欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019106185697
申请人: 南京邮电大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于神经网络的指纹汗孔编码分类方法,其特征在于,包括以下步骤:步骤1)提取高分辨率的指纹图像,通过分割,归一化方法对指纹图像进行预处理,通过Gabor滤波器得到指纹汗孔的位置特征;具体包括:通过Gabor滤波器滤波得出指纹汗孔模型:其中,δi表示垂直于脊线方向的汗孔大小,δj表示沿着脊线方向的汗孔大小,θ表示脊线方向,可以通过计算方向场得出,Rot是对P0进行旋转θ角度的操作,通过滤波操作即可得出指纹汗孔的位置特征步骤2)使用神经网络对所述位置特征进行训练,得到分类训练集。

2.根据权利要求1所述的一种基于神经网络的指纹汗孔编码分类方法,其特征在于,步骤2)具体包括:使用BP神经网络进行离线训练,得到指纹汗孔识别的函数模型,用于对指纹数据库的识别;所述函数模型如下:Y=purelin(W2×tan sig(W1×Xn+θ1)+θ2)

其中,Xn为BP神经网络的输入向量;W1为输入层和隐藏层之间的权值;W2为隐藏层和输出层之间的权值;θ1为输入层和隐藏层之间的阈值;θ2为隐藏层和输出层之间的阈值;Y为BP神经网络的输出向量;tan sig为输入层和隐藏层之间的双曲正切S函数;purelin为隐藏层和输出层之间的线性传递函数。

3.根据权利要求2所述的一种基于神经网络的指纹汗孔编码分类方法,其特征在于,对于BP神经网络输入层,设定BP神经网络的输入点数为500个,此500个输入值均为提取指纹汗孔的局部细节特征;利用公式计算出隐藏层和输出层节点数,nI为输入层的节点数,nO为输出层的节点数,nc是常数,设定常数nc=8,输出层的节点数定为200个,隐藏层节点数则为n=34;

200

对于输出层,对每一个指纹图像预先进行200位的二进制编码,编码范围为0~2 ‑1;

每一个二进制数值作为一个分类,对应一个人;

在训练模块中,采用输入层、隐藏层和输出层的三层BP神经网络,构建BP神经网络模型;设置该模型的学习率γ为0.8,动量系数α为0.9,最大循环次数为5000,目标误差为1e‑

5;经过离线训练后得到指纹识别函数,用于后续识别操作;

在识别模块中,从指纹图像提取得到的500个特征值存储在一个特征向量X中,接着将向量X输入BP神经网络模型中,此时该模型已经训练好并取得相应权值W和阈值θ,从而得到输出Y,输出Y是一个二进制编码,它与数据库中的指纹汗孔编号相对应,向量Y的元素值是0或1,这样即可实现对指纹汗孔的分类,由于每个分类对应一个人,即可知识别的指纹图像取自哪个人。