describing the signature is cut out, then it is scaled to the template of a certain size. In the article the template of 300×150 pixels was used. Then the border of the signature is formed. Local binary patterns are calculated from its binary contour, i.e. each pixel is assigned a number from 0 to 255, which describes the location of the edge pixels in 3×3 neighborhood of each pixel. A histogram of calculated patterns for 256 intervals is formed. The first and last intervals are discarded because they correspond to all black and white pixels in the neighborhood and are not informative. The remaining 254 numbers of the array form new local features of the signature.Results. The studies were performed on the bases of digitized signatures TUIT and CEDAR containing true and fake signatures of 80 persons. The accuracy of correct verification of signatures on these bases was about 78 % and 70 %.Conclusion. The possibility of using the proposed possibilities for solving the problems of verifying the authenticity of handwritten signatures has been experimentally confirmed.

оцифрованная подписьверификацияобработка изображенийматематическая морфологияструктурирующий элементлокальный бинарный шаблонгистограммапризнак описания подписиdigitized signatureverificationimage processingmathematical morphologystructuring elementlocal binary templatehistogramsign description attributeReferencesKaur, H. Signature identification and verification techniques: state-of-the-art work [Electronic resource] / H. Kaur, M. Kumar // J. of Ambient Intelligence and Humanized Computing. – 2021. – P. 1–19. – Mode of access: https://link.springer.com/article/10.1007/s12652-021-03356-w. – Date of access: 24.04.2022. https://doi.org/10.1007/s12652-021-03356-wKaur H., Kumar M. Signature identification and verification techniques: state-of-the-art work. Journal of Ambient Intelligence and Humanized Computing, 2021, pp. 1–19. Available at: https://link.springer.com/article/10.1007/s12652-021-03356-w (accessed 24.04.2022). https://doi.org/10.1007/s12652-021-03356-wHafemann, L. G. Offline handwritten signature verification – Literature review / L. G. Hafemann, R. Sabourin, L. S. Oliveira // Seventh Intern. Conf. on Image Processing Theory, Tools and Applications, Montreal, Canada, 28 Nov. – 01 Dec. 2017. – Montreal, 2017. – P. 8. https://doi.org/10.1109/ipta.2017.8310112Hafemann L. G., Sabourin R., Oliveira L. S. Offline handwritten signature verification – Literature review. Seventh International Conference on Image Processing Theory, Tools and Applications, Montreal, Canada, 28 November – 01 December 2017. Montreal, 2017, р. 8. https://doi.org/10.1109/ipta.2017.8310112A perspective analysis of handwritten signature technology / M. Diaz [et al.] // ACM Computing Surveys. – 2019. – Vol. 51, no. 6. – P. 1–39. https://doi.org/10.1145/3274658Diaz M., Ferrer M. A., Impedovo D., Malik M. I., Pirlo G., Plamondon R. A perspective analysis of handwritten signature technology. ACM Computing Surveys, 2019, vol. 51, no. 6, pp. 1–39. https://doi.org/10.1145/3274658Kalera, M. K. Offline signature verification and identification using distance statistics / M. K. Kalera, S. Srihari, A. Xu // Intern. J. of Pattern Recognition and Artificial Intelligence. – 2004. – Vol. 18, no. 7. – P. 1339–1360. https://doi.org/10.1142/S0218001404003630Kalera M. K., Srihari S., Xu A. Offline signature verification and identification using distance statistics. International Journal of Pattern Recognition and Artificial Intelligence, 2004, vol. 18, no. 7, pp. 1339–1360. https://doi.org/10.1142/S0218001404003630Шапиро, Л. Компьютерное зрение / Л. Шапиро, Дж. Стокман ; пер. с англ. – 3-е изд. – M. : БИНОМ. Лаборатория знаний, 2015. – 763 с.Shapiro L. G., Stockman G. C. Computer Vision. 1st ed., 2001, 608 р.Otsu, N. A threshold selection method from gray-level histograms / N. Otsu // IEEE Transactions on Systems, Man and Cybernetics. – 1979. – Vol. 9, no. 1. – P. 62–66.Otsu N. A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man and Cybernetics, 1979, vol. 9, no. 1, pp. 62–66.A writer-independent off-line signature verification system based on signature morphology / R. Kumar [et al.] // Proc. of the First Intern. Conf. on Intelligent Interactive Technologies and Multimedia, Allahabad, India, 27–30 Dec. 2010. – Allahabad, 2010. – P. 261–265. https://doi.org/10.1145/1963564.1963610Kumar R., Kundu L., Sharma J. D., Chanda B. A writer-independent off-line signature verification system based on signature morphology. Proceedings of the First International Conference on Intelligent Interactive Technologies and Multimedia, Allahabad, India, 27–30 December 2010. Allahabad, 2010, pp. 261–265. https://doi.org/10.1145/1963564.1963610Ахунджанов, У. Ю. Предварительная обработка изображений рукописных подписей для последующего распознавания / У. Ю. Ахунджанов, В. В. Старовойтов // Системный анализ и прикладная информатика. – 2022. – № 2. – С. 4–9. https://doi.org/10.21122/2309-4923-2022-2-4-9Akhundjanov U. Yu., Starovoitov V. V. Pre-processing of handwritten signature images for following recognition. Sistemnyj analiz i prikladnaja informatika [System Analysis and Applied Information Science], 2022, no. 2, pp. 4–9 (In Russ.). https://doi.org/10.21122/2309-4923-2022-2-4-9Kamal, N. N. Offline signature recognition using centroids of local binary vectors / N. N. Kamal, L. E. George // Intern. Conf. on New Trends in Information and Communications Technology Applications, Baghdad, Iraq, 2–4 Oct. 2018. – Baghdad, 2018. – Vol. 938. – P. 255–268. https://doi.org/10.1007/978-3-030-01653-1_16Kamal N. N., George L. E. Offline signature recognition using centroids of local binary vectors. International Conference on New Trends in Information and Communications Technology Applications, Baghdad, Iraq, 2–4 October 2018. Baghdad, 2018, vol. 938, pp. 255–268. https://doi.org/10.1007/978-3-030-01653-1_16Jadhav, T. Handwritten signature verification using local binary pattern features and KNN / T. Jadhav // Intern. Research J. of Engineering and Technology. – 2019. – Vol. 6, no. 4. – P. 579–586.Jadhav T. Handwritten signature verification using local binary pattern features and KNN. International Research Journal of Engineering and Technology, 2019, vol. 6, no. 4, pp. 579–586.Старовойтов, В. В. Сравнительный анализ оценок качества бинарной классификации / В. В. Старовойтов, Ю. И. Голуб // Информатика. – 2020. − Т. 17, № 1. – С. 87–101. https://doi.org/10.37661/1816-0301-2020-17-1-87-101Starovoitov V. V., Golub Y. I. Comparative study of quality estimates of binary classification. Informatika [Informatics], 2020, vol. 17, no. 1, pp. 87–101 (In Russ.). https://doi.org/10.37661/1816-0301-2020-17-1-87-101Huh, S. Linear discriminant analysis for signatures / S. Huh, D. Lee // IEEE Transactions on Neural Networks. – 2010. – Vol. 21, no. 12. – P. 1990–1996.Huh S., Lee D. Linear discriminant analysis for signatures. IEEE Transactions on Neural Networks. 2010, vol. 21, no. 12, pp. 1990–1996.Bharathi, R. K. Discriminative DCT: An efficient and accurate approach for off-line signature verification / R. K. Bharathi, B. H. Shekar // Fifth Intern. Conf. on Signal and Image Processing, Bangalore, India, 8–10 Jan. 2014. – Bangalore, 2014. – P. 179–184. https://doi.org/10.1109/ICSIP.2014.34Bharathi R. K., Shekar B. H. Discriminative DCT: An efficient and accurate approach for off-line signature verification. Fifth International Conference on Signal and Image Processing, Bangalore, India, 8–10 January 2014. Bangalore, 2014, pp. 179–184. https://doi.org/10.1109/ICSIP.2014.34

The authors declare that there are no conflicts of interest present.