6 Opis implementacji systemu do grafowej analizy podpisów od- od-ręcznych
7.2 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 8th 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 8th 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, 18th 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 9th
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 1st 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