Najważniejsze osiągnięcia naukowe

Główne osiągnięcia badawcze otrzymane w trakcie realizacji niniejszej pracy dotyczyły aspektów i właściwości nowych rozwiązań formalnych, wykorzystujących mechanizmy syntaktyczne bazujące na deterministycznych i statystycznych językach klasy ETPL(k).

ROZDZIAŁ 8:PODSUMOWANIE 160 Można tu wskazać następujące osiągnięcia związane opracowaniem metodologii rozpo-znawania podpisów odręcznych za pomocą grafowych formalizmów językowych:

 Opracowanie modelu opisu struktury podpisów odręcznych w postaci hierarchicz-nych grafów HIE oraz powiązahierarchicz-nych z nimi atrybutowahierarchicz-nych grafów IE przechowu-jących wbudowaną informację parametryczną (por. rozdz. 4)

 Adaptacja formalizmu atrybutowanych grafów IE oraz gramatyk klasy ETPL(k) sterowanych atrybutowo do opisu lokalnych własności grafemów (por. rozdz. 5.3)  Zdefiniowanie klas gramatyk probabilistycznych sterowanych atrybutowo

ac-swETPL(k) generujących atrybutowane losowe grafy arIE (por. rozdz. 5.3)

 Zdefiniowanie klas gramatyk probabilistycznych TLsETPL(n,k) generujących hie-rarchiczne losowe grafy HrIE (por. rozdz. 5.4)

 Konstrukcja analizatora syntaktycznego dla grafów arIE i gramatyk probabilistycz-nych ac-swETPL(k) (por. rozdz. 5.3)

 Konstrukcja parsera dla grafów HIE i sterowanych gramatyk TLsETPL(n,k) o zło-żoności wielomianowej rzędu O(i2

j²) (por. rozdz. 5.4)

 Opracowanie formalnego systemu wnioskowania gramatycznego dla gramatyk probabilistycznych klasy sETPL(k) o złożoności wielomianowej rzędu O(n2

) dla wejścia w postaci pojedynczego losowego grafu IE (por. rozdz. 5.1) w oparciu o rozwiązania wykorzystywane dla gramatyk deterministycznych klasy ETPL(k)  Opracowanie formalnego systemu wnioskowania gramatycznego dla gramatyk

hie-rarchicznych (dwuwarstwowych) probabilistycznych klasy TLsETPL(k) o złożono-ści wielomianowej rzędu O(n4) dla wejścia w postaci n hierarchicznych grafów IE (por. rozdz. 5.2) reprezentujących wzorce podpisu w oparciu o rozwiązania wyko-rzystywane dla gramatyk deterministycznych klasy ETPL(k)

 Opracowanie aplikacji do rozpoznwania i weryfikacji sygnatur odręcznych. Apli-kacja taka dla wybranych sygnatur osiągneła skuteczność prawidłowej detekcji sy-gnatur na poziomie 85.2%.

ROZDZIAŁ 8:PODSUMOWANIE 161

7.3 Kierunki badań

Próbując dać odpowiedź o dalsze kierunki prowadzenia prac badawczych związanych z problematyką pracy, należy wskazać następujące obszary:

 Zwiększanie efektywności i dokładności działania zaproponowanego modelu weryfikacji podpisów odręcznych

o Wzbogacenie opisu cech na poziomie lokalnym o charakterystyki odnoszą-ce się do dynamiki podpisu odręcznego możliwe do uzyskania na podstawie obrazu statycznego (zmiana nasycenia koloru linii podpisu). Tego typu do-datkowe informacje powinny znacząco zwiększyć efektywność systemu rozpoznawczego przeciwko fałszerstwom wysokiej jakości, ponieważ bar-dzo trudno jest naśladować ukryte charakterystyki biomechaniczne dłoni pi-szącego⁷⁶.

o Zastosowanie innych metod opisu i badania podobieństwa cech kształtu na poziomie lokalnym, które mogą dać lepszą precyzję odwzorowania. W tym obszarze obiecujące wydaje się ukierunkowanie przyszłych badań na meto-dy oparte o DTW szeroko wykorzystywane w algorytmach meto-dynamicznej analizy podpisów odręcznych.

 Nowe zastosowania zaproponowanych struktur

o Wykorzystanie opisanego w pracy modelu do zbudowania kryptosystemu biometrycznego bazującego na cechach podpisu odręcznego. W związku z wykorzystaniem opisu probabilistycznego, pojawiają się duże możliwości uzyskania w takim systemie ciągów wykorzystywanych, jako klucze kryp-tobiometryczne. Klucze takie mogą następnie być wykorzystanie w algo-rytmach przekazywania informacji podprogowej, albo technikach współ-dzielenia tajemnicy.

o Zastosowanie proponowanych rozwiązań do analizy obrazów innego typu niż podpisy odręczne, z ukierunkowaniem na wykorzystanie struktur hierar-chicznych w systemach rozpoznawczych związanych obrazami o dużej zło-żoności strukturalnej oraz automatycznym rozumieniem obrazu [102] .

76 Bezpośrednio z charakterystyk tego typu korzysta się w dynamicznej analizie podpisów odręcznych (por. rozdz. 3.3).

ROZDZIAŁ 8:PODSUMOWANIE 162  Zwiększenie elastyczności i efektywności wykorzystywanych mechanizmów

formalnych

o Rozszerzenie systemu wnioskowania o wykorzystanie wielu grafów na wej-ściu – pełny system wnioskujący dla pozytywnych przykładów języka lo-sowego.

o Uelastycznienie mechanizmów syntaktycznych wykorzystywanych do opi-su struktury obrazów np. osłabienie ograniczeń narzuconych przez grama-tykę ETLPL(k) na aksjomat gramatyki77

, co mogłoby skutkować znacznym ułatwieniem wnioskowania formalnego w przypadku wielu grafów wej-ściowych. Modyfikacje takie miałyby sens tylko w takim przypadku, gdyby nie naruszały możliwości dyskryminacyjno-opisowych oraz wielomianowej złożoności analizy syntaktycznej dla tak zmodyfikowanych gramatyk ETPL(k). Tego typu zmiany wymagają bardzo szczegółowych analiz for-malnych i teoretycznych.

Rozpoznawanie i klasyfikacja podpisów odręcznych jest jednym z obszarów w dziedzi-nie metod biometrycznych, o zarówno dużych możliwościach zastosowań jak i dziedzi- niewyko-rzystanym jeszcze potencjale. Szczególnie duża trudność analizy podpisów statycznych daje ciągle duże możliwości wprowadzania nowych metod i rozwiązań badawczych w tym zakresie. Raport SABER opublikowany przez FBI Biometric Center of Excellence⁷⁸ na temat stanu zaawansowania prac badawczych związanych z obszarem metod biometrycz-nych wskazuje, iż obszar związany ze statyczną analizą podpisów odręczbiometrycz-nych będzie sta-nowił jeden z bardziej istotnych w najbliższej przyszłości, obszarów zastosowań aplika-cyjnych. Prowadzone przez autora badania pozwoliły na wprowadzenie pewnych nowych mechanizmów lingwistycznych do opisu i analizy tego typu danych. Wstępna efektywność uzyskanych rozwiązań i ich duże możliwości opisowe dają podstawy do dalszych badań aplikacyjnych a także zastosowań np. w szeroko rozwijanych obecnie aspektach rozumie-nia obrazów i na polu metod kryptograficznych.

77 Obecnie dziedziczenie cech po gramatyce TLP wymusza obecność elementu terminalnego w węźle o indeksie 1 każdego grafu w gramatyce, czyli prawych stron produkcji oraz grafu startowego. Osłabienie tego warunku jedynie dla grafu startowego mogłoby uprościć proces konstrukcji języka dla przypadku wielogra-fowego (pełne wnioskowanie).

LITERATURA 163

Literatura

[1] Abramoff M. D., Magelhaes P. J., Ram S. J. Image Processing with ImageJ, Biophotonics International, Vol. 11, Issue 7, pp. 36-42, 2004

[2] Agam G., Suresh S., Warping-based offline signature recognition, Proceedings of IEEE Transactions on Information Forensics and Security, Vol. 2, No. 3, pp. 430-437, 2007

[3] Aho A. V., Peterson T. G., A minimum distance error correcting parser for context-free languages, SIAM Journal of Computing, Vol. 1, Issue 4, pp. 305-312, 1972

[4] Alquézar R., Sanfeliu A., Recognition and learning of a class of context-sensitive languages described by augmented regular expressions, Pattern Recognition, Vol. 30, No. 1, pp. 163-182, 1997

[5] Baltzakis H., Papamarkos N., A new signature verification technique based on two-stage neural network classifier, Engineering Applications of Artificial Intelligence, Vol. 14, pp. 95-103, 2001

[6] Baran M., Analiza obwodów drukowanych za pomocą parsera struktur grafowych, AGH Kraków, Rozprawa doktorska, 2005

[7] Barrero A., Unranked tree languages, Pattern Recognition, Vol. 24, No. 1, pp. 9-18, 1991 [8] Blum M., Hewitt C., Automata on a two-dimensional tape, Proceedings of 8^th IEEE

Confer-ence Switching Automaton Theory, pp. 155-160, 1968

[9] Brandenburg F. J., On the complexity of the membership problem of graph grammars, Pro-ceedings of the WG'83, International Workshop on Graphtheoretic Concepts in Computer Science, June 16-18 Osnabruck, Trauner Verlag, pp. 40-49, 1983

[10] Brault J., Plamondon R., A Complexity Measure of Handwritten Curves: Modeling of Dy-namic Signature Forgery, IEEE Transactions on Systems, Man and Cybernetics, Vol 23, No 2, pp. 400-413, 1993

[11] Brayer J. M., Fu K. S., Web grammars and their application to pattern recognition, Purdue University TR-EE, Vol. 71, No. 1, 1975

[12] Brayer J. M., Parsing of web grammars, Proceedings of IEEE Worksop on Data Description Management, Long Beach CA, 1977

[13] Bunke H. O., Haller B., A parser for context free plex grammar, Lecture Notes in Computer Science, Vol. 411, pp. 136-150, Springer, Berlin 1990

[14] Bunke H., Sanfeliu A. (eds.), Syntactic and Structural Pattern Recognition: Theory and Ap-plications, World Scientific, 1990

[15] Carlucci L., A formal system for texture analysis, Pattern Recognition, Vol. 4, No. 1, pp. 53-72, 1972

[16] Chang N. S., Fu K. S., Parallel parsing of tree languages for syntactic pattern recognition, Pattern Recognition, Vol. 11, No. 3, pp. 213-222, 1979

[17] Chen C., Statistical pattern recognition, Hayden, 1973

[18] Chen S., Srihari S., Use of Exterior Contours and Shape Features inf Off-line Signature

Ver-ification, Proc. of 8^th International Conference on Document Analysis and Recognition, Vol.

LITERATURA 164

[19] Chen S., Srihari S., A New Off-line Signature Verification Method based on Graph, 18^th In-ternational Conference on Pattern Recognition, ICPR'06, Vol. 2, pp.869-872, 2006

[20] Coetzer J., Off-line Signature Verification, Univ. of Stellenbosch, Ph.D. Dissertation, 2005 [21] Coetzer J., Sauborin R., A human-centric off-line signature verification system, Proc. of 9^th

International Conference on Document Analysis and Recognition (ICDAR2007), Vol. 1, pp. 153-157, 2007

[22] Comon H., Dauchet M., Gilleron R., Lugiez D., Tison S., Tommasi M., Tree Automata Techniques and Applications, http://www.grappa.univ-lille3.fr/tata, 2007

[23] Cormen T. H., Leiserson C. E., Rivest R. L., Wprowadzenie do algorytmów, WNT, Warsza-wa 2000

[24] Czajka A., Pacut A., Rozpoznawanie podpisów odręcznych jako przykład weryfikacji tożsa-mości, Techniki Komputerowe, Vol. 36, No. 1, pp. 7-24, 2001

[25] Czajka A., Pacut A., Neural networks for signature classification and identity verification, SECURE 2002, Vol. 1, pp. 1-7, Warszawa, 2002

[26] Davis L. S., editor, Foundations of Image Understanding, Kluwer Academic Publishers, 2001

[27] Della Vigna P., Ghezzi C., Context-free graph grammars, Information and Control 37, pp. 207-233, 1978

[28] Deng P. S., Liao H. Y. M., Ho C. W., Tyan H. R., Wavelet-based Off-line Handwritten Sig-nature Verification, Computer Vision and Image Understanding, Vol. 76, No. 3, pp. 173-190, 1999

[29] Devijver P., Kittler J., Pattern Recognition: a Statistical Approach, Prentice-Hall, 1982 [30] Djeziri S., Nouboud F., Plamondon R., Extraction from signatures from cheque background

based on filiformity criterion, IEEE Transactions on Image Processing, Vol. 7, No. 10, pp. 1425-1438, 1998

[31] Dolfing J. G. A., Aarts E. H. L., van Oosterhout J. J. G. M, On-line signature verification

with Hidden Markov Models, Proceedings of the 4th Intl. Conf. on Pattern Recognition,

ICPR, IEEE CS Press, pp. 1309-1312, 1998

[32] Duda R., Hart P., Pattern Clasification and Scene Analysis, Wiley, 1973

[33] Ehrig H., Pfender M., Schneider H. J., Graph grammars: an algebraic approach, Proceed-ings of IEEE Conference on Switching Automaton Theory, pp. 167-180, 1973

[34] El-Yacoubi A., Justino E. R. J., Sabourin R., Bortolozzi F., Off-line signature verification using HMMs and cross-validation, IEEE International Workshop on Neural Network for Signal Processing, pp. 859-868, 2000

[35] Fang B., Wang Y. Y., Leung C. H., Tse K. W., Off-line signature verification by the analysis of cursive strokes, International Journal on Pattern Recognition and Artificial Intelligence, Vol. 15, No. 4, pp. 659-673,

[36] Fang B., Leung C. H., Tang Y. Y., Tse K. W., Kwok P. C. K., Wong Y. K., Off-line signa-ture verification with generated training samples, IEE Proceedings – Vision, Image and Sig-nal Processing, Vol. 149., No. 2, pp. 85-90, 2002

[37] Fang B., Leung C. H., Tang Y. Y., Tse K. W., Kwok P. C. K., Wong Y. K., Off-line signa-ture verification by tracking of feasigna-ture and stroke position, Pattern Recognition, Vol. 36, pp. 91-101, 2003

LITERATURA 165

[38] Faundez-Zanuy M., On-line signature recognition based on VQ-DTW, Pattern Recognition, Vol. 40, pp. 981-992, 2007

[39] Feder J., Plex languages, Inform. Sci. 3, pp. 225-241, 1971

[40] Feluś A., Podpisy. Studium z pismoznawstwa kryminalistycznego, Monografia, Katowice 1987

[41] Feng H., Wah C. C., Online signature verification using a new extreme points warping tech-nique, Pattern Recognition Letters, Vol. 24, Issue 16, pp. 2943-2951, 2003

[42] Fierrez J., Ortega-Garcia J., Ramos D., Gonzalez-Rodriguez J., HMM-Based On-Line Signa-ture Verification: FeaSigna-ture Extraction and SignaSigna-ture Modeling, Pattern Recognition Letters, Vol. 28, No. 16, pp. 2325-2334, 2007

[43] Flasiński M., Parsing of edNLC Graph Grammars for Scene Analysis, Pattern Recognition, Vol. 21, Issue 6, pp. 623-629, 1988

[44] Flasiński M., Characteristics of edNLC Graph Grammars for Syntactic Pattern Recognition, Computer Vision, Graphics and Image Processing, Vol. 42, pp. 1-21, 1989

[45] Flasiński M., Distorted Pattern Analysis with the Help of Node Label Controlled Graph Languages, Pattern recognition, Vol. 23, Issue 7, pp. 765-774, 1990

[46] Flasiński M., Syntaktyczne metody rozpoznawania obrazów, Skrypt uczelniany nr 634, Uni-wersytet Jagielloński, Kraków, 1991

[47] Flasiński M., Strukturalna analiza obrazów za pomocą gramatyk grafowych klasy ETPL(k), Wyd. Uniwersytetu Jagiellońskiego, Rozprawa habilitacyjna, 1992

[48] Flasiński M., On the Parsing of Deterministic Graph Languages for Syntactic Pattern Recognition, Pattern Recognition, Vol. 26, No. 1, pp. 1-16, 1993

[49] Flasiński M., Use of Graph Grammars for the Descritpion of Mechanical Parts, Computer Aided Design, Vol. 27, No. 6, pp. 401-433, 1997

[50] Flasiński M., Power Properties of NLC Graph Grammars with a Polynomial Membership Problem, Theoretical Computer Science, Vol. 201, No. 1, pp. 189-231, 1998

[51] Flasiński M., Jurek J., Dynamically Programmed Automata for Quasi Context Sensitive Lan-guages a a Tool for Inference Support in Pattern Recognition-Based Real-Time Control Ex-pert Systems, Pattern Recognition, Vol. 32, No. 4, pp. 671-690, 1999

[52] Flasiński M., Skomorowski M., Parsing of Random Graph Languages for Automated In-spection in Statistical-based Quality Assurance Systems, Machine GRAPHICS & VISION International Journal, Vol. 7, No. 3, pp. 565-623, 1998

[53] Franck R., A class of lineary parsable graph grammars, Acta Informatica, Vol. 10, pp. 175-201, 1978

[54] Freeman H., On the Encoding of Arbitrary Geometric Configuration, IEEE Transactions on Electronic Computer, EC-10, 1961

[55] Freeman H., On the Digital-Computer Classification of Geometric Line Patterns, Proceed-ings of the National Electronics Conference 18, pp. 312-234, 1962

[56] Friedman M., Kandel A., Introduction to Pattern Recognition: Statistical, Structural, Neural and Fuzzy Logic Approaches, Series: Machine Perception Machine Intelligence, World Sci-entific, 1999

[57] Fu K. S., Stochastic Languages for Picture Analysis, Computer Graphics and Image Pro-cessing, Vol. 2, pp. 433-453, 1973

LITERATURA 166

[58] Fu K. S., Syntactic Pattern Recognition and Applications, Prenctice Hall, 1982 [59] Fukunaga K., Introduction to Statistical Pattern Recognition, Academic Press, 1972

[60] Gao Y., Leung M. K. H., Human face recognition using attributed string, Pattern Recogni-tion, Vol. 35, No. 2, pp. 353-360, 2002

[61] Gruber C., Gruber T., Sick B., On-line signature verification with new time series kernels for Support Vector Machines, Lecture Notes in Computer Science, Vol. 3832, pp. 500-508, 2005 [62] Guo J. K., Doermann D., Rosenfeld A., Forgery detection by local correspondence,

Interna-tional Journal of Pattern Recognition and Artificial Intelligence, Vol. 15, No. 4, pp. 579-641, 2001

[63] Gupta J., McCabe A., A review of dynamic handwritten signature verification, Technical Report, James Cook University, Australia, 1998

[64] Herbst N. M., Liu C. N., Automatic Signature Verification Based on Accelerometry, IBM J Res Dev, pp. 125-129, 1977

[65] Hopcroft J. H., Ullman J. D., Wprowadzenie do teorii automatów, języków i obliczeń, Wy-dawnictwo Naukowe PWN, Warszawa 1994

[66] Hou W., Ye X., Wang K., A survey of off-line signature verification, Proceedings of Interna-tional Conference on Intelligent Mechatronics and Automation, pp. 536 – 541, 2004

[67] Huang K, Yan H., Off-line signature verification based on geometric feature extraction and neural network classification, Pattern Recognition, Vol. 30, No. 1, pp. 9-17, 1997

[68] Iwanowski M., Segmentacja grafów TOYO-KANJI drukowanego pisma japońskiego, Wyd. Akademickie Dialog, Warszawa, 2004

[69] Jain A. K., Duin R., Mao J., Statistical Pattern Recognition: A Review, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 22, No. 1, 2000

[70] Jakubowski R., Extraction of shape features for syntactic recognition of mechanical parts, IEEE Transactions on Systems, Man and Cybernetics Vol. 15, No. 5, 1985

[71] Jakubowski R., A structural representation of shape and its features, Information Sciences, Vol. 39, Issue 2, 1986

[72] Janssens D., Rozenberg G., On the structure of node-label-controlled graph languages, In-form. Sci. 20, pp. 191-216, 1980

[73] Janssens D., Rozenberg G., Verraedt R., On sequential and parallel node-rewriting graph grammars, Computer Graphics and Image Processing, Vol. 18, Issue 3, pp. 27-304, 1982 [74] Jurek J., On the Linear Computational Complexity of the Parser for Quasi Context Sensitive

Languages, Pattern Recognition Letters, Vol. 21, No. 2, pp. 179-187, 2000

[75] Jurek J., Syntaktyczne rozpoznawanie obrazów za pomocą gramatyk ciągowych klasy GDPLL(k), Wyd. Uniwersytetu Jagiellońskiego, Rozprawa habilitacyjna, 2005

[76] Justino E. J. R., Bortolozzi F., Sabourin R., Off-line signature verification using HMM for random, simple and skilled forgeries, International Conference on Document Analysis and Recognition, ICDAR, Vol. 1, pp. 105-110, 2001

[77] Justino E. J. R., Bortolozzi F., Sabourin R., A comparison of SVM and HMM classifiers in off-line signature verification, Pattern Recognition Letters, Vol. 26, Issue 9, pp. 1377-1385, 2005

LITERATURA 167

[78] Kaewkongka T., Chamnongthai K., Thipakorn B., Off-line signature recognition using

pa-rameterized Hough transform, Proceedings of the 5th International Symposium on Signal

Processing and its Applications, ISSPA, Vol. 1, pp. 451-454, 1999

[79] Kashi R. S., Hu J., Nelson W. L., Turin W., On-line handwritten signature verification using

Hidden Markov Models features, Proceedings of the 4th Intl. Conf. on Document Analysis

and Recognition, ICDAR, Vol. 1, IEEE CS Press, pp. 253-257, 1997

[80] Kholmatov A., Yanikoglu B., Identity authentication using improved online signature verifi-cation method, Pattern Recognition Letters Vol. 26, No. 15, pp. 2400-2408, 2005

[81] Khotanzad A., Rotation invariant image recognition using features selected via a systematic, Pattern Recognition Method, Vol. 23, 1990

[82] Koerich A. L., Lee L. L., Automatic Extraction of Filled-in Information from Bank Cheques Based on Prior Knowledge about Layout Structure, Lecture Notes in Computer Science, Vol. 1339, pp. 322-333, 1997

[83] Koziczak A., Metody pomiarowe w badaniach pismoznawczych, Wydawnictwo Instytutu Ekspertyz Sądowych, Kraków 1997

[84] Kulikowski J. L., Algebraic Methods in Pattern Recognition, CISM Courses and Lectures 85, Springer-Verlag, Wien 1971

[85] Kurzyński M., Rozpoznawanie obiektów. Metody statystyczne, Politechnika Wrocławska, 1997

[86] Lautemann C., Efficient algorithms on context-free graph languages, Lecture Notes in Com-puter Science, Vol. 317, pp. 362-378, Springer, Berlin 1988

[87] Leclerc L., Plamondon R., Automatic signature verification: The state of art, 1989-1993, International Journal on Pattern Recognition and Artificial Intelligence: Special Issue on Signature Verification, Vol. 8, No. 3, pp. 643-660, 1994

[88] Lee E.T., Zadeh L. A., Note on Fuzzy Languages, Information Sciences, Vol. 1, pp. 421-434, 1969

[89] Lee L. L., Berger T., Aviczer E., Reliable on-line human signature verification system, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 18, No. 6, pp. 643-647, 1996

[90] Lu S. Y., Fu K. S., A syntactic approach to texture analysis, Computer Graphics and Image Processing, Vol. 7, Issue 4, pp. 303-330, 1978

[91] Lu S. Y., Fu K. S., Error-correcting tree automata for syntactic pattern recognition, IEEE Transactions on Computers, Vol. C-27, Issue 11, pp. 1040-1053, 1978

[92] Lu S. Y., Fu K. S., Stochastic tree grammar inference for texture synthesis and discrimina-tion, Computer Graphics and Image Processing, Vol. 9, Issue 3, pp. 234-245, 1979

[93] Lv H., Wang W., Wang C., Zhuo Q., Off-line Chinese signature verification based on sup-port vector machines, Pattern recognition Letters, Vol. 26, Issue 15, pp. 2390-2399, 2005 [94] Madadhain J., Fisher D., Smyth P., White S., Boey Y., Analysis and visualization of network

data using JUNG, Journal of Statistical Software, Vol. 10, pp. 1-35, 2005

[95] Matuszewski S., Natural variation in selected constructional features of female signatures (Naturalna zmienność wybranych cech konstrukcyjnych podpisów kobiet), Problems of Fo-rensic Sciences, Vol. 57, pp. 24-37 (38-43), Wydawnictwo IES, Kraków 2004

LITERATURA 168

[96] Mizukami Y., Yoshimura M., Miike H., Yoshimura I., An off-line signature verification system using an extracted displacement function, Pattern Recognition Letters, Vol. 23, pp. 1569-1577, 2002

[97] Munich M. E., Perona P., Visual identification by signature tracking, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 25, No. 2, pp. 200-217, 2003

[98] Muchnik I. B., Simulation of process of forming the language for description and analysis of the forms of images, Pattern recognition, Vol. 4, pp. 101-104, 1972

[99] Myśliński S., Rozpoznawanie obrazów dłoni za pomocą gramatyk klasy ETPL(k) w syste-mach wizyjnych analizy języka migowego, AGH Kraków, Rozprawa doktorska, 2009

[100] Narasimhan R., Reddy V. S. N., A Syntax-aided recognition scheme for handprinted English letters, Pattern Recognition, Vol. 3, No. 4, pp. 345-361, 1971

[101] Ogiela M. R., Tadusiewicz R., Nonlinear Processing and Semantic Content Analysis in Med-ical Imaging – a Cognitive Approach, IEEE Transactions on Instrumentation and Measure-ment, Vol. 54, No. 6, 2005

[102] Ogiela M. R., Tadeusiewicz R., Modern Computational Intelligence Methods for the Interpretation of Medical Images, Berlin Heidelberg, Springer-Verlag, 2008

[103] Oleksik P., Syntaktyczne rozpoznawanie obrazów w systemie wizyjnej inspekcji za pomocą stochastycznych gramatyk grafowych klasy ETPL(k), AGH Kraków, Rozprawa doktorska, 2000

[104] Ortega-Garcia J., Fierrez-Aguilar J., Martin-Rello J., Gonzalez-Rodriguez J., Complete sig-nal modeling and score normalization for function-based dynamic signature verification, Proc. of IAPR Intl. Conf. on Audio- and Video-based Person Authentication, AVBPA, Springer LNCS-2688, pp. 658-667, 2003

[105] Otsu N., A threshold selection method from gray level histograms, IEEE Transactions on Systems, Man and Cybernetics, Vol. 9, pp. 62-66, 1979

[106] Pacut. A., Czajka A., Recognition of human signatures, Proceedings. IJCNN '01. Interna-tional Joint Conference on Neural Networks, Vol. 2, pp. 1560 – 1564, 2001

[107] Pacut A., Czajka A., Putz-Leszczyńska J., Stasiak Ł., Wardziński R., Metody biometrii, Biu-letyn NASK, nr 3, str 35-39, 2006

[108] Pałka D., Piekarczyk M., Operatory krzyżowania w ewolucyjnym generowaniu gramatyk bezkontekstowych, Informatyka Teoretyczna i Stosowana, Issue 6, No. 10, pp. 159-166, 2006 [109] Pathak A., Pal S. K., King R. A., Syntactic recognition of skeletal maturity, Pattern

Recogni-tion Letters, Vol. 2, Issue 3, pp. 193-197, 1984

[110] Pavlidis T., Structural pattern recognition, Springer-Verlag, 1977

[111] Peng K. J., Yamamaoto T., Aoki Y., A new parsing scheme for plex grammars, Pattern Recognition, Vol. 23, No. 3-4, 1990, pp. 393-402

[112] Pfaltz J. L., Rosenfeld A., Web grammars, Proceedings of 1^st International Conference on Artificial Intelligence, Washington DC, pp. 609-619, 1969

[113] Piętka E., Feature extraction in computerized approach to the ECG analysis, Pattern Recog-nition, Vol. 24, No. 2, pp. 139-146, 1991

[114] Pavlidis T., Grafika i przetwarzanie obrazów, WNT, Warszawa 1987

[115] Piekarczyk M., Możliwości wykorzystania cech szkieletu przy biometrycznej analizie charak-terystyki podpisu odręcznego, Informatyka Teoretyczna i Stosowana, Issue 4, No. 7, pp. 131-138, 2004

LITERATURA 169

[116] Piekarczyk M., Pałka D., Algorytm automatycznego etykietowania grafów opisujących struk-turę podpisów odręcznych, Informatyka Teoretyczna i Stosowana, Issue 6, No 10, pp. 51-62, 2006

[117] Piekarczyk M., Hierarchical attributed graph representation and verification of handwritten signatures, Proceedings of the 14th International Congress of Cybernetics nad Systems of WOSC, pp. 604-611, 9-12 September 2008, Wrocław

[118] Piekarczyk M., Hierarchical Random Graph Model for Off-line Handwritten Signatures Recognition, Proceedings of the International Conference on Complex, Intelligent and Soft-ware Intensive Systems (CISIS), pp. 860-865, 15-18 February 2010, Krakow, Poland

[119] Piyush ShankerA., Rajagopalan A. N., Off-line signature verification using DTW, Pattern Recognition Letters, Vol. 28, pp. 1407-1414, 2007

[120] Plamondon R., Lorette G., Automatic signature verification and writer identification – the state of art, Pattern recognition, Vol. 22, No. 2, pp. 107-131, 1989

[121] Plamondon R., editor, Progress in Automatic Signature Verification, World Scientific, 1994 [122] Plamondon R., Srihari S. N., On-line and off-line handwriting recognition: a comprehensive

survey, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 22, No. 1, 2000, pp. 63-84

[123] Pratt T. W., Pair grammars, graph languages and string-to-graph translations, Journal of Computer and Systems Science, Vol. 5, Academic Press, pp. 560-595, 1971

[124] Putz-Leszczyńska J., On-line signature verification using dynamic time warping with posi-tional coordinates, Proceedings of SPIE - Volume 6347, Photonics Applications in Astron-omy, Communications, Industry, and High-Energy Physics Experiments, 634724, 2006 [125] Quek C., Zhou R. W., Antiforgery: a novel pseudo product based fuzzy neural network

driv-en signature verification system, Pattern Recognition Letters, Vol. 23, pp. 1795-1816, 2002 [126] Quing-Yun S., Fu K. S., A method for the design of binary tree classifiers, Pattern

Recogni-tion, Vol. 16, No. 6, pp. 593-603, 1983

[127] Radhika K. R., Venkatesha M. K., Sekhar G. N., Pattern recognition techniques in off-line handwritten signature verification – a survey, Proceedings of World Academy of Science, Engineering and Technology, Vol. 36, pp. 905-911, 2008

[128] Rasband W. S., ImageJ, U. S. National Institutes of Health, Bethesda,

Maryland, USA, http://rsb.info.nih.gov/ij/, 1997-2009

[129] Reiss T. H., Recognizing planar objects using invariant image features, Lecture Notes in

W dokumencie Index of /rozprawy2/10347 (Stron 159-172)