基于提升小波和深度学习的掌纹识别

• 作者: 刘霞 潘新 赵丹丹 郜晓晶
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 深度学习 提升小波 深度置信网 特征提取 识别率
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 仿真智能化
• 页码范围: 338-342,360
• 页数: 6页
• 分类号: TP183
• 字数: 5448字
• 语种: 中文

摘要

针对从少量样本中学习图像本质特征的关键问题,提出一种基于深度学习的二次特征提取的掌纹识别方法.采用提升小波与深度学习结合的思想,将掌纹图像首先进行提升小波变换,获取图像的局部细节信息作为深度置信网的输入,然后通过自顶向下的无监督的训练和自底向上的有监督训练,获得最优的网络参数,最后进行分类预测.实验对比传统算法(PCA,LBP)以及基于像素级的DBN算法,得到较高的识别率,将提升小波获取的初始特征经过深度学习二次特征提取可有效地获取较稳的掌纹识别特征,特别在样本较少的情况下,优势尤为显著.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘新	内蒙古农业大学计算机与信息工程学院	25	128	8.0	10.0
2	郜晓晶	内蒙古农业大学计算机与信息工程学院	16	45	3.0	6.0
3	刘霞	内蒙古农业大学计算机与信息工程学院	26	123	6.0	10.0
4	赵丹丹	内蒙古农业大学计算机与信息工程学院	1	2	1.0	1.0