未来智讯 > 人脸语音识别论文 > 基于ABC-BP神经网络的指纹识别算法
基于指纹ABC-BP神经网络算法识别学习作者:未知摘要:BP神经网络存在一个谨慎缓慢的速度,初值敏感,而且容易陷入部分最小值的弱点造成指纹识别效率不理想的真相 本文提出了一种基于ABC-BP神经网络的指纹识别算法。 将指纹的特征点坐标值标准化并输入BP神经网络进行训练。 人工蜂群算法用于在训练过程中优化网络。 因此,在BP神经网络的训练过程中获得最佳权重和阈值,从而更准确地获得指纹。 为了证明数据,该算法已经实现了良好的识别并具有不可避免的应用价值。 关键词:指纹识别; BP神经网络; 人工蜂群算法
中图分类号:TP751文献标识码:A文章编号:1009-3044(2017)32-0196-03
1概述生物识别技术是一种用于识别个人身份信息的技术。 目前,最深入的研究,应用最广泛,最复杂的生物识别技能是指纹识别技术,但他们以前的应用主要是在刑事侦查和司法鉴定中[1]。 现代指纹识别通常在光学传感器上兑现,远离离线学习并开始在线指纹识别。 随着半导体指纹传感器的发展,指纹识别的应用领域不断扩大,已经渗透到个人计算机,移动电话,金融系统,门禁系统和考勤系统等领域。 虽然人们的生活很慢而且没有接触到指纹,但准确的指纹识别并不是一项简单的工作。 由于指纹识别过程令人困惑,因此内容不仅涉及图像预处理部分,还涉及指纹识别部分。 由于指纹污染,光照水平,倾斜角度和算法缺陷,大多数指纹识别系统不能一次100%识别,这需要学者们进一步跟进。 2指纹预处理由于出汗,持续浇水和剥落,指纹可能会变湿,或者可能粗糙和粗糙,因此收集的指纹图像的质量高或低,并且存在这些指纹图像。 不均匀的噪音是跟踪。 预先处理指纹图像是为了去除一些不必要的杂质并提供清晰的二进制指纹图像以供后续识别。 指纹图像的预处理流程如图1所示。指纹图像与场景中与指纹无关的部分组合,会降低识别率,如图2所示。解析图像点 删除不必要的场景部分,并保持感兴趣区域(ROI),这是脊线和山谷线的一部分。 在本文中,我们选择复合伙伴算法[2],它基于指纹图像部分灰度方差和基于指纹的偏差场分割。 前人使其更适合指纹图像。分钟。 通过选择重新评分算法获得的朋友的图像如图3所示。有几种方法可以增强图像。 在本文中,设计了凭证图像的偏置过滤。 [3],如图4所示,图像变得越来越清晰,褪色的空间也逐渐消失。 降噪; 强化的场所得到了加强,这一点被称为指纹增强。 指纹图像通常使用多个滤波器,因为线偏转是多方向的。 流行的图像是彩色的,并且存在不同的灰度值,并且图像的二值化是使得这样的图像为黑色(0)和白色(255),例如如图5所示的数据量。 减少图像并突出显示乐趣的区域。 这里,选择基于偏置图的二值化方法,并且可以动态地配置每个像素的阈值。 如果有图像,则其灰度级为1-m,灰度值为i,像素数为Ni。 每个灰度值的分布如公式(1)所示。 [Pi = nii = 1mni](1)由于二值化后的图像不能满足后续要求,因此需要细化图像以获得具有单个像素宽度的脊线。 骨架图像的细化不仅减少了图像数据量,而且使脊线增加了一倍,从而可以提高治疗效果。 图像有数千个像素。 学习每一点都很麻烦。 有必要将其删除。 可以删除索引点附近的每个像素的值。 指示符像素与周围的八个类别匹配以确定是否删除它。 细化后的效率如图6所示。指纹的细节特征信息应包含以下几点[4] :( 1)特征点类型; (2)特征点坐标(x,y); 3)在部分块图像上,特征点的特征偏向d; 提取的特征点由(x,y,d)表示,并且在一个区域中存在许多这样的特征点,其中P = Pn(xn,yn,dn)表示指纹匹配是上述特征点的匹配。 4基于ABC-BP神经网络的指纹识别BP神经网络已成功应用于多个领域,其基本来源是:输入信号Xi,解析隐藏层中间节点作用于输出节点后,获得非线性变化 获得输出信号。 在网络训练过程中,每个样本包含输入向量和预期输出,网络的实际输出值和预期输出值对于偏差,输入节点和隐藏层之间的联合强度值 确定节点,确定隐层节点与输出节点之间的连接强度和阈值,使偏差减小,梯度逐渐减小,重复训练。 确定权重和阈值以及培训结束。 受过训练的网络可以对近似样本执行相同的操作。 本文使用32个指纹样本。在这种情况下,相应地排列32个二进制5位二进制码,并提取5个输出层节点; 为每个样本提取8个特征点,并对特征点的3个坐标值进行归一化并用作输入信号Xi [5],然后有24个输入层节点,如图7所示。信号由下式确定: 三个隐藏层节点作用于输出节点以获得输出信号。 虽然BP神经网络已经很好地用于智能算法,但它可能属于一些最严重的缺陷。 为此,本文提出了一种基于人工蜂群(ABC)优化BP神经网络的指纹识别智能算法[6-8],指纹识别的基本过程如图8所示。在ABC算法中,一种解决方案 对于蜜源对应的问题,蜂蜜的质量或多或少,并且溶液的质量高而低。 这组工人由三部分组成:雇主蜜蜂,偷窥蜜蜂和侦探蜜蜂。 蜂群由Nc表示,雇佣蜜蜂的数量(Ne)和偷看蜜蜂的数量(No)和解决方案的数量(Ns)是相称的,每个解是D维向量(D是数字 要优化的参数))。 需要掌握三个参数:解决方案的数量(Ns),限制(限制)和最大匝数(MCN)。 在起始点,算法随机生成Ns解(X1,...,XN),配置限制值(限制)和最大轮数(MCN)。 初始化后,蜜蜂使用贪婪的选择方法来回收新的解决方案。 如果新解决方案的合规性大于旧解决方案,雇主将放弃旧解决方案并记住新解决方案。 然后,为了了解收入率,偷看也采用贪婪的选择方法,然后根据这些解决方案的收入率和雇佣蜜蜂记录的解决方案在附近收集新的解决方案。 假设无法更新最新解决方案,或更新失败次数超过限制值限制,则解决方案将被唯一一个检测蜜蜂放弃并替换为新解决方案。 按照这一轮直到最大轮数[6]。 征收新解的表达式如公式(2)所示:[Vij = Xij + rand(-1,1)(Xij-Xkj)lowerbounduperbound ,,,Vij∈(下限,上限)Vijupperbound](2) 其中i是第i个蜂蜜源,随机生成[j∈1,2,...,D],[k∈1,2,...,Ns],并且k≠i。 如果[Vij]跨越规则的最大和最小限制,则凭证公式将转换为限制值。 蜜蜂摇摆以确定蜂蜜来源的收入率,然后根据收入率选择蜂蜜的来源。 蜂蜜的来源是第一个看蜂蜜源的顺应性值[7],收入率Pi使用公式(3):
[Pi = f(Xi)n = 1Nsf(xn) )](3)其中[f(Xi)]代表蜂蜜当旧的解被丢弃时,使用等式(4)进行源的顺应性值:[Xi = Xmin + rand(0,1)(Xmax-Xmin)](4)ABC算法具体的程序 BP神经网络(ABC-BP)如下:(1)构建BP神经网络; (2)初始化总体参数和ABC算法(Nc,Ne,No,Ns),极限,MCN)[13],应满足公式(5):[Nc = 2Ns = Ne + No,Ne = No = Ns](5)初始种群是初始解[Xi(i = 1,...,Ns)]是(-1,1)之间的随机数,每个[Xi]代表联合权重 在程序(1)中创建的神经网络的阈值和阈值,每个解D的维数满足公式(6):[D = Nin×Nhidden + Nhidden + Nhidden×Nout + Nout](6)在[Nin]中, [Nhidden],[Nout] Partitioning是与输入层,隐藏层和输出层对应的神经元数量。 (3)各解的顺应性值[fXi]如式(7)所示:[fXi = 11MSEi + 1,MSEi = 0MSEi> 0](7)式中[i =(1, 2,...,Ns)],[MSEi]代表第i个解决方案的BP网络均方差,且吸气状态值为1.(4)雇佣蜜蜂使用公式(2)提取新解决方案 根据目前的印象。 假设新解决方案的合规性值大于旧解决方案的适用性值,请记下旧的更新解决方案,否则将旧解决方案的更新失败次数加1。 (5)根据公式(3),第i个解的顺应率[f(Xi)]用于估计收入率。 窥探蜜蜂的凭据,为这些收入率收集新的解决方案。 (6)如果解[Xi]的更新失败次数超过预定的最大极限,则侦察蜂用等式(4)中出现的新解代替它。 (7)如果迭代次数超过最大循环次数MCN,则完成训练。 否则,返回步骤(5)。 (8)将获得的最优解转化为BP网络相干权重和阈值[8]。 与流行的BP神经网络相比,采用ABC算法引入的BP神经网络提高了指纹识别率,如表1所示.5结论为了克服BP神经网络的慢速率,容易陷入一些最优弱点 我们使用人工蜂群算法优化BP神经网络,找出其最佳权重和阈值。 实践表明ABC算法和BP神经网络的组合有助于识别指纹并且可以提高识别准确性。 参考文献:[1]潘伟。 一种基于神经网络的指纹识别系统[D]。 湖南大学,2007。[2]冯国金,顾国华,张保平。 指纹图像预处理与特征提取[J]。 战略应用研究,2004(9):183-186。 [3]周永东。 指纹图像增强算法学习与加速器设计[D]。 浙江大学,2006。[4]韩涛。 指纹图像预处理和特征提取算法[D]。 华中科技大学,2005:36-40。 [5]徐晓晓,王青,陈建平,等。 基于BP神经网络的泥石流平均流速展望[J]。 吉林大学学报,2013,43(1):186-191。 [6]苏才红,向娜,陈光义,等。 基于人工蜂群算法和BP神经网络水质评价模型[J]。情景工程学报,2012,6(2):699-704。 [7]张玉忠,郑开国,王翔。 蜂群算法综述[J]。 策略机的应用,2011,28(9):3201-3205。 [8]孙航。 基于BP神经网络的指纹识别[J]。 信息与计算机:理论版,2011(5):38-39。
转载请注明来源。原文地址:https://www.7428.cn/page/2019/0426/80373/
 与本篇相关的热门内容: