Academic literature on the topic 'FORENSICS HANDWRITTEN DOCUMENT ANALYSIS'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'FORENSICS HANDWRITTEN DOCUMENT ANALYSIS.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "FORENSICS HANDWRITTEN DOCUMENT ANALYSIS"
Krasiuk, Ihor. "SIGNATURES AND SHORT HANDWRITTEN NOTES AS OBJECTS OF EXPERT ANALYSIS." Criminalistics and Forensics, no. 67 (August 9, 2022): 427–38. http://dx.doi.org/10.33994/kndise.2022.67.44.
Full textMohammed, Twana Latif, and Ahmed Abdullah Ahmed. "Offline Writer Recognition for Kurdish Handwritten Text Document Based on Proposed Codebook." UHD Journal of Science and Technology 5, no. 1 (March 31, 2021): 21–27. http://dx.doi.org/10.21928/uhdjst.v5n2y2021.pp21-27.
Full textKhan, Majid A., Nazeeruddin Mohammad, Ghassen Ben Brahim, Abul Bashar, and Ghazanfar Latif. "Writer verification of partially damaged handwritten Arabic documents based on individual character shapes." PeerJ Computer Science 8 (April 20, 2022): e955. http://dx.doi.org/10.7717/peerj-cs.955.
Full textIslam, Ammad Ul, Muhammad Jaleed Khan, Muhammad Asad, Haris Ahmad Khan, and Khurram Khurshid. "iVision HHID: Handwritten hyperspectral images dataset for benchmarking hyperspectral imaging-based document forensic analysis." Data in Brief 41 (April 2022): 107964. http://dx.doi.org/10.1016/j.dib.2022.107964.
Full textPichugin, S. A. "On the issue of new forensic methods for establishing the limitation period for the execution of document details." Courier of Kutafin Moscow State Law University (MSAL)), no. 2 (May 17, 2021): 140–46. http://dx.doi.org/10.17803/2311-5998.2021.78.2.140-146.
Full textHasan, Md Al Mehedi, Jungpil Shin, and Md Maniruzzaman. "Online Kanji Characters Based Writer Identification Using Sequential Forward Floating Selection and Support Vector Machine." Applied Sciences 12, no. 20 (October 12, 2022): 10249. http://dx.doi.org/10.3390/app122010249.
Full textHora, I. V., and I. I. Popovych. "Comprehensive study of objects of judicial and technical examination of documents in solving issues regarding the establishment of their making." Uzhhorod National University Herald. Series: Law, no. 63 (August 9, 2021): 288–92. http://dx.doi.org/10.24144/2307-3322.2021.63.50.
Full textRabaev, Irina, Izadeen Alkoran, Odai Wattad, and Marina Litvak. "Automatic Gender and Age Classification from Offline Handwriting with Bilinear ResNet." Sensors 22, no. 24 (December 9, 2022): 9650. http://dx.doi.org/10.3390/s22249650.
Full textB.M, Adeyemi, Olaoye O.J, Uchehara C.C, Akinola O.M, and Sunmola F.O. "Adoption of Off-Line Signature Verification and Forgery Detection System Using Additive Fuzzy and TS Modelling Technique in Financial Auditing and Forensics Investigation." International Journal of Computer Science and Mobile Computing 10, no. 6 (June 30, 2021): 38–59. http://dx.doi.org/10.47760/ijcsmc.2021.v10i06.004.
Full textGuarnera, Luca, Giovanni Maria Farinella, Antonino Furnari, Angelo Salici, Claudio Ciampini, Vito Matranga, and Sebastiano Battiato. "Forensic analysis of handwritten documents with GRAPHJ." Journal of Electronic Imaging 27, no. 05 (July 27, 2018): 1. http://dx.doi.org/10.1117/1.jei.27.5.051230.
Full textDissertations / Theses on the topic "FORENSICS HANDWRITTEN DOCUMENT ANALYSIS"
Belvisi, Nicole Mariah Sharon. "Document Forensics Through Textual Analysis." Thesis, Högskolan i Halmstad, Akademin för informationsteknologi, 2019. http://urn.kb.se/resolve?urn=urn:nbn:se:hh:diva-40157.
Full textChabot, Yoan. "Construction, enrichment and semantic analysis of timelines : application to digital forensics." Thesis, Dijon, 2015. http://www.theses.fr/2015DIJOS037/document.
Full textHaving a clear view of events that occurred over time is a difficult objective to achieve in digital investigations (DI). Event reconstruction, which allows investigators to build and to understand the timeline of an incident, is one of the most important steps of a DI process. The complete understanding of an incident and its circumstances requires on the one hand to associate each piece of information to its meaning, and on the other hand to identify semantic relationships between these fragments. This complex task requires the exploration of a large and heterogeneous amount of information found on the crime scene. Therefore, investigators encounter cognitive overload problems when processing this data, causing them to make mistakes or omit information that could have a high added value for the progress of the investigation. In addition, any result produced by the reconstruction process must meet several legal requirements to be admissible at trial, including the ability to explain how the results were produced. To help the investigators to deal with these problems, this thesis introduces a semantic-based approach called SADFC. The main objective of this approach is to provide investigators with tools to help them find the meaning of the entities composing the crime scene and understand the relationships linking these entities, while respecting the legal requirements. To achieve this goal, SADFC is composed of two elements. First, SADFC is based on theoretical foundations, ensuring the credibility of the results produced by the tools via a formal and rigorous definition of the processes used. This approach then proposes an architecture centered on an ontology to model and structure the knowledge inherent to an incident and to assist the investigator in the analysis of this knowledge. The relevance and the effectiveness of this architecture are demonstrated through a case study describing a fictitious investigation
Bosch, Campos Vicente. "Advances in Document Layout Analysis." Doctoral thesis, Universitat Politècnica de València, 2020. http://hdl.handle.net/10251/138397.
Full text[ES] La Segmentación de Texto Manuscrito (STM) es una tarea dentro del campo de investigación de Análisis de Estructura de Documentos (AED) que tiene como objetivo detectar y extraer las diferentes regiones de interés de las páginas que se encuentran en documentos manuscritos. La STM es un tema de investigación activo que ha ganado importancia con los años debido a la creciente demanda de proporcionar acceso textual a las miles de colecciones de documentos manuscritos que se conservan en archivos y bibliotecas. Esta tesis entiende la STM como una tarea que debe ser abordada en dos fases especializadas: detección y extracción. Consideramos que la fase de detección es, fundamentalmente, un problema de clasificación cuyo subproducto son las posiciones verticales de cada región de interés. Por su parte, la fase de extracción consiste en calcular las mejores coordenadas de contorno de la región utilizando la información de posición proporcionada por la fase de detección. Nuestro enfoque de detección nos permite atacar tanto regiones de alto nivel (párrafos, diagramas¿) como regiones de nivel bajo (líneas de texto principalmente). En el caso de la detección de líneas de texto, modelamos el problema para asegurar que la posición vertical estimada por el sistema se aproxime a la línea ficticia que conecta la parte inferior de los cuerpos de los grafemas en una línea de texto, comúnmente conocida como línea base. Una de las principales aportaciones de esta tesis es que el enfoque de modelización propuesto nos permite incluir información conocida a priori sobre la disposición de los documentos que se están procesando. Esto se realiza mediante un Modelo de Estructura Vertical (MEV). Desarrollamos un marco de trabajo basado en los Modelos Ocultos de Markov (MOM) para abordar tanto la detección de regiones como su clasificación de forma integrada, así como para estudiar el rendimiento y la facilidad de uso del enfoque propuesto en numerosos corpus. Así mismo, revisamos la simplicidad del modelado de nuestro enfoque para procesar regiones en diferentes niveles de información: líneas de texto, párrafos, títulos, etc. Finalmente, estudiamos el impacto de añadir información y restricciones previas deterministas o probabilistas a través de el MEV propuesto que nuestro enfoque proporciona. Disponer de un método independiente que obtiene con precisión la posición de cada región detectada (líneas base en el caso de las líneas de texto) simplifica enormemente el problema que debe abordarse durante la fase de extracción. En esta tesis proponemos utilizar un mapa de distancias que tiene en cuenta la información de escala de grises de la imagen. Esto nos permite obtener fronteras de extracción que son equidistantes a las regiones de texto adyacentes. Estudiamos como nuestro enfoque aumenta su precisión de manera proporcional a la calidad de la detección y descubrimos que da resultados casi perfectos cuando se le proporcionan líneas de base revisadas por humanos.
[CAT] La Segmentació de Text Manuscrit (STM) és una tasca dins del camp d'investigació d'Anàlisi d'Estructura de Documents (AED) que té com a objectiu detectar I extraure les diferents regions d'interès de les pàgines que es troben en documents manuscrits. La STM és un tema d'investigació actiu que ha guanyat importància amb els anys a causa de la creixent demanda per proporcionar accés textual als milers de col·leccions de documents manuscrits que es conserven en arxius i biblioteques. Aquesta tesi entén la STM com una tasca que ha de ser abordada en dues fases especialitzades: detecció i extracció. Considerem que la fase de detecció és, fonamentalment, un problema de classificació el subproducte de la qual són les posicions verticals de cada regió d'interès. Per la seva part, la fase d'extracció consisteix a calcular les millors coordenades de contorn de la regió utilitzant la informació de posició proporcionada per la fase de detecció. El nostre enfocament de detecció ens permet atacar tant regions d'alt nivell (paràgrafs, diagrames ...) com regions de nivell baix (línies de text principalment). En el cas de la detecció de línies de text, modelem el problema per a assegurar que la posició vertical estimada pel sistema s'aproximi a la línia fictícia que connecta la part inferior dels cossos dels grafemes en una línia de text, comunament coneguda com a línia base. Una de les principals aportacions d'aquesta tesi és que l'enfocament de modelització proposat ens permet incloure informació coneguda a priori sobre la disposició dels documents que s'estan processant. Això es realitza mitjançant un Model d'Estructura Vertical (MEV). Desenvolupem un marc de treball basat en els Models Ocults de Markov (MOM) per a abordar tant la detecció de regions com la seva classificació de forma integrada, així com per a estudiar el rendiment i la facilitat d'ús de l'enfocament proposat en nombrosos corpus. Així mateix, revisem la simplicitat del modelatge del nostre enfocament per a processar regions en diferents nivells d'informació: línies de text, paràgrafs, títols, etc. Finalment, estudiem l'impacte d'afegir informació i restriccions prèvies deterministes o probabilistes a través del MEV que el nostre mètode proporciona. Disposar d'un mètode independent que obté amb precisió la posició de cada regió detectada (línies base en el cas de les línies de text) simplifica enormement el problema que ha d'abordar-se durant la fase d'extracció. En aquesta tesi proposem utilitzar un mapa de distàncies que té en compte la informació d'escala de grisos de la imatge. Això ens permet obtenir fronteres d'extracció que són equidistants de les regions de text adjacents. Estudiem com el nostre enfocament augmenta la seva precisió de manera proporcional a la qualitat de la detecció i descobrim que dona resultats quasi perfectes quan se li proporcionen línies de base revisades per humans.
Bosch Campos, V. (2020). Advances in Document Layout Analysis [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/138397
TESIS
Micenková, Barbora. "Ověření pravosti razítek v dokumentu." Master's thesis, Vysoké učení technické v Brně. Fakulta informačních technologií, 2011. http://www.nusl.cz/ntk/nusl-236943.
Full textBooks on the topic "FORENSICS HANDWRITTEN DOCUMENT ANALYSIS"
Handwritten Historical Document Analysis, Recognition, and Retrieval - State of the Art and Future Trends. World Scientific Publishing Co Pte Ltd, 2019.
Find full textBook chapters on the topic "FORENSICS HANDWRITTEN DOCUMENT ANALYSIS"
Nicolaides, Kathleen Annunziata, and Khody R. Detwiler. "Forensic Analysis of Handwritten Electronic Signatures." In Forensic Document Examination in the 21st Century, 157–72. First edition. | Boca Raton : CRC Press, 2021.: CRC Press, 2020. http://dx.doi.org/10.4324/9780367853587-17.
Full textPratama, Satrya Fajri, Azah Kamilah Muda, Yun-Huoy Choo, and Noor Azilah Muda. "A New Swarm-Based Framework for Handwritten Authorship Identification in Forensic Document Analysis." In Studies in Computational Intelligence, 385–411. Cham: Springer International Publishing, 2014. http://dx.doi.org/10.1007/978-3-319-05885-6_16.
Full textEskenazi, Sébastien, Petra Gomez-Krämer, and Jean-Marc Ogier. "When Document Security Brings New Challenges to Document Analysis." In Computational Forensics, 104–16. Cham: Springer International Publishing, 2015. http://dx.doi.org/10.1007/978-3-319-20125-2_10.
Full textTüselmann, Oliver, and Gernot A. Fink. "Named Entity Linking on Handwritten Document Images." In Document Analysis Systems, 199–213. Cham: Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-031-06555-2_14.
Full textVillanova-Aparisi, David, Carlos-D. Martínez-Hinarejos, Verónica Romero, and Moisés Pastor-Gadea. "Evaluation of Named Entity Recognition in Handwritten Documents." In Document Analysis Systems, 568–82. Cham: Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-031-06555-2_38.
Full textAndrés, José, Alejandro H. Toselli, and Enrique Vidal. "Approximate Search for Keywords in Handwritten Text Images." In Document Analysis Systems, 367–81. Cham: Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-031-06555-2_25.
Full textAndrés, José, Jose Ramón Prieto, Emilio Granell, Verónica Romero, Joan Andreu Sánchez, and Enrique Vidal. "Information Extraction from Handwritten Tables in Historical Documents." In Document Analysis Systems, 184–98. Cham: Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-031-06555-2_13.
Full textRetsinas, George, Giorgos Sfikas, Basilis Gatos, and Christophoros Nikou. "Best Practices for a Handwritten Text Recognition System." In Document Analysis Systems, 247–59. Cham: Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-031-06555-2_17.
Full textLegault, Raymond, Ching Y. Suen, and Christine Nadal. "Difficult Cases in Handwritten Numeral Recognition." In Structured Document Image Analysis, 235–49. Berlin, Heidelberg: Springer Berlin Heidelberg, 1992. http://dx.doi.org/10.1007/978-3-642-77281-8_11.
Full textSrihari, Sargur, Anantharaman Ganesh, Catalin Tomai, Yong-Chul Shin, and Chen Huang. "Information Retrieval System for Handwritten Documents." In Document Analysis Systems VI, 298–309. Berlin, Heidelberg: Springer Berlin Heidelberg, 2004. http://dx.doi.org/10.1007/978-3-540-28640-0_28.
Full textConference papers on the topic "FORENSICS HANDWRITTEN DOCUMENT ANALYSIS"
Pervouchine, Vladimir, Graham Leedham, and Konstantin Melikhov. "Handwritten character skeletonisation for forensic document analysis." In the 2005 ACM symposium. New York, New York, USA: ACM Press, 2005. http://dx.doi.org/10.1145/1066677.1066850.
Full textChammas, Edgard, Chafic Mokbel, and Laurence Likforman-Sulem. "Arabic handwritten document preprocessing and recognition." In 2015 13th International Conference on Document Analysis and Recognition (ICDAR). IEEE, 2015. http://dx.doi.org/10.1109/icdar.2015.7333802.
Full textMajumdar, Anshuman, Praveen Krishnan, and C. V. Jawahar. "Visual Aesthetic Analysis for Handwritten Document Images." In 2016 15th International Conference on Frontiers in Handwriting Recognition (ICFHR). IEEE, 2016. http://dx.doi.org/10.1109/icfhr.2016.0085.
Full textZhang, Honggang, Jun Guo, Guang Chen, and Chunguang Li. "HCL2000 - A Large-scale Handwritten Chinese Character Database for Handwritten Character Recognition." In 2009 10th International Conference on Document Analysis and Recognition. IEEE, 2009. http://dx.doi.org/10.1109/icdar.2009.15.
Full textNguyen, Kim-Ngan, and Thanh-Ha Do. "Extracting Handwritten Regions In Japanese Document Images." In 2020 International Conference on Multimedia Analysis and Pattern Recognition (MAPR). IEEE, 2020. http://dx.doi.org/10.1109/mapr49794.2020.9237784.
Full textIndermühle, Emanuel, Marcus Liwicki, and Horst Bunke. "Combining Alignment Results for Historical Handwritten Document Analysis." In 2009 10th International Conference on Document Analysis and Recognition. IEEE, 2009. http://dx.doi.org/10.1109/icdar.2009.19.
Full textAwal, Ahmad-Montaser, Harold Mouchère, and Christian Viard-Gaudin. "Towards Handwritten Mathematical Expression Recognition." In 2009 10th International Conference on Document Analysis and Recognition. IEEE, 2009. http://dx.doi.org/10.1109/icdar.2009.71.
Full textMartin-Albo, Daniel, Veronica Romero, and Enrique Vidal. "Interactive Off-Line Handwritten Text Transcription Using On-Line Handwritten Text as Feedback." In 2013 12th International Conference on Document Analysis and Recognition (ICDAR). IEEE, 2013. http://dx.doi.org/10.1109/icdar.2013.259.
Full textRomero-Gomez, Veronica, Alejandro H. Toselli, Vicente Bosch, Joan Andreu Sanchez, and Enrique Vidal. "Automatic Alignment of Handwritten Images and Transcripts for Training Handwritten Text Recognition Systems." In 2018 13th IAPR International Workshop on Document Analysis Systems (DAS). IEEE, 2018. http://dx.doi.org/10.1109/das.2018.41.
Full textAdak, Chandranath, Bidyut B. Chaudhuri, and Michael Blumenstein. "Named Entity Recognition from Unstructured Handwritten Document Images." In 2016 12th IAPR Workshop on Document Analysis Systems (DAS). IEEE, 2016. http://dx.doi.org/10.1109/das.2016.15.
Full text