《表2 各方法EER对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于局部线性二值模式的掌纹掌脉融合识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

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。