指纹识别评价介绍.docVIP

1、注意事项： 指纹算法性能评价通常有两种方法：ROC曲线和GI（Goodness Index）两种方法。 ROC相对更具有说服力，因为ROC是从宏观匹配的角度验证两枚指纹同源，即已知一枚指纹的身份，判断另一枚指纹是否与已知指纹同源。但是，鉴于ROC曲线需要大量的指纹图像和很多的测试评估（主要是匹配的分数设定到底多少比较合适）造成其理解和实际编程过程十分难以实现，对于短时间的评价而言不适用，国内基本只有山东大学、中科院自动化所、西安电子科技大学3个高等院校和科研院所拥有比较真实信服的ROC绘制结果。 GI相对说服力较低，主要是由于GI是从微观的角度验证算法性能的好坏且只针对一副图像而言。由于加入了大量的人工辨识且人工辨识的主观意愿难以揣测，所以工作量大、说服力较低，但由于其相对较易实现且也可以一定程度上地说明算法的性能，也不失为一种性能评价的方法。 综上所述，ROC曲线说服力更强，但工作量巨大，但时间不易实现。GI性能指标说服力相对欠缺，但实现相对简单。同时由于两种评估方法均依赖于增强、二值化、细化、特征提取算法的性能，所以两种方法反应的是指纹识别系统的整体性能，而不是单一某部分性能如何。 2、针对Rasel的指纹增强方法的评估问题 由于时间不足的问题，建议你采用GI性能指标的方法评价算法的性能。GI性能指标的定义如下： 其中，是特征点数量，特征点匹配数量、丢失数量、伪特征点生成数量和真实特征点数量分别是、、和。GI越大表明特征点的提取越准确。 ； 若程序标定特征点是端点或分叉点或没有特征点，增强图像中相同位置特征点是分叉点或端点或存在特征点，该特征点标记为伪特征点，对应于GI公式中的； 若程序标定无特征点，增强图像中相同位置存在特征点，该特征点标记为丢失特征点，对应于GI公式中的； 将人工标定特征点的总数相加就可以得到特征点总数，对应GI公式中的。 由此可以统计出一幅指纹图像的GI指标，建议制作一张EXCEL表格，便于统计方便，工作量较大容易混乱，希望统计过程中细心。