脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在指紋系統(tǒng)中的應(yīng)用.pdf

1、生物特征識(shí)別是一種利用人的生物特征，如指紋、掌紋、步態(tài)、聲音和面相等特征，來(lái)進(jìn)行身份識(shí)別的技術(shù)，而指紋則是各種生物特征中最典型、應(yīng)用也最廣泛的特征之一。常見(jiàn)的指紋識(shí)別系統(tǒng)會(huì)涉及到指紋增強(qiáng)、指紋方向場(chǎng)計(jì)算、特征提取、特征匹配和模式分類(lèi)等技術(shù)。近幾年來(lái)，盡管與指紋識(shí)別相關(guān)的技術(shù)和應(yīng)用研究已經(jīng)得到了長(zhǎng)足的發(fā)展，但仍然還存在一些尚未被解決的問(wèn)題，這使指紋識(shí)別系統(tǒng)的進(jìn)一步推廣受到了較大限制。目前仍然有許多科研機(jī)構(gòu)都在積極探索指紋的新技術(shù)和新應(yīng)用，

2、取得了許多有價(jià)值的研究成果，這些成果將會(huì)使指紋在身份認(rèn)證領(lǐng)域的應(yīng)用前景更加廣闊。 本文首先對(duì)傳統(tǒng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN,Pulse Coupled Neural Network)進(jìn)行了研究，提出了幾種改進(jìn)的模型如“M-PCNN”、“I-PCNN”和“TB-PCNN”等，在這些模型基礎(chǔ)之上，為PCNN開(kāi)發(fā)了一些新圖像處理應(yīng)用，如混合噪聲濾除。本文對(duì)PCNN的高維形態(tài)進(jìn)行了初步研究，設(shè)計(jì)了一種能夠兼容傳統(tǒng)二維網(wǎng)絡(luò)的高維統(tǒng)一模型

3、，此外還對(duì)這種模型的網(wǎng)絡(luò)結(jié)構(gòu)、神經(jīng)元的連接輸入、活性調(diào)制、脈沖發(fā)生規(guī)則等進(jìn)行了討論，并對(duì)高維網(wǎng)絡(luò)的脈沖特性進(jìn)行了試驗(yàn)仿真。 以各種類(lèi)型的PCNN為基礎(chǔ)，為指紋識(shí)別系統(tǒng)中的關(guān)鍵處理模塊提出了一些新的處理算法，主要包括“指紋脊線(xiàn)增強(qiáng)”、“指紋的方向場(chǎng)估計(jì)”、“二值指紋圖像細(xì)化”和“指紋模式分類(lèi)”，并在這些基本的處理算法基礎(chǔ)之上，展示了在研究過(guò)程中開(kāi)發(fā)的一套指紋系統(tǒng)綜合平臺(tái)軟件，該軟件系統(tǒng)主要由終端工作站軟件(FS-Client)和中

4、心服務(wù)器軟件(FS-Server)這兩個(gè)部分組成，該平臺(tái)上的基礎(chǔ)算法庫(kù)可以不斷擴(kuò)展，指紋處理流程也可以靈活配置。這個(gè)平臺(tái)軟件的應(yīng)用范圍也很靈活，既可作為研究過(guò)程中新算法的測(cè)試平臺(tái)，也可配置為具體的應(yīng)用系統(tǒng)，如指紋門(mén)禁考勤系統(tǒng)等。 本文內(nèi)容主要包括：第一章概述了指紋識(shí)別的背景和研究意義，分析了國(guó)內(nèi)和國(guó)際上指紋識(shí)別技術(shù)的研究現(xiàn)狀、相關(guān)的典型算法和評(píng)估方式，并介紹了在本文中頻繁出現(xiàn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用情況；第二章在現(xiàn)有的PC

5、NN模型基礎(chǔ)上，針對(duì)一些新的圖像處理應(yīng)用特點(diǎn)，對(duì)PCNN的傳統(tǒng)模型進(jìn)行了改進(jìn)，提出了一種基于PCNN的圖像混合噪聲去除方法，也對(duì)一種統(tǒng)一的高維PCNN進(jìn)行了研究，并給出了該模型的一維、二維以及三維仿真結(jié)果，同時(shí)還對(duì)這種模型潛在的應(yīng)用進(jìn)行了展望；第三章提出了一種基于I-PCNN的濾波的指紋圖像增強(qiáng)算法，并對(duì)該方法進(jìn)行了仿真實(shí)驗(yàn)，給出了相關(guān)的測(cè)試結(jié)果數(shù)據(jù)；第四章提出了一種通過(guò)圖像塊主脊線(xiàn)和投影距離方差值來(lái)估算方向場(chǎng)的新穎方法，包括用PCNN

6、來(lái)確定圖像塊主脊線(xiàn)、根據(jù)主脊線(xiàn)的投影距離方差來(lái)計(jì)算圖塊方向、以及方向場(chǎng)的后續(xù)校正，并給出了詳細(xì)的實(shí)驗(yàn)結(jié)果；第五章研究了指紋圖像的細(xì)化問(wèn)題，提出了一個(gè)利用PCNN同步脈沖和方向約束的二值指紋圖像細(xì)化算法，該方法在方向場(chǎng)的約束之下，先對(duì)圖像進(jìn)行粗細(xì)化后再進(jìn)行精修剪；第六章提出了兩種指紋模式分類(lèi)方法，一種利用PCNN和LVQ，另一種主要通過(guò)多層樹(shù)形SVMs來(lái)分類(lèi)；第七章設(shè)計(jì)實(shí)現(xiàn)了一種算法庫(kù)可以靈活擴(kuò)展的指紋系統(tǒng)平臺(tái)，該平臺(tái)模塊間接口穩(wěn)定，能夠