基于卷积神经网络的掌纹识别方法研究

发布时间:2021-02-15 09:09
  掌纹识别技术作为新兴生物特征识别技术的代表之一,具有其独特的优势:掌纹含有更多的可辨识信息、掌纹的主要特征显著且稳定、采集方法简单且易于被大众接受、掌纹难以伪造等等,因此,掌纹识别技术逐渐成为生物特征识别领域的研究热点,具有重要的理论研究价值与实际意义。本文提出了一种用于掌纹识别的轻量级卷积神经网络模型,经过有效的图像预处理之后,利用该模型进行掌纹图像特征的提取并且使用Softmax函数进行分类,相较于当前较成熟的卷积神经网络模型AlexNet、SqueezeNet模型算法,本文提出的算法拥有相同水平的识别精度与更小的模型和计算量,更适合在嵌入式小型硬件设备上运行。本文主要的研究工作如下:掌纹图像感兴趣区域的提取质量对整个识别系统的性能表现有着决定性的影响。本文提出一种有效的感兴趣区域分割算法对掌纹图像进行分割,提取出掌纹纹理信息最丰富的部分来进行后续的实验。由于训练搭建卷积神经网络通常需要大规模的训练样本集,而在目前具有权威性的公开掌纹库中,样本图数量作为训练样本明显不足;另一方面考虑到旋转、模糊以及噪声对掌纹识别结果的影响,本文提出一种基于旋转插值、模糊处理和添加噪声的方法来实现掌... 

【文章来源】:福建师范大学福建省

【文章页数】:63 页

【学位级别】:硕士

【部分图文】:

基于卷积神经网络的掌纹识别方法研究


常见生物识别种类

函数图像,函数图像,函数


福建师范大学陈钊硕士学位论文16图1-3tanh函数图像Logistic函数的定义如下,它将输入变量变换到区间[0,1]。其函数图像如1-4所示。1()1xfxe(1-3)图1-4Logistic函数图象Tanh函数相对于logistic函数的优势在于:首先,tanh函数关于原点奇对称,这种数学特性有助于网络更快地收敛;其次,tanh函数的梯度拥有较为出色的渐变性,更加有益于网络的训练。但是传统tanh函数的缺点在于两侧都有很大的饱和区间,如此一来很难逼近它的边界值。所以后来的研究人员提出伸缩tanh函数,其实质是在tanh函数中加入倾斜参数与幅度参数,伸缩tanh函数的定义如1-4所示:22(1)()tanh()1xxefxxe(1-4)伸缩tanh函数在卷积神经网络LeNet的卷积层中得到了应用,通过多次实验后发现当:1.7159,0.6667时LeNet网络的性能达到最佳。而非Sigmoid型的激活函数中,最具有代表性也是近年来使用频率很高的一种则是ReLU(RectifiedLinearUnit)。研究人员的实验工作显示应用ReLU函数作为激

函数图象,函数图象,函数


福建师范大学陈钊硕士学位论文16图1-3tanh函数图像Logistic函数的定义如下,它将输入变量变换到区间[0,1]。其函数图像如1-4所示。1()1xfxe(1-3)图1-4Logistic函数图象Tanh函数相对于logistic函数的优势在于:首先,tanh函数关于原点奇对称,这种数学特性有助于网络更快地收敛;其次,tanh函数的梯度拥有较为出色的渐变性,更加有益于网络的训练。但是传统tanh函数的缺点在于两侧都有很大的饱和区间,如此一来很难逼近它的边界值。所以后来的研究人员提出伸缩tanh函数,其实质是在tanh函数中加入倾斜参数与幅度参数,伸缩tanh函数的定义如1-4所示:22(1)()tanh()1xxefxxe(1-4)伸缩tanh函数在卷积神经网络LeNet的卷积层中得到了应用,通过多次实验后发现当:1.7159,0.6667时LeNet网络的性能达到最佳。而非Sigmoid型的激活函数中,最具有代表性也是近年来使用频率很高的一种则是ReLU(RectifiedLinearUnit)。研究人员的实验工作显示应用ReLU函数作为激

【参考文献】:
期刊论文
[1]卷积神经网络及其研究进展[J]. 翟俊海,张素芳,郝璞.  河北大学学报(自然科学版). 2017(06)
[2]基于改进的分块2DPCA和神经网络的掌纹识别[J]. 王宝珠,孙苗,李晓娇.  计算机应用与软件. 2013(06)
[3]生物特征识别技术发展综述[J]. 赵秀萍.  刑事技术. 2011(06)
[4]一种改进的基于PCA和FLD的掌纹识别[J]. 陶俊伟,姜威,田冲.  计算机应用与软件. 2008(01)
[5]基于乳突纹方向特性的掌纹自动分类方法[J]. 张泽,束为,荣钢.  清华大学学报(自然科学版). 2002(09)
[6]基于傅立叶变换的掌纹识别方法(英文)[J]. 李文新,张大鹏,许卓群.  软件学报. 2002(05)

硕士论文
[1]移动端复杂背景下掌纹特征提取的算法研究[D]. 晏洋.北京交通大学 2018



本文编号:3034582

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3034582.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户11114***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com