基于改进神经网络的图像生物特征识别方法.pdf

第31卷第2期 科技通报科技通报 Vol.31 No.2 2015年2月 BULLETINOFSCIENCEANDTECHNOLOGY Feb. 2015 基于改进神经网络的图像生物特征识别方法 曾爱林 （顺德职业技术学院 电子与信息工程系，广东佛山528333） 摘 要：在图像的固定生物特征识别过程中，传统的识别方法针对像素质量不高的问题，很难建立完整 的寻优计算过程，识别效果不好。提出基于改进神经网络算法的图像特征识别方法。通过量子计算对 神经网络进行优化，优化神经网络在特征识别中的阀值确定过程，完成图像识别。实验结果表明，利用 改进的算法进行图像特征识别，能够极大的提高生物特征识别的准确性，扩展了应用的范围。 关键词：视觉图像；改进神经网络算法；特征识别 中图分类号：TP311 文献标识码：A 文章编号：1001-7119（2015）02-0224-03 ImageBiometricIdentificationMethodBasedonImprovedNeuralNetwork ZengAilin (ShundePolytechnic,FoshanGuangdong528333,China) Abstract:Intheprocessofimagefixedbiometricrecognition,thetraditionalidentificationmethodsaimingattheproblem ofpixelqualityisnothigh,itisdifficulttoestablishacompleteoptimizationcalculationprocess,recognitioneffectisbad. Basedonimprovedneuralnetworkalgorithmofimagefeaturerecognitionmethod.Optimizetheneuralnetwork,throughthe calculationofquantumoptimizationneuralnetworkintheprocessofthedeterminationofthethresholdfeaturerecognition, imagerecognition.Experimentalresultsshowthattheimprovedalgorithmisusedtoidentifytheimagecharacteristics,can greatlyimprovetheaccuracyofbiometrics,extendthescopeofapplication. Keywords:visualimages;Improvedneuralnetworkalgorithm;Featurerecognition [3~5] 0 引言 域的一项急需发展的课题 。 今天，科技的发展日新月异，计算机的处理速度 1对遗传算法的改进过程 随着摩尔定律变的越来越快，实时的身份验证已经成 为一种迫切的需求，而依靠生物本身的固有特征进行 量子BP神经网络模型是在传统的人工BP神经 识别作为一种稳定有效的途径近几年来备受人们的 网络的基础上结合量子计算而形成的一种神经网络 [1] 模型。该神经网络模型可以归为基于量子门的量子 关注 。生物特征是一种与生俱来的特征，具有稳定 性、差异性和直接性等一些重要特点，另外基于生物