تشخیص برون‌خط جعل دست خط فارسی غیر وابسته به متن با استفاده از تحلیل بافت

امروزه دست خط به عنوان یک زیست‌سنج رفتاری شناخته شده و مورد قبول است. همراه با گسترش این مقبولیت سوء استفاده ازآن نیز گسترش یافته است. در این مقاله روشی برای تشخیص برون‌خط جعل دست‌خط فارسی در حالت غیر وابسته به متن ارائه شده است. این روش مبتنی بر استخراج دو بافت متراکم از حروف پایه و جزییات نوشته می‌‌باشد. پس از دودویی کردن و استخراج اسکلت نوشته و اعمال متوالی فیلتر گابور و تدریج فاز محلی بردار ویژگی نمونه‌ها استخراج و در نهایت با استفاده از دسته‌بندی یک کلاسه و تنها با وجود نمونه‌های مثبت داده‌ها دسته‌بندی شده وجعلی بودن یا نبودن آنها بررسی می‌شود. استفاده از ترکیب این دو توصیف‌گر برای دادگان فارسی  برای اولین بار در این مقاله به کار گرفته شده است. از آنجا که هیچ مجموعه داده مناسبی در زبان فارسی برای این منظور وجود نداشت، یک مجموعه داده از 62 نویسنده با دو نمونه نوشته جمع آوری شد. در نمونه اول از نویسندگان درخواست شد که متنی را بازنویسی کنند و در نمونه دوم از آنها خواسته شد درباره یک تصویر مطلبی بنویسند. برای تولید نمونه های جعلی از هنرجویان ممتاز خط خواسته شد که نمونه دوم را تقلید کنند تا برای هر نویسنده سه مورد نمونه جعل تولید شود. نتایج آزمایش‌ها رضایت‌بخش بوده و با دقت بیش از 84 درصد کیفیت روش پیشنهادی را نشان می‌دهد.

Offline textindependent Persian handwriting forgery detection using texture analysis

Nowadays handwriting is known and accepted as a behavioral biometric. Handwritingbased             authentication has become a hot topic of research as a result of increasing handwriting forgery. In this   research an offline textindependent method for detection of forgeries in Persian handwritten documents is presented. The proposed approach is based on extracting two dense textures of basic alphabet and some text details. A one class classification (OCC) with only positive (original) samples is used in classification together with Binarization and Skeletonization in the preprocessing phase. Also, a combination of Gabor filter and LPQ descriptor is used to complete the feature vector. Both descriptors have been used for writer identification and verification in English and Persian but this is the first time that the combination of these two is used on a Persian handwriting. We also introduce a new dataset from 62 individuals with 2 pages per each. In the first instance the writers were instructed to copy a preset text and in the second one they were asked to write at least 6 lines about a picture. These instances were to be used as training and testing samples respectively. In order to generate counterfeit samples, we asked 5 qualified calligraphers to       duplicate the second sample of each writer. Three forgeries per writer were generated in this way. Tests results are satisfactory and present more than 84% accuracy, demonstrating the quality of the proposed method.