《表2 各方法EER对比》
%
为了进一步说明该方法的优势,分别在Poly U图库、自建Poly U模糊图库和自建SUT-D模糊图库上将本文的BLLBP方法(融合前后)与目前多种典型和流行方法[15,18]进行了比较,包括2DGabort,二维主成分分析(2DPCA),SURF以及结合小波分解的灰度曲面(wavelet gray surface,WGS)方法等,如表2所示,可见在同等条件下,Poly U接触式标准图库上本文的融合BLLBP方法EER最小,识别效果最优,自建离焦模糊图库上EER最大,同时融合方法相较未融合EER更低。而其他典型方法由于提取的特征较BLLBP算法欠稳定,鲁棒性较差,受模糊影响大,导致提取的效果不够理想。但是从图2(b)、图2(c)中可以看到,自建的两个模糊图库中各方法EER的值均较高,分析可知系统的识别性能降低是由于图像模糊的原因,模糊导致图像细节纹理被平滑,不同个体间的区分性也变差,因此,EER的值相对较高。下一步的工作为进一步优化算法使EER的值降低。
图表编号 | XD007580500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.04.20 |
作者 | 王颖、惠晓威、林森 |
绘制单位 | 辽宁工程技术大学电子与信息工程学院、辽宁工程技术大学电子与信息工程学院、辽宁工程技术大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |