论文部分内容阅读
指纹作为人类所独有的一种生物特征,其本身具有固定性、独有性、唯一性等特点,可以作为一种信息传递工具对人的身份进行标识。指纹的识别问题已经成功应用于人类社会的诸多领域,比如警察利用指纹比对确认嫌疑人身份信息;指纹作为签署协议或合同双方的签署证明;智能手机通过设置指纹解锁,将其应用于开机密码或支付密码;医学领域通过研究指纹发现某些疾病等方面。由于指纹本身所具有的特点及其较广的使用范围,对与指纹识别问题的研究和发展对人类社会而言是十分重要的。自深度学习和神经网络被学者广泛研究并投入实际应用以来,图像识别的研究工作出现了重大突破,指纹图像的识别也同样如此,本文通过分别使用卷积神经网络和深度信念网络两种神经网络,将这两种网络作为基础模型,分别对其进行多方面的优化和调节,最终获得最适合应用于指纹识别及分类工作的网络模型。本文主要工作内容如下:(1)通过玻尔兹曼机、受限玻尔兹曼机以及深度信念网络的发展和特点进行研究学习,并搭建深度信念网络模型对手写体数字图像数据和指纹图像数据分别进行训练,对此网络的训练同样需要经过重要参数的调节和网络性能观测进行对比,最终确定更适合于本网络的配置,并获得对手写体数字图像数据和指纹图像数据识别工作的最优性能。在此基础上,将卷积神经网络的卷积结构与深度信念网络相结合,即为卷积深度信念网络,利用此新模型再次对指纹纹型进行识别及分类。(2)通过对LeNet-5、AlexNet、CaffeNet、GoogLeNet这4种经典的模型进行研究学习和对比,搭建新的卷积神经网络,并逐步对网络的层次结构和参数进行调整和修改,获得适合于指纹图像数据的新网络模型即FCTP-Net。本模型中包含有4层卷积层、3层池化层、3层全连接层,并通过对网络中的各层参数的具体含义进行研究学习,依靠理论依据并进行大量实验工作对初始学习率、学习率变化方式、最大迭代、动量、初始化方式等进行多方面对比,最终得出更适合于本卷积神经网络模型的参数配置,并获得对与指纹图像数据识别工作的最佳性能。除新提出的FCTP-Net网络外,还对上述几种经典的网络模型进行对比实验,分别对比几种网络模型的结构和对于指纹图像数据的识别性能。在获得训练好的模型后,以未使用的新指纹图像数据对网络模型进行识别分类效果测试。