Off line handwritten signature recognition based on fusion of global and GLCM features using fuzzy logic

يستخدم التوقيع بصورة واسعة لمتحقق من الأشخاص و التوثيق. في هذا البحث قدمنا نظام جديد لتمييز التواقيع اليدوية بالاعتماد على الخصائص العامة و خصائص مصفوفة تكرار حدوث المستويات الرمادية GLCM ، و باستعمال المنطق المضبب كأداة تصنيف. الخصائص العامة و خصائص GLCM دمجت لتوليد متجو مكون من 51 خاصية تستعمل لغرض التحقق و اثبات التوقيع. التوقيع المعد لاختبار يقارن مع قاعدة بيانات التواقيع بالاعتماد على الخصائص المدخمة، أما مطابقة أو عدم مطابقة التواقيع تقرر بمساعدة المنطق المضبب. النتائج التجريبية أستحصلت باستعمال قاعدة بيانات مكونة من تواقيع 7 أشخاص. العدد الكامل من صور التواقيع التي جمعت لدراستنا بلغ 77 صورة و بمعدل57 تواقيع لكل شخص، استعملت 1 تواقيع منيا للتدريب بينما استعملت الـ 1 تواقيع المتبقية لاختبار و إن معمارية النظام المقترحة أنجزت دقة عالية في التمييز تقدر بـ 577 % في مجموعة التدريب و دقة تمييز مقدارها 5701 % في مجموعة الاختبار و بمعدل زمن تنفيذ مقداره 5057 ثانية. Signature is widely used and developed area of research for personal verification and authentication. In this paper, we present a new offline handwritten signature recognition system based on fusion of global and GLCM (Grey Level Co-occurrence Matrix) features using fuzzy logic system as classifier tool. The global and GLCM features are fused to generate vector of 15 features for the verification of the signature. The test signature is compared with the database signatures based on features, whilst match / non match of signatures is decided with fuzzy logic. The experimental results obtained by using a database of 7 individuals’ signatures. A total number of 70 images are collected for our study and with average 10 signatures for each person, 5 of the signatures are used as training, the remaining 5signatures are used as testing group. The results show that the proposed modular architecture can achieve 100% recognition accuracy for training group and 90.5 % recognition accuracy for the testing group with running time is 1.17 second.