基于量子神经网络的指纹识别技术分析-analysis of fingerprint identification technology based on quantum neural network.docxVIP

第一章绪论1.1指纹识别技术研究的背景和意义随着我们逐渐迈入数字时代，基于生物特征识别的身份鉴别技术越来越显示出它的价值。生物特征识别是利用计算机，通过测定人体固有的生理特征或行为特征，并与预先存储在数据库中的数据进行比较，以达到个人身份鉴别目的的自动化技术。在众多身份鉴别方法中，人体生物特征具有不会遗忘、不会冒充和不会丢失等优点，因此，基于生物特征识别的身份鉴别技术显示出了它的价值。能够用于身份鉴别技术的生物特征主要包括指纹、人脸、虹膜、语音、掌纹、步态等生理特征或者行为特征。基于生物特征的身份识别技术由于利用了人的生物特征的独特性和不变性，所以比传统的身份识别技术更准确可靠。同时生物特征始终与拥有人密切相关，因此使用起来更加安全方便。信息化的一大特征就是个人身份的数字化和隐性化。如何准确鉴定一个人的身份，保护信息安全是当今时代必须解决的一个关键性问题。我国的鉴定身份方式大都依赖证件、磁卡、IC卡和密码，这些手段无法完全避免伪造或遗失，同时密码也很容易被窃取或遗忘，进而给管理者和使用者带来很大不便；而基于生物特征的身份鉴别技术可以避免这些麻烦，这一技术已成为现代身份鉴别领域的研究热点。随着全球对身份认证的需求越来越多，应用生物特征识别技术做身份认证将被逐步推广。生物特征识别技术无论是在现在还是未来，在提供安全解决方案方面将占据着越来越重要的地位。生物识别技术是根据每个人自身具有的生物特征来进行身份验证和识别的一种方法。为了确保其准确性与可靠性，要求这些生物特征具有“人各有异”、“终身不变”和“随身携带”三个特点。迄今为止，发现同时兼具这三个特点的人体生物特征有三个：一是指纹；二是虹膜；三是人体细胞的遗传基因。但是，由于指纹在所有的生物特征中，具有相对稳定、不随年龄而变化和采集较为便捷的特性，同时它的研究历史最长、相对更为成熟，所以与同类产品相比，指纹识别的性价比最高，也更适合应用到大众生活中。因此，指纹识别以其革命性的便捷和安全性成为一个理想而卓越的解决方案。进入21世纪后，由于国际反恐、互联网应用等因素的推动，在全球范围内，指纹识别技术得到了更加广泛的应用，指纹识别市场进入高速发展阶段。1.2指纹识别技术的研究现状随着计算机技术的飞速发展和信息技术的广泛应用，利用计算机进行身份识别技术有了长足的发展。指纹的不变性和唯一性使指纹识别技术成为目前应用最广泛的身份验证与识别技术之一。它涉及模式识别、图像处理、数字信号处理、人工智能、计算机等领域，是一门综合性技术，广泛应用于犯罪识别、网络安全、信息设备安全等众多领域，有着重要的理论意义和实用价值。最初的指纹识别采用手工方法，即将指纹卡片存放在指纹库中，需要时在指纹库中人工查找由指纹专家比对指纹卡。20世纪60年代后，人们利用计算机代替了效率低、投入高的手工方式来处理指纹，个人电脑和光学扫描仪成为指纹取像工具。90年代后期，低价位取像设备的出现，为个人身份识别技术的高速发展提供了舞台。目前指纹识别技术水平仍处于实验室研究阶段，其原因是在指纹自动识别过程中受到指纹图像的噪声和皮肤弹性等因素影响[1]，而且需要进行大量的指纹匹配处理，所以识别率不高且运算速度很慢。量子神经网络（QNN—QuantumNeuralNetwork）的概念出现于上个世纪90年代，它将量子力学的思想引入神经网络研究中，克服了传统神经网络模型的缺陷和不足[3][4]（如学习速度慢，灾变性失忆及识别精度低等）。QNN一经提出便引起了广泛关注，研究人员提出了很多的想法和初步的模型，这充分体现了QNN研究的巨大潜力。1997年N.B.Karayiannis等人[5-7]借用了量子理论中量子态叠加的思想，提出了基于多层激励函数的QNN模型，在三层的神经网络结构中，隐层量子神经元的激励函数采用多个传统激励函数的叠加，使网络有了一种固有的模糊性。理论和实验均证明多层激励函数的QNN模型对具有不确定性、两类模式之间存在交叉数据的模式识别问题有较好的分类效果。目前已成功地应用于图像处理、气象预测及语音识别等领域[8][9]。本课题将针对指纹的特点采用基于多层激励函数的QNN对其识别问题进行研究。1.3论文的主要研究内容本文对指纹预处理的方法以及QNN进行了简单的介绍，并通过研究和实验证明提出了一种新型的QNN模型。首先通过提取指纹的全局特征，用传统的基于灰度图像的指纹识别方法对指纹进行了分类，然后将提取的指纹细节点特征作为新型QNN模型的输入，对指纹进行了分类识别。实验结果表明，基于QNN的指纹识别方法具有较好的识别性能。本论文主要分为五个章节，分别说明如下：第一章为绪论。包含指纹识别技术研究的背景和意义，指纹识别技术的研究现状及本论文主要的研究内容。第二章为指纹预处理等内容。包含指纹图像归一化，图像分割，二值化，图像增强，细化