基于小波神經(jīng)網(wǎng)絡(luò)的掌紋識(shí)別方法的研究

3．1 輸入層的設(shè)計(jì)
在圖像經(jīng)過二維小波處理后，每一幅圖像就可以用一個(gè)向量來表示，提取每一幅圖像的低頻部分作為神經(jīng)網(wǎng)絡(luò)的輸入。這樣可以減少神經(jīng)網(wǎng)絡(luò)的輸入維數(shù)，降低神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)處理量。
3．2 隱層的選擇
隱層的神經(jīng)元數(shù)目與問題的要求、輸入／輸出單元的數(shù)目都有直接關(guān)系，數(shù)目太多會(huì)導(dǎo)致學(xué)習(xí)時(shí)間太長(zhǎng)、誤差不一定最佳，也會(huì)導(dǎo)致容錯(cuò)性差、不能識(shí)別以前沒有看到的樣本，因此一定存在一個(gè)最佳的隱單元數(shù)。參照以往實(shí)驗(yàn)，本次采用了公式n1=n+m+a(m為輸出神經(jīng)元數(shù)，n為輸入單元數(shù)，a為[1，10]之間的常數(shù))來確定隱層的神經(jīng)元數(shù)目，取得了較好的效果。
3．3 輸出層的設(shè)計(jì)
輸出層的維數(shù)可根據(jù)使用者的要求確定。如果將BP網(wǎng)絡(luò)用做分類器，類別模式一共有m個(gè)，那么輸出層神經(jīng)元個(gè)數(shù)為m或log2m。在實(shí)驗(yàn)時(shí)采用了20個(gè)人的掌紋圖像，因此類別總共有20個(gè)，即m=20，所以應(yīng)取輸出層神經(jīng)元個(gè)數(shù)為20或log220，本次選取的輸出層神經(jīng)元個(gè)數(shù)為20。

4 實(shí)驗(yàn)結(jié)果和分析
本文實(shí)驗(yàn)是借助香港理工大學(xué)的Poly-U掌紋圖像庫進(jìn)行的。Poly-U掌紋圖像庫中包含40人的掌紋圖像，每人10幅圖像，共400幅，每幅原始圖像256個(gè)灰度級(jí)，分辨率為129×129。本次試驗(yàn)隨機(jī)挑選20人，每人10幅的圖像中，選擇5幅用來作為樣本數(shù)據(jù)進(jìn)行訓(xùn)練，另外5幅作為測(cè)試樣本用來進(jìn)行檢驗(yàn)。掌紋圖像首先經(jīng)過圖像預(yù)處理，再經(jīng)過小波變換來4為未經(jīng)過小波變換處理的神經(jīng)網(wǎng)絡(luò)訓(xùn)練圖，圖5為經(jīng)過小波變換處理的神經(jīng)網(wǎng)絡(luò)訓(xùn)練圖。圖6為兩種方法下的不同掌紋檢測(cè)樣本的識(shí)別效果圖。

由圖4和圖5的實(shí)驗(yàn)結(jié)果可知，未經(jīng)過小波變換處理的圖像直接送到神經(jīng)網(wǎng)絡(luò)，其網(wǎng)絡(luò)訓(xùn)練步數(shù)為500，經(jīng)過小波變換處理后的圖像送到神經(jīng)網(wǎng)絡(luò)，其訓(xùn)練步數(shù)為210，發(fā)現(xiàn)收斂步數(shù)明顯降低；收斂用時(shí)明顯減少；識(shí)別率明顯提高。同時(shí)由圖6可知，這種將小波變換與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合進(jìn)行掌紋識(shí)別方法不僅可以大大縮短神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間，同時(shí)也能提高人臉圖像的識(shí)別率。

5 結(jié)束語
針對(duì)以往直接采用BP神經(jīng)網(wǎng)絡(luò)對(duì)掌紋進(jìn)行識(shí)別時(shí)收斂速度慢、識(shí)別率不高等問題，本文采用小波變換與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法來對(duì)掌紋進(jìn)行識(shí)別。通過實(shí)驗(yàn)證明，這種方法與單一的BP神經(jīng)網(wǎng)絡(luò)的方法相比較，具有訓(xùn)練時(shí)間短、識(shí)別率高等優(yōu)點(diǎn)。如何克服BP神經(jīng)網(wǎng)絡(luò)容易陷于局部極小值問題將是今后研究的一個(gè)方向。