Image authentication using PCA and BP neural network

In this paper, a recognition system for image identification by using principal component analysis (PCA) and back propagation (BP) Neural Network is proposed. The system consists of three steps. At the very outset some preprocessing are applied on the input image. Secondly image features are extracted by using PCA, which will be taken as the input to the Back-propagation Neural Network (BPN) in the third step and classification. Principal Component Analysis( PCA) is one of the most popular appearance-based methods used mainly for dimensionality reduction in compression and recognition problems, this will reduce the size of training data which it entered to neural network. In our work, The proposed model is tested on a number of images with different value of learning rate. Experimental results demonstrate the proposed model is better, efficient and it reduces the ratio of the number of iteration training to half comparing with results-of the Neural Network. في هذا البحث، اقترح نظام التمييز تشخيص الصور بواسطة استخدام تحليل المكون الرئيسي (PCA) و الشبكات العصبية من نوع الانتشار الخلفي (BP). هذا النظام يتكون من ثلاث خطوات. الخطوة اأولى : معالجة أولية على الصور المدخلة، الخطوة الثانية : استخلاص المعلومات من بيانات الصورة باستعمال (PCA)، الخطوة الثانية : اسخلاص من الخطوة الثانية على الشبكات العصبية من نوع لانتشار الخلفي (BP) و من ثم تصنيفها. تحليل المكون الرئيسي هي إحدى الطرق المشهورة لتقليل حجم البيانات في مسائل الضغط و التمييز، هذا يؤدي إلى تقليل حجم البيانات التي تدخل إلى السشبكة العصبية. في هذا العمل، اختبرت الطريقة المقترحة للعديد من الصور لقيم مختلفة لنسبة لتعلم. النتائج التجريبية تبين أن النموذج المقترح أفضل و أكفأ و يقلل عدد مرات الأزمة للتعلم إلى النصف بالمقارنة مع الشبكة العصبية.