基于LVQ与神经网络的指纹分类对比研究
发布时间：2021-11-16 05:12
如今,计算机技术飞速发展和广泛应用,生物特征识别技术成了目前最方便最安全的身份识别技术。而指纹的稳定性和唯一性使得指纹识别技术在生物特征识别技术市场中占据将近半壁江山。广泛应用于民用生活、商业产品、犯罪刑侦、遗传工程等各个领域。目前指纹识别技术还存在着很多问题,比如指纹图像预处理后的指纹图像质量差,指纹匹配的识别率不高,运算速度慢等问题。本文通过研究基于BP神经网络模型和LVQ神经网络模型的指纹识别技术,对比分析两者识别的准确率。主要对如下几个方面进行深入研究。在指纹图像预处理中,先对指纹图像进行分割,在指纹图像增强中,首先归一化,然后计算方向图,计算频率,计算区域掩码,最后进行滤波。在处理二值化图像中,使用腐蚀膨胀操作对二值化图像进行修复,去掉图像中存在的一些空洞点和噪点。在指纹图像预处理完成后,采用奇异点的位置分布信息来进行指纹分类,然后从细化二值图像中进行特征提取。最后利用两种神经网络模型进行指纹识别的实验。实验结果表明:本文使用LVQ神经网络模型对指纹分类识别效果的识别率均高于BP神经网络模型。
【文章来源】：西安石油大学陕西省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
ROC（ReceiverOperatingCurve）曲线
西安石油大学硕士学位论文8图2-1ROC（ReceiverOperatingCurve）曲线（4）鲁棒性鲁棒性也就是系统的健壮性和强壮性。它也是在异常和危险情况下系统生存的能力。指系统在一定（结构，大小）的参数摄动下，维持其某些性能的特性。根据对性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。（5）指纹模式识别自动指纹识别系统就是通过模拟人大脑的运作方式，将不同指纹进行鉴别的过程。利用模式识别解决问题的方法思想和流程，来实现指纹识别。指纹模式识别主要分为数据采集、数据处理、分类决策三部分，流程如图2-2所示。图2-2指纹模式识别流程图2.2指纹识别技术的优点指纹识别技术相对于其它生物特征识别技术，有其独特的优势，主要表现为：（1）指纹具有唯一性和稳定性，即指纹不会随着时间的改变或者身体健康与否而发生改变。比如声纹识别和人脸识别就受到这些因素的影响。（2）用户接受程度高，需要采集的指纹易于获龋而且目前已有标准的指纹样本库，指纹识别系统对开发和运行环境要求适中，可以普遍实用。（3）每个人的指纹来源于十根指头，每根指头表层的指纹各不相同，因此我们可以通过若干个指头的指纹进行识别，来增加身份识别的安全性和可靠性。（4）在指纹存储中，存储的是通过指纹图像采集而来的特征，而不是指纹图，大大
进行调整，以此来正确的表示正在处理的数据。人工神经网络模仿生物大脑的结构，神经元在经过突触进行电化学冲动的交换，使得我们大脑的神经系统对外界的刺激在脑海中经过信息处理而形成一系列想法。例如人们听到一句儿歌，听觉神经元被激活，以我们的记忆为前提，使我们找到“这是一句儿歌”。哪怕我们已经没有在听这句儿歌，但是短时间内我们对这句儿歌的声音依旧是非常清晰。原因就是听觉神经元与突触不断地进行着与之前记忆的连接，使我们可以持续的感受到。人工神经网络的神经元的原型就是生物神经系统中的神经细胞。如图3-1所示，大量简单的基本相同的神经元相互连接，形成神经元数学模型，单个的神经元结构和作用都很单一简单，但是大量的神经元连接在一起后，其整体运行是非常复杂和多变的，因此可以表示外界各种真实物体刺激带来的反映。神经元数学模型是人工神经网络模型的原型，人工神经网络通过结合生物神经网络和数学统计运算模型，运用数学统计工具来执行相较于人的简单的运算和处理判断能力，使其智能化[23]。人工神经网络可以看做是类似大脑运转和自适应性的信息处理，究其根本，就是一种具有并行性，分布式的在各个方面和层面对生物神经系统进行仿照的信息处理功能。图3-1生物神经元结构
【参考文献】：
期刊论文
[1]指纹识别系统简述与发展方向[J]. 毋俊. 电子技术与软件工程. 2018(03)
[2]BP神经网络隐层单元数确定方法[J]. 焦斌,叶明星. 上海电机学院学报. 2013(03)
[3]人工神经网络的发展及应用[J]. 毛健,赵红东,姚婧婧. 电子设计工程. 2011(24)
[4]基于LVQ神经网络的手写字母识别[J]. 段明秀,何迎生. 吉首大学学报(自然科学版). 2010(02)
[5]基于生物识别IC技术的应用展望[J]. 李锦,薛江炜,马克生. 中国防伪报道. 2009(04)
[6]一种有效的基于八邻域查表的指纹图像细化算法[J]. 杨威,郭科,魏义坤. 四川理工学院学报(自然科学版). 2008(02)
[7]电子商务环境下生物识别技术综述[J]. 邢书宝,薛惠锋,吴慧欣. 商场现代化. 2008(09)
[8]人工神经网络研究概述[J]. 金星姬,贾炜玮. 林业科技情报. 2008(01)
[9]几种生物识别方法的比较研究[J]. 陈洪京. 河北省科学院学报. 2007(04)
[10]几种人体生物特征的生物识别技术比较[J]. 吴作好,曾洁,邹娟,杨晓东,张尧. 现代电子技术. 2007(14)
博士论文
[1]指纹识别技术相关算法的研究[D]. 张圆圆.北京邮电大学 2012
硕士论文
[1]基于SAE-BP神经网络的水体“三氮”在线预测模型研究[D]. 付泰然.华中农业大学 2018
[2]基于安卓系统的特殊人群签到管理平台[D]. 张明.战略支援部队信息工程大学 2018
[3]指纹图像增强算法的研究[D]. 尹丽.燕山大学 2014
[4]基于Gabor滤波和二维最大熵的低质量指纹预处理技术[D]. 张升斌.国防科学技术大学 2013
[5]基于神经网络的火电厂飞灰含碳量测量[D]. 朱竞东.华北电力大学 2012
[6]指纹图像质量评估方法与应用研究[D]. 赵联征.山东大学 2012
[7]指纹图像分割方法研究[D]. 徐华丽.中北大学 2011
[8]低质量指纹图像增强与特征提取技术[D]. 周海徽.国防科学技术大学 2011
[9]基于多值逻辑的神经网络模型设计与应用[D]. 韩洪宁.北京邮电大学 2011
[10]指纹图像预处理算法的研究与实现[D]. 李青.中北大学 2010
本文编号：3498213
【文章来源】：西安石油大学陕西省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
ROC（ReceiverOperatingCurve）曲线
西安石油大学硕士学位论文8图2-1ROC（ReceiverOperatingCurve）曲线（4）鲁棒性鲁棒性也就是系统的健壮性和强壮性。它也是在异常和危险情况下系统生存的能力。指系统在一定（结构，大小）的参数摄动下，维持其某些性能的特性。根据对性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。（5）指纹模式识别自动指纹识别系统就是通过模拟人大脑的运作方式，将不同指纹进行鉴别的过程。利用模式识别解决问题的方法思想和流程，来实现指纹识别。指纹模式识别主要分为数据采集、数据处理、分类决策三部分，流程如图2-2所示。图2-2指纹模式识别流程图2.2指纹识别技术的优点指纹识别技术相对于其它生物特征识别技术，有其独特的优势，主要表现为：（1）指纹具有唯一性和稳定性，即指纹不会随着时间的改变或者身体健康与否而发生改变。比如声纹识别和人脸识别就受到这些因素的影响。（2）用户接受程度高，需要采集的指纹易于获龋而且目前已有标准的指纹样本库，指纹识别系统对开发和运行环境要求适中，可以普遍实用。（3）每个人的指纹来源于十根指头，每根指头表层的指纹各不相同，因此我们可以通过若干个指头的指纹进行识别，来增加身份识别的安全性和可靠性。（4）在指纹存储中，存储的是通过指纹图像采集而来的特征，而不是指纹图，大大
进行调整，以此来正确的表示正在处理的数据。人工神经网络模仿生物大脑的结构，神经元在经过突触进行电化学冲动的交换，使得我们大脑的神经系统对外界的刺激在脑海中经过信息处理而形成一系列想法。例如人们听到一句儿歌，听觉神经元被激活，以我们的记忆为前提，使我们找到“这是一句儿歌”。哪怕我们已经没有在听这句儿歌，但是短时间内我们对这句儿歌的声音依旧是非常清晰。原因就是听觉神经元与突触不断地进行着与之前记忆的连接，使我们可以持续的感受到。人工神经网络的神经元的原型就是生物神经系统中的神经细胞。如图3-1所示，大量简单的基本相同的神经元相互连接，形成神经元数学模型，单个的神经元结构和作用都很单一简单，但是大量的神经元连接在一起后，其整体运行是非常复杂和多变的，因此可以表示外界各种真实物体刺激带来的反映。神经元数学模型是人工神经网络模型的原型，人工神经网络通过结合生物神经网络和数学统计运算模型，运用数学统计工具来执行相较于人的简单的运算和处理判断能力，使其智能化[23]。人工神经网络可以看做是类似大脑运转和自适应性的信息处理，究其根本，就是一种具有并行性，分布式的在各个方面和层面对生物神经系统进行仿照的信息处理功能。图3-1生物神经元结构
【参考文献】：
期刊论文
[1]指纹识别系统简述与发展方向[J]. 毋俊. 电子技术与软件工程. 2018(03)
[2]BP神经网络隐层单元数确定方法[J]. 焦斌,叶明星. 上海电机学院学报. 2013(03)
[3]人工神经网络的发展及应用[J]. 毛健,赵红东,姚婧婧. 电子设计工程. 2011(24)
[4]基于LVQ神经网络的手写字母识别[J]. 段明秀,何迎生. 吉首大学学报(自然科学版). 2010(02)
[5]基于生物识别IC技术的应用展望[J]. 李锦,薛江炜,马克生. 中国防伪报道. 2009(04)
[6]一种有效的基于八邻域查表的指纹图像细化算法[J]. 杨威,郭科,魏义坤. 四川理工学院学报(自然科学版). 2008(02)
[7]电子商务环境下生物识别技术综述[J]. 邢书宝,薛惠锋,吴慧欣. 商场现代化. 2008(09)
[8]人工神经网络研究概述[J]. 金星姬,贾炜玮. 林业科技情报. 2008(01)
[9]几种生物识别方法的比较研究[J]. 陈洪京. 河北省科学院学报. 2007(04)
[10]几种人体生物特征的生物识别技术比较[J]. 吴作好,曾洁,邹娟,杨晓东,张尧. 现代电子技术. 2007(14)
博士论文
[1]指纹识别技术相关算法的研究[D]. 张圆圆.北京邮电大学 2012
硕士论文
[1]基于SAE-BP神经网络的水体“三氮”在线预测模型研究[D]. 付泰然.华中农业大学 2018
[2]基于安卓系统的特殊人群签到管理平台[D]. 张明.战略支援部队信息工程大学 2018
[3]指纹图像增强算法的研究[D]. 尹丽.燕山大学 2014
[4]基于Gabor滤波和二维最大熵的低质量指纹预处理技术[D]. 张升斌.国防科学技术大学 2013
[5]基于神经网络的火电厂飞灰含碳量测量[D]. 朱竞东.华北电力大学 2012
[6]指纹图像质量评估方法与应用研究[D]. 赵联征.山东大学 2012
[7]指纹图像分割方法研究[D]. 徐华丽.中北大学 2011
[8]低质量指纹图像增强与特征提取技术[D]. 周海徽.国防科学技术大学 2011
[9]基于多值逻辑的神经网络模型设计与应用[D]. 韩洪宁.北京邮电大学 2011
[10]指纹图像预处理算法的研究与实现[D]. 李青.中北大学 2010
本文编号：3498213
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3498213.html
