基于主線段的簽名下劃線去除與筆畫修復方法

丁惠洋，霍冠英,2，馬云鵬，李佳

1.河海大學 物聯網工程學院，江蘇 常州 213022 2.河海大學 常州市傳感網與環境感知重點實驗室，江蘇 常州 213022

簽名鑒偽在金融、保險、刑事調查、法庭審判等諸多領域有著廣泛應用，但實際生活中，各種商業合同、文件等在簽名處都會有下劃線，手寫簽名與下劃線相交大大增加了離線簽名鑒偽的難度。當前，通常由技術人員將簽名部分單獨掃描出來，并使用Photoshop等圖像處理軟件對簽名下劃線進行人工去除，精度較高但效率很低，因此實現手寫簽名下劃線的自動去除和筆畫修復具有重要意義。

在下劃線去除方面，較多的研究集中于文檔下劃線去除及票據表格框線去除。目前主要有以下典型的方法：基于數學形態學[1-2]、基于改進Hough變換[3-4]、基于搜索和跟蹤類似線段的本地結構作為線段候選像素方法[5-6]、基于投影法[7-8]及基于灰度圖像連通鏈[9]等方法。這些方法在去除下劃線時取得了一定的效果，但還存在一些局限性。比如，基于數學形態學去除文檔中下劃線的方法在應用時必須知道文本大小并據此設計相應的大小合適的結構元素，因此當筆畫和下劃線寬度變化較大時，無法有效去除下劃線。基于改進Hough變換檢測文檔下劃線的方法通常在時間上進行改進，當字符筆畫長度與下劃線相近且方向相同時，容易出現誤檢。基于搜索和跟蹤類似線段的本地結構作為線段候選像素方法，如利用連通域在文檔中搜索并去除直線，當直線像素不連通或者邊界不平滑時，這類方法將導致直線像素去除不全；同時當文檔中存在水平筆畫時，經常導致文檔中字符像素的過度移除。基于投影去除下劃線也是一種常用的方法，但該方法對圖像傾斜角度非常敏感，即使是很小的傾斜也會導致直線定位困難。基于灰度圖像連通鏈檢測表格框線的方法在手寫字符與框線的灰度值不同時可有效檢測出框線，但二者相同時檢測效果較差。

針對離線簽名鑒偽領域中存在的簽名下劃線影響離線簽名鑒偽準確率，而現有算法的下劃線去除精度較低、適應性較差等問題，本文提出一種基于主線段的簽名下劃線去除與筆畫修復方法。首先通過文獻[10]提出的骨架化算法將簽名圖像骨架化，采用高斯濾波和Laplace算子濾波對骨架圖像進一步去噪并檢測邊緣像素。通過Hough變換初步檢測出簽名骨架圖像中的直線段，結合主線段信息從中檢測出下劃線線段并標記。最后去除下劃線線段，并在下劃線像素8鄰域內找到起點和終點像素，采用限距修復方法對筆畫進行修復。實驗證明，本文提出的方法能夠有效去除簽名圖像中的下劃線并修復筆畫，保證簽名鑒偽的準確率。

1 本文算法概述

1.1 簽名下劃線去除問題描述

簽名下劃線是指在各種合同、票據、文檔等書面材料中，用于限制用戶簽名位置的書寫規則線。對用戶簽名進行鑒偽時，通常先分割出手寫簽名，再對分割出的簽名圖像進行真偽性鑒別。而實際簽名中，用戶簽名與下劃線的距離太近導致分割出的簽名圖像中帶有下劃線，影響簽名鑒偽的準確率。

1.2 本文算法及研究難點概述

離線簽名鑒偽中，通常會在預處理步驟將手寫簽名骨架化以消除筆畫寬度對鑒偽影響，如果直線去除不全或者過分去除后再修復會導致骨架化得到的筆畫拓撲結構改變，降低鑒偽準確率。由于簽名骨架圖像較原始圖像像素點更少，拓撲結構清晰，采用同樣算法的情況下，下劃線越細越容易去除，因此，直接在簽名骨架圖像上對下劃線進行去除和筆畫修復能最大程度地對手寫筆畫進行保真,保證簽名鑒偽的準確度。Phan等[10]提出的骨架化算法能夠有效完成手寫字符骨架化，同時不會因筆畫線段相交改變簽名原始拓撲結構，滿足直接對含有下劃線手寫簽名進行骨架化的要求。基于Phan 等人的研究，本文利用該算法對簽名進行骨架化，提出了基于主線段的直線段檢測 (main line segment detection, MLSD)和限距修復 (restricted distance repair, RDR)算法，用于手寫簽名骨架下劃線去除及筆畫修復工作。

基于手寫簽名骨架去除下劃線并進行筆畫修復的難點主要有：1)手寫簽名骨架化后，筆畫和下劃線由長短不一、方向不同的直線段組成，如何從這些直線段中初步檢測出下劃線線段是第1個難點；2)部分簽名筆畫線段與下劃線線段長度相同，方向相近且存在相交，如何從初步檢測出的線段中進一步準確篩選出下劃線線段是第2個難點；3)與筆畫線段相交的下劃線線段被去除后會造成筆畫斷裂，因此需檢測出斷裂位置并合理修復使其和原筆畫相同。針對上述3個難點，本文提出基于主線段的直線段檢測(MLSD)和限距修復(RDR)算法，算法的流程如圖1所示。

圖1 本文提出的MLSD和RDR算法的流程

2 手寫簽名骨架下劃線去除及筆畫修

復算法

2.1 基于主線段的直線段檢測算法(MLSD)

2.1.1 手寫簽名骨架化

并行細化等經典算法[11-13]對手寫簽名進行骨架化時，在下劃線與簽名相交處會產生筆畫合并、拓撲結構改變現象，因此，如何保證手寫簽名骨架化后不會出現上述問題是在骨架圖像上去除下劃線的重要基礎。本文將文獻[10]中的算法用于簽名鑒偽領域的手寫簽名骨架化，有效避免上述問題的產生。該算法主要由輪廓提取、多邊形輪廓逼近、基于Delaunay三角剖分的網格生成和折線骨架估計4部分組成。在輪廓提取和多邊形輪廓逼近步驟中，采用直線擬合法自動獲得字符的多邊形骨架。在折線骨架估計部分，將Delaunay三角剖分生成的網格分成終端、相連、結合3種類型。終端類型三角形作為虛假片段，不進行骨架連接，但可以用來判斷是否有相連三角形；相連類型的三角形將與其他三角形相鄰兩邊中點連線作為骨架；如圖2所示，結合類型的三角形引入最小變化方向角、凸多邊形外接圓圓心分別作為2條線相交和多條線相交時連接的判斷依據。

圖2 結合類型的最小方向變化角和外接圓圓心連接示意

2.1.2 手寫簽名直線段檢測

為抑制噪聲，提出的MLSD算法首先采用高斯濾波器對簽名骨架圖像進行濾波。因圖像邊緣檢測結果對后續圖像處理有著直接影響，該算法隨后利用Laplace算子檢測濾波后圖像中的邊緣像素。當一個像素的濾波值小于閾值τ1時，則將該像素設置為背景像素值。Laplace算子可以檢測潛在邊緣像素，這是因為邊緣像素的曲率總和比背景像素更大。本文采用的Laplace算子如式(1)所示。

(1)

Hough變換檢測直線具有較強魯棒性，同時可以有效排除噪聲干擾，因此本文使用Hough變換檢測手寫簽名骨架中的直線段。手寫簽名中，下劃線角度偏斜通常在±5°內，本文設置Hough變換檢測的角度為(-5°,+5°)，初步過濾掉絕大部分不滿足條件的直線段。

2.1.3 下劃線線段檢測

圖3 線段位置關系示意

設置閾值τ2、τ3，當Δki<τ2且Δdi<τ3，則認為該直線段是下劃線部分直線段，予以標記。其中

為便于后續下劃線線段去除，對Hough變換中檢測出的直線分別做斜率和中點縱坐標統計，并與主線段進行比較標記出下劃線線段。設Hough變換在濾波后的圖像中共檢測到I條直線，用二維數組Line[i][4]表示，Line[i]中記錄該線段的起點和終點坐標，ρ[i]為每條線段長度，其中i=1,2,…,I。下劃線線段檢測偽代碼如下：

輸入：直線數組Line、ρ、閾值τ2、τ3。

輸出：下劃線線段下標索引動態增長數組uIndex。

1) set flag equalsρ[0];

2) for eachido

3) ifρ[i]>flag

4) set flag equalsi;

5) end

6) set Line[flag] as main section

7) for eachido

8) if Δki<τ2&&Δdi<τ3then

9) Addito uIndex;

10) end

2.2 筆畫限距修復算法(RDR)

簽名筆畫與下劃線之間存在相離、相接、重疊和相交等幾種位置關系。相離和相交只需將直線去除即可，無需修復，如圖4(a)和4(b)；對于筆畫與直線完全重疊的情況，如圖4(c)所示，已無法從二值圖像恢復該筆畫；實際中更多的是4(d)所示相交的情況。因此，本文的斷裂筆畫修復算法主要針對相交情況。

圖4 筆畫與下劃線位置關系示意

手寫簽名主要是撇、豎、捺3種筆畫與下劃線相交,將下劃線去除后，其筆畫像素如圖5所示。

圖5 筆畫去除下劃線后示意

本文提出的RDR算法如下，以每個下劃線像素為單位，在其8鄰域內，將下劃線像素上一行的筆畫像素標記為起點像素，下劃線像素下一行的筆畫像素標記為終點像素。設起點像素共m個、終點像素共n個，其集合分別表示為

startPos=(x1,y1),(x2,y2),…,(xj,yj),…,(xm,ym),1≤j≤m

endPos=(x1,y1),(x2,y2),…,(xk,yk),…,(xn,yn),1≤k≤n

取起點像素pj、終點像素pk，設其坐標分別為(xj,yj)、(xk,yk)，起點和終點像素之間距離為djk。取閾值τ4，遍歷并計算每個起點像素pj到每個終點像素pk的距離djk。當djk<τ4,則將pj與pk連線上的像素點設置為筆畫像素值，進行筆畫補齊。其中

3 實驗結果與分析

由于當前并無帶有下劃線的手寫簽名數據集，本文專門制作了手寫簽名圖像(handwritten signature image，HSI)數據集用于驗證提出的算法性能。該數據集共收集了河海大學物聯網工程學院300名學生寫下的共計4 500個簽名，每個學生的簽名共15個，由以下3部分組成：1) 5個在下劃線上書寫的真實簽名；2) 5個在下劃線上書寫的偽造簽名；3) 5個未在下劃線上書寫的真實簽名。對每個學生在下劃線上書寫的真實簽名和偽造簽名進行下劃線去除及筆畫修復實驗，將其未在下劃線上書寫的5個真實簽名作為簽名樣本對修復后的簽名進行鑒偽。實驗的計算機硬件配置Intel(R)Core(TM)i5-3210M CPU@2.50GHz。實驗的軟件平臺是MATLABR2014a。

3.1 MLSD算法下劃線線段檢測結果和評價

采用HSI數據庫進行下劃線檢測實驗。本實驗將MLSD算法分別與Hough變換、文獻[1]和文獻[5]進行比較。其中，MLSD算法中高斯濾波器的標準差為0.8，閾值τ1為6，τ2默認值是0.1，以0.01為單位進行微調，τ3默認值是10，以1為單位進行微調。經實驗驗證，在HSI數據庫中，τ2∈0.01,0.15，τ3∈0,20。

實驗1 原始簽名圖像大小為241×99，τ2、τ3分別設置為0.1和17。實驗中各算法檢測效果如圖6。

圖6 實驗1中各算法檢測效果

實驗2 原始簽名圖像大小為312×109，τ2、τ3分別設置為0.1和17。實驗中各算法檢測效果如圖7。

圖7 實驗2中各算法檢測效果

實驗3 原始簽名圖像大小為481×178，τ2、τ3分別設置為0.01和6。實驗中各算法檢測效果如圖8。

圖8 實驗3中各算法檢測效果

以上3組圖片中，MLSD算法均可以正確檢測出下劃線線段，其他3種算法則出現不同程度的漏檢、虛檢現象。為對實驗結果進行量化，定義下劃線線段被正確檢測的簽名個數Nc，下劃線線段有效檢測率為Pe，下劃線線段正確檢測率為Pc。

Nc=Ne-Nf

式中：Nt為檢測的簽名總數，Ne為下劃線線段有效檢測的簽名個數(所有下劃線線段都被檢測出來，其中也包含存在虛檢的簽名)，Nf為Ne出現虛檢的簽名個數。表1記錄了4種算法在HSI數據庫中的下劃線檢測結果，可以看出，采用本文提出的MLSD算法進行簽名下劃線檢測時，準確率最高。

表1 手寫簽名骨架下劃線檢測結果比較

3.2 RDR算法筆畫修復結果和評價

對上節MLSD算法正確檢測出下劃線線段的2 741個手寫簽名骨架進行RDR算法實驗，并對修復后的簽名骨架進行鑒偽，設置閾值τ4為6。3.1節3組圖片進行下劃線去除和筆跡修復后的效果如圖9所示，對于相離和相接的情況，檢測出下劃線線段直接去除即可，如圖9(a)；對于筆畫和下劃線相交的情況，去除直線后會造成筆畫缺失，如圖9(b)和9(c)，RDR算法可以對其進行有效修復，修復結果如圖9(f)和9(g)所示。

圖9 下劃線去除及筆畫修復

為驗證經本文提出方法處理后的手寫簽名用于鑒偽的有效性，本文以HSI數據集中未加下劃線的真實簽名作為簽名樣本，通過文獻[14-17]提出的簽名鑒偽算法對經MLSD和RDR有效處理后的共2 741個真實簽名和偽造簽名進行鑒別。表2記錄了修復后的簽名在不同簽名鑒別方法下的鑒偽準確率，其中Ngf為修復后的真實簽名總數，Nff為修復后的偽造簽名總數，Ngs為數據集中未加下劃線的真實簽名總數，Ncf為正確鑒別的簽名個數，Pv為對修復后的真實簽名和偽造簽名鑒別的準確率。

表2為修復后的手寫簽名鑒偽準確率，從表2可以看出，采用本文方法對手寫簽名進行下劃線去除和筆畫修復后，可以有效地對簽名進行鑒偽。

表2 修復后的手寫簽名鑒偽準確率

4 結論

在金融、司法等諸多領域，離線簽名鑒偽作為一種重要的身份認證方式已被廣泛應用，而下劃線能否有效去除又直接影響著鑒偽準確率。也正是因為如此，有關簽名下劃線的去除及筆畫修復成為了離線簽名鑒偽研究中十分重要的一部分。本文對該問題進行了深入研究。

1)結合簽名筆畫特征及現有的簽名鑒偽方法，提出了首先對簽名進行骨架化，再進行下劃線去除與相應斷裂筆畫修復的方案。將文獻[10]提出的細化算法首次用于簽名鑒偽領域的文字細化，保證了簽名拓撲結構的完整性。

2)提出一種基于主線段的下劃線線段檢測算法。研究簽名圖像特征，首次提出將骨架圖像中最長線段作為主線段，通過Hough變換初步檢測出骨架圖像中的線段，再結合主線段的斜率和位置信息進一步找到所有下劃線線段。

3)提出相應的筆畫修復算法。遍歷所有下劃線線段像素，在其8領域內找到筆畫起點和終點像素進行閾值判定以完成筆畫修復。實驗結果表明，與Hough、文獻[1]、文獻[5]算法相比，本文提出的方法能夠準確檢測簽名圖像中的下劃線，漏檢、虛檢率低，并對斷裂筆畫進行有效修復，保證了離線簽名鑒偽的準確率。

下一步工作將繼續研究自適應的簽名下劃線去除方法，進一步提高算法的處理效率。