论文部分内容阅读
我们处在一个信息高度发达的时代,信息安全也随之成为人们十分关注的问题,各种身份识别技术应运而生。其中生物特征识别技术在众多的身份识别技术中,以其独特的优越性脱颖而出,广泛的应用于我们的生活和生产。指纹识别技术作为生物识别技术的一种,经过长期不断的研究和应用,现如今可以说发展相对比较成熟,使用尤其广泛。但由于指纹图像中往往含有噪声,而图像预处理技术又不够完善,无法得到理想细化的指纹图像,从而造成了指纹识别速度慢、准确率低。本文将协同神经网络应用于指纹识别,提出了指纹识别的新方法,力求改进指纹识别中存在的各种问题。指纹识别技术包括五个阶段:指纹图像的采集、预处理、特征提取、指纹分类和指纹匹配。指纹图像的预处理技术主要包括指纹图像的增强、分割、二值化、细化,预处理的目的是消除指纹图像含有的噪声,还原指纹图像的真实性,为后继的特征提取做好准备工作。经过预处理的图像便可进行特征提取,特征提取又包括分类特征提取和匹配特征提取,指纹分类是将待识别的指纹图像先进行大致的分类,以达到缩短匹配的时间和提高识别的速度。指纹匹配是在分类后进行的,待识别的指纹只需在某一类别指纹中进行匹配,最终得到识别结果。协同学是一门横断学科,主要研究系统中的各个个体如何进行协作,并通过协作导致新的空间、时间结构或功能结构的形成。人工神经网络用于模式识别,近些年是一门十分热门的研究领域,协同神经网络将协同原理和神经网络相结合,为模式识别提供了一种新的方法。本文采用协同神经网络来实现指纹的分类和匹配,并通过实验进行验证,使用该方法能够获得较精确和快速的识别效果。