基于小波神經(jīng)網(wǎng)絡(luò )的掌紋識別方法的研究

3．1 輸入層的設計
在圖像經(jīng)過(guò)二維小波處理后，每一幅圖像就可以用一個(gè)向量來(lái)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，降低神經(jīng)網(wǎng)絡(luò )的數據處理量。
3．2 隱層的選擇
隱層的神經(jīng)元數目與問(wèn)題的要求、輸入／輸出單元的數目都有直接關(guān)系，數目太多會(huì )導致學(xué)習時(shí)間太長(cháng)、誤差不一定最佳，也會(huì )導致容錯性差、不能識別以前沒(méi)有看到的樣本，因此一定存在一個(gè)最佳的隱單元數。參照以往實(shí)驗，本次采用了公式n1=n+m+a(m為輸出神經(jīng)元數，n為輸入單元數，a為[1，10]之間的常數)來(lái)確定隱層的神經(jīng)元數目，取得了較好的效果。
3．3 輸出層的設計
輸出層的維數可根據使用者的要求確定。如果將BP網(wǎng)絡(luò )用做分類(lèi)器，類(lèi)別模式一共有m個(gè)，那么輸出層神經(jīng)元個(gè)數為m或log2m。在實(shí)驗時(shí)采用了20個(gè)人的掌紋圖像，因此類(lèi)別總共有20個(gè)，即m=20，所以應取輸出層神經(jīng)元個(gè)數為20或log220，本次選取的輸出層神經(jīng)元個(gè)數為20。

4 實(shí)驗結果和分析
本文實(shí)驗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，分辨率為129×129。本次試驗隨機挑選20人，每人10幅的圖像中，選擇5幅用來(lái)作為樣本數據進(jìn)行訓練，另外5幅作為測試樣本用來(lái)進(jìn)行檢驗。掌紋圖像首先經(jīng)過(guò)圖像預處理，再經(jīng)過(guò)小波變換來(lái)4為未經(jīng)過(guò)小波變換處理的神經(jīng)網(wǎng)絡(luò )訓練圖，圖5為經(jīng)過(guò)小波變換處理的神經(jīng)網(wǎng)絡(luò )訓練圖。圖6為兩種方法下的不同掌紋檢測樣本的識別效果圖。

由圖4和圖5的實(shí)驗結果可知，未經(jīng)過(guò)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 )訓練步數為500，經(jīng)過(guò)小波變換處理后的圖像送到神經(jīng)網(wǎng)絡(luò )，其訓練步數為210，發(fā)現收斂步數明顯降低；收斂用時(shí)明顯減少；識別率明顯提高。同時(shí)由圖6可知，這種將小波變換與BP神經(jīng)網(wǎng)絡(luò )相結合進(jìn)行掌紋識別方法不僅可以大大縮短神經(jīng)網(wǎng)絡(luò )的訓練時(shí)間，同時(shí)也能提高人臉圖像的識別率。

5 結束語(yǔ)
針對以往直接采用BP神經(jīng)網(wǎng)絡(luò )對掌紋進(jìn)行識別時(shí)收斂速度慢、識別率不高等問(wèn)題，本文采用小波變換與BP神經(jīng)網(wǎng)絡(luò )相結合的方法來(lái)對掌紋進(jìn)行識別。通過(guò)實(shí)驗證明，這種方法與單一的BP神經(jīng)網(wǎng)絡(luò )的方法相比較，具有訓練時(shí)間短、識別率高等優(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(wèn)題將是今后研究的一個(gè)方向。