93、指纹识别中高效 DP 匹配的光谱特征及块匹配运动估计算法评估

指纹识别中高效 DP 匹配的光谱特征及块匹配运动估计算法评估

1. 块匹配运动估计算法评估

在块匹配运动估计中，对多种快速块匹配运动估计算法的性能进行了评估。实验结果表明，DS、CDHS、CHDS 和 EHIS 适用于小运动和大运动内容，但 EHIS 不适用于高频和复杂运动内容。而 KCDS 方法与其他算法相比性能最低，仅在小运动内容下能取得较好性能。

以 Flowergarden 序列的重建帧为例，仅使用 CDHS 方法计算的运动向量时，其与全搜索（FS）方法的均方误差（MSE）相差 140 个单位，与所提及方法中最低性能相差近 57 个单位。虽然 CDHS 方法性能不如其他一些方法，但能紧跟其后。

2. 指纹识别中的光谱特征匹配

2.1 背景与挑战

自动化指纹识别在执法等领域有应用，如今在消费设备如个人电脑、手机和 USB 密钥中广泛使用。最流行的是扫描式线传感器，但其当前的指纹识别技术在准确性、大小和成本等方面无法满足嵌入式设备的所有要求。

Matsumoto 等人提出基于动态规划（DP）匹配光谱特征的指纹验证方法，然而光谱数据存在冗余且数据量巨大。主成分分析（PCA）可减少数据量，但会导致投影向量中地形信息丢失，使得 DP 匹配无法应用于投影向量，且使用向量间距离难以达到足够的准确性。

2.2 提出的方法：两步 PCA 提取特征

为解决上述问题，提出了一种新颖的两步 PCA 方法来提取适合 DP 匹配的紧凑特征。具体步骤如下：
- 第一步 PCA ：
- 对给定指纹的归一化图像 $f(m, n)$ 逐行应