59、基于指数衰减距离变换的形状描述符改进与生物特征融合技术

基于指数衰减距离变换的形状描述符改进与生物特征融合技术

1. 引言

在计算机视觉领域，基于内容的图像检索（CBIR）已成为重要应用之一。其核心任务是突出稳定信息，以实现图像间的相似性测量。形状描述符具有独特性质，适用于表示图像中的对象而非整个图像，主要分为基于区域和基于轮廓两类。

基于区域的形状描述符有角径向变换、几何矩、勒让德矩、泽尼克矩等；基于轮廓的描述符有傅里叶描述符、曲率尺度空间描述符等。此外，还有一些基于三维球谐函数的二维形状描述符，如2DSHT、2.5DSHT、DT_3DSHT等。

同时，生物特征识别领域中，单生物特征识别存在缺乏不变表示、不具有普遍性、传感器数据噪声大等问题，多生物特征融合技术应运而生。特征级融合能够整合更丰富、相关的生物特征信息，有望提供更准确的认证结果，但也面临特征空间未知、维数灾难等挑战。

2. 圆盘调和矩描述符（DHMD）的改进

2.1 图像函数的选择

计算圆盘调和变换（DHT）的算法需要输入图像函数。为提高DHMD的检索质量，采用指数衰减欧几里得距离变换（EDDT）作为图像函数。对于二值图像B上的像素P，定义隐式函数$f(P)$为：
[
f(P)=\begin{cases}
EDDT_B(P), & V(P)=1 \
0, & V(P)=0
\end{cases}
]
其中，$V(P)$是像素P的二值值，$EDDT_B(P)$是指数衰减欧几里得距离变换，计算公式为：
[
EDDT_B(P)=\exp(-\frac{D_B(P)}{D_{MB}})
]