Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Oliveira, Luiz Eduardo Soares de, 1971- | - |
Autor(es): dc.contributor | Sabourin, Robert | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática | - |
Autor(es): dc.creator | Gonçalves, Diego Bertolini | - |
Data de aceite: dc.date.accessioned | 2025-09-01T11:37:59Z | - |
Data de disponibilização: dc.date.available | 2025-09-01T11:37:59Z | - |
Data de envio: dc.date.issued | 2024-11-03 | - |
Data de envio: dc.date.issued | 2024-11-03 | - |
Data de envio: dc.date.issued | 2014 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/36064 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/36064 | - |
Descrição: dc.description | Orientador: Prof. Dr. Luiz Eduardo Soares de Oliveira | - |
Descrição: dc.description | Coorientador: Prof. Dr. Robert Sabourin | - |
Descrição: dc.description | Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa: Curitiba, 15/08/2013 | - |
Descrição: dc.description | Inclui referências | - |
Descrição: dc.description | Resumo: A verificação e identificação de escritores são atividades relacionadas a ciências forense, na qual possuem a função de auxiliar na identificação ou constatação de fraudes de documentos manuscritos. A tarefa de verificar ou identificar escritores através de sua escrita manuscrita disposta em papel torna-se árdua devido as semelhanças existentes entre a escrita de diferentes escritores e também devido a variabilidade da escrita de uma mesma pessoa. Inserido neste contexto, este trabalho discute o uso de descritores de textura para o processo de verificação e identificação de escritores. Três diferentes descritores de textura foram avaliados para elaboração desta tese, GLCM (Gray Level Co-occurrence Matrix), LBP (Local Binary Pattern) e LPQ Local Phase Quantization. Além disso, empregamos um esquema de classificação baseado na representação da dissimilaridade, o qual tem contribuído para o sucesso em problemas de verificação de escritores. Inicialmente tratamos de algumas questões, como o desempenho dos descritores e parâmetros do sistema escritor-independente. Observamos outras questões importantes relacionadas com a representação dissimilaridade, tais como o impacto do numero de referencias utilizadas para verificação e identificação de escritores, e o número de escritores empregados no conjunto de treinamento. A partir destes primeiros experimentos, foi possível verificar que o número de escritores no conjunto de treinamento impactava menos que se supunha no desempenho do sistema. Para verificar todos estes objetivos, realizamos experimentos com duas diferentes bases de dados: BFL (Brazilian Forensic Letter Database) e IAM (Institut fur Informatik und angewandte Mathematik), as quais são manuscritas em diferentes línguas e contendo números de escritores díspares. Em sequencia, comparamos a abordagem baseada na dissimilaridade com outras estratégias escritor-dependente. Em uma segunda etapa de experimentos avaliamos o impacto de diferentes estilos de escrita, assim como: texto-dependente, texto-independente, caixa alta e falsificação (escrita dissimulada). Para isso, utilizamos a base Firemaker a qual e a única base pública a possuir estes quatro diferentes estilos. Por fim avaliamos a abordagem de seleção de escritores a qual tem por finalidade selecionar escritores para geração de modelos robustos. Através de uma serie de experimentos, percebemos que ambos os descritores de textura LBP e LPQ são capazes de superar os resultados anteriores descritos na literatura para o problema de verificação por cerca de 5 pontos percentuais. Para o problema de identificação de escritores, o uso do descritor LPQ foi capaz de alcançar melhores taxas de acertos globais, 96,7 % e 99,2 % para as bases BFL e IAM, respectivamente. Com relação aos diferentes estilos de escrita, notamos que a abordagem apresenta-se robusta para diferentes estilos incluindo a falsificação, apresentando desempenho superior aos descritos em literatura. Por fim, utilizando a abordagem de seleção de escritores, foi possível alcançar desempenho igual ou superior utilizando cerca de 50% dos escritores disponíveis no conjunto de treinamento. | - |
Descrição: dc.description | Abstract: Writer verication and identication are related to forensic science activities, which are used in the tasks of identifying or nding fraud in handwritten documents. The task of writer verication or identication through handwriting in paper becomes dicult due to similarities between the writing of dierent writers and also because of the variability of the handwriting of a given person. In this context, this work discusses the use of texture descriptors for the verication process and identication of writers. Three dierent texture descriptors were considered in this study, GLCM (Gray Level Co-occurrence Matrix), LBP (Local Binary Pattern) and LPQ (Local Phase Quantization). A classi- cation scheme based on dissimilarity representation, which has contributed to the success in writer verication problems, was adopted in this work. Initially we addressed some issues, such as performance of descriptors and parameters of the writer-independent system. We have also observed other important issues related to the dissimilarity representation, such as the impact of the number of references used for verication and identication of writers, and the number of writers employed in the training set. From these initial experiments, we found that the number of writers in the training set has low impact in system performance. To accomplish all of these goals, we conducted experiments on two dierent databases: BFL (Brazilian Forensic Letter Database) and IAM (Institut fur Informatik und angewandte Mathematik), which are acquired in dierent languages containing dierent numbers of writers. Next, we compared the scheme based on dissimilarity representation with other writer-dependent approach strategies. In a second round of experiments we evaluated the impact of dierent writing styles, as well as text-dependent, text-independent, upper case and forgery (disguised writings). To that end, we used the Firemaker database which is the only public database that has these four dierent styles. Finally, we proposed an approach for selecting writers to build a better dissimilarity model. Through a series of experiments, we noticed that both texture descriptors LBP and LPQ are able to outperform previous results reported in the literature for the problem of verication by about 5%. Regarding the problem of writer identication, the LPQ descriptor was able to achieve better identication rates for global hits, 96.7% and 99.2% for IAM and BFL databases, respectively. With respect to the dierent styles of writing, we have shown that the approach is robust for dierent styles including forgery, presenting higher performance than those described in literature. Finally, using the proposed writer selection method, it was possible to achieve equal or better performance using about 50% of writers available in the training set. | - |
Formato: dc.format | 117f. : il., tabs., grafs. | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Relação: dc.relation | Disponível em formato digital | - |
Palavras-chave: dc.subject | Ciência da computação | - |
Palavras-chave: dc.subject | Reconhecimento de padrões | - |
Palavras-chave: dc.subject | Descritores | - |
Palavras-chave: dc.subject | Assinaturas | - |
Título: dc.title | Identificação e verificação de escritores usando características texturais e dissimilaridade | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: