小波与人工神经网络在指纹识别中应用.docVIP

小波与人工神经网络在指纹识别中应用 　　摘要：小波技术在指纹图像预处理方面具有独特的优势，可以很好的应用到指纹识别系统的设计当中，而人工神经网络在指纹识别中的应用也是越来越广泛。 　　关键词：神经网络;小波;指纹图像 　　 　　1概述 　　 　　手指指纹是人类最重要的生物特征之一，它除了具有惟一性、稳定性和再生性等优点外，同时指纹采集相对人脸、虹膜等来说要容易一些，在比对时非常方便、迅捷，在现代身份识别中具有明显的优势。因此，指纹识别已被广泛应用于社会生产、生活的各个领域，且范围有越来越扩大的趋势。但由于采集获得的指纹图像通常伴随着各种各样的噪声，例如采集仪上的污渍，手指过干、太湿、伤疤脱皮等等都会给指纹识别和确认带来很大的困难，所以现在针对指纹识别方面的研究还是相当广泛的。全国已有不少厂家在生产指纹识别类的产品，如深圳硕利得科技、杭州中正公司、深圳泰迪、成都吉联电子、青岛文达通科技、欧邦科技、武汉施奈特网络技术有限公司、北京北大高科指纹技术有限公司等。目前自动指纹识别技术主要研究内容有以下几方面：（1）预处理；（2）特征提取与图像分类；（3）图像匹配；（4）图像压缩存储；（5）硬件系统实现。 　　 　　2小波技术在图像处理中的优点 　　 　　2.1小波变换的多分辨率能力和频带指数划分特点符合人类思维方式。小波分解的多分辨率描述结构，没有扩展图像的数据量，且层次清楚并可逐层进行处理。小波的塔式数据分解对小波域各个子图像的量化误差进行合理分配，获得主观质量更好的重建图像或更高的压缩比。 　　2.2小波变换完善的重建能力保证了信号在分解过程中没有任何信息损失。 　　2.3小波变换便于提取图像的结构信息和细节信息。 　　2.4小波变换对非平稳奇异信号有较强的分析能力。基本上实现了图像中平稳成分和非平稳成分的分离。 　　2.5小波变换为图像分析提供了方向选择性，这种选择性适合于人眼的视觉系统特性。各级子图像与原始图像在空间域和频率域存在对应关系。 　　2.6小波变换的Mallat算法为小波变换的应用提供了必要的手段，有利于算法的软硬件实现。 　　小波在数字图像处理中的应用主要有:图像压缩、图像去噪、图像分割、图像增强、图像融合等诸多方面。 　　 　　3人工神经网络 　　 　　人工神经网络是近20年来发展起来的一支十分活跃的交叉科学，并以其优良的特性和广阔的应用前景引起了人们极大的研究开发兴趣。众所周知，人脑具有极完善和强健的记忆、计算、分析、判断和决策的功能，尽管现在人们对人脑思维活动的详细机理了解的还远远不够，但对它的基本结构及功能特点早已知晓。大脑有巨量神经细胞组成，虽然单个细胞只具有一种基本功能，但在整体上它们彼此广泛连接，在“生、电、化”的传递和作用下使人脑可以快速完成各种复杂、困难的任务。人工神经网络采用物理可实现的系统来模拟人脑的基本结构和功能，它由大量的彼此广泛连接的处理单元组成，每个处理单元结构和功能十分简单，通常完成某种基本的变换，整个系统的工作方式与目前按串行方式安排程序指令的计算机有着截然不同的特性。目前人工神经网络已在模式识别领域得到了广泛的应用，模式识别的神经网络方法和传统的方法相比，具有下面几个明显的优点： 　　（1）具有较强的容错性，能够识别带有噪声或变形的输入模式； 　　（2）具有很强的自适应学习能力； 　　（3）并行分布式信息存储与处理，识别速度快； 　　（4）能把识别处理与若干预处理融为一体进行。 　　人工神经网络是一种基于生物神经中枢系统工作原理的计算模型。多层感知模型是一种前馈神经网络，它具有输入层、隐蔽层和输出层三部分结构，每一层完全连接到下一层上，具体结构如下图所示： 　　 　　4指纹识别 　　 　　4.1指纹识别流程： 　　 　　4.2指纹特征： 　　 　　4.3具体实现原理： 　　首先经过指纹采集设备采集指纹并进行预处理后存储到数据库中，建立特定的数据库后便于以后进行指纹比对。在进行指纹图像预处理的过程当中我们会广泛的应用到小波技术，经过降噪、增强等处理后就可以拿来进行指纹匹配了，首先我们要对需要的神经网络模型进行训练，目前很多学习算法都能用来训练多层神经网络系统，例如反馈传播算法。共轭梯度算法也是一种改进了的多层感知训练方法，它适合于具有大量输出节点和分量的网络，其它还有快速传输、联机反向传输、批量反向传输以及共轭梯度下降法等也都能够用来进行神经网络训练。 　　在利用人工神经网络进行识别之前，首先要从指纹中提取特征向量，因此，要从增强后的指纹图像来获取定向直方图，并通过直方图判定参考点及参考点涉及的范围。在去噪后的指纹图像中预定感兴趣区域周围的参考点，然后嵌入到细胞中，我们认为在不同的同心带周围的参考点作为特征点提