【摘要】：在本节中，我们对得到的moiré特征进行匹配和用户判别，具体的moiré特征匹配可以借助图像平面不变矩的帮助。正是由于这样一种差异，该特点可以用于作为moiré特征的一种几何度量手段。在moiré特征匹配判别中，以简单的向量权值距离来作为相似性度量，对训练样本统计分析得到权值。
掌纹特征判别的主要任务是计算出待识别掌纹图像特征和模板图像特征之间的相似度，并判断它们是否属于同一个用户。在本节中，我们对得到的moiré特征进行匹配和用户判别，具体的moiré特征匹配可以借助图像平面不变矩的帮助。
在当图像处理的性能主要取决于整体形状纹理特性而不是图像的具体纹理细节的时候，不变矩表现出的特征选择性能较佳。比较普遍常用的典型不变矩是Hu不变矩，它对于图像平移、旋转和尺度变换具有非常好的鲁棒性。
综合考虑计算量和掌纹图像ROI的纹理特征性，我们选取了前三个不变矩，它们分别可以表示为：
对于水平方向的moiré特征，对它的左半部分和右半部分分别计算不变矩，而对于竖直方向的moiré特征，则计算其上半部分和下半部分，从而最终得到一个12维的特征向量：
对于模板moiré特征而言，它们具有对应的水平和竖直方向上的对称性，因此根据旋转不变性的特点，每个对称位置的不变矩向量是相等的，即有：(www.xing528.com)
LS1=RS1，LS2=RS2，LS3=RS3，TS1=BS1，TS2=BS2，TS3=BS3
然而，待识别用户的moiré特征则不具有这种特点，相应对称位置的不变矩则可能不会相等。正是由于这样一种差异，该特点可以用于作为moiré特征的一种几何度量手段。
在moiré特征匹配判别中，以简单的向量权值距离来作为相似性度量，对训练样本统计分析得到权值。
假设f（r）和f（t）分别为模板moiré特征向量和用户moiré特征向量，f（r）和f（t）的向量权值距离定义如下：
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
