基于 EMD 和 SVD 的在线手写签名特征提取方法

为使在线手写签名认证的使用更具实用性，提出了一种基于经验模态分解( EMD) 和奇异值分解( SVD) 的 在线手写签名特征提取方法． 针对在线签名数据的坐标信息，以 EMD 分解所得的本征模态函数( IMF) 分量为初始 矩阵，并进行矩阵奇异值分解，以奇异值的能量值作为样本数据的特征分量构成用户特征向量，建立了基于支持向 量数据描述( SVDD) 的一类认证模型验证该方法效果． 在 SVC2004 签名数据库上的实验结果表明:该方法提取的签 名特征区分明显，使用少量的单类真实签名作为训练样本，得到 FAR =3.38%，取得了较好的认证识别效果