《表1 A组识别实验拒真率统计结果》

  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shape context的指纹图像识别研究》

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

实验时分别采用欧式距离度量算法、TPS薄板样条法以及本文中所采用的联合度量策略进行指纹图像识别算法的相似性距离度量操作，并对识别结果进行统计分析。由于识别性能指标的拒真率（FRR）、认假率（FAR）和通过的阈值设定具有相关性，因此，两组实验采用相同的通过阈值，该阈值在设定时使拒真率和认假率达到平衡。识别系统拒真率（FRR）和认假率（FAR）性能统计分析分别如表1、2所示，由于在进行实验时，待识别指纹图像采用两组各40幅（共80幅指纹图像）采集质量较好的指纹图像进行识别实验，实验环境较好，识别效率较高。基于经典TPS薄板样条法的度量方法在A组实验的识别通过率达到了92.5%，本文的算法达到了87.5%，B组实验中基于TPS的识别实验认假率为12.5%，本算法的认假率为15.0%，两组实验表明两种算法从拒真率（FRR）、认假率（FAR）两个性能指标出发都具有较高的识别正确率。但就系统的识别稳定性进行比较本文提出的联合度量策略其方差较小，即稳定性优于基于经典TPS薄板样条法的度量方法。因此通过本轮实验证明了本文提出的指纹图像识别算法在具备较高识别率的同时，还保证了较高的稳定性，综合识别性能较高。