图像处理中经常有误拒率和误识率两个概念，今天简介下。

     误拒率，就是错误拒绝的意思，指的类内匹配。如果有10个志愿者的样本，每个志愿者20幅样本。那么相对于类内测试，比如对1号志愿者，同一类的这20幅图片之间，互相匹配，假设1:1的匹配，互相不重复能够进行(20*19)/2次。如果10个志愿者都进行这么测试，就是10*（20*19）/2次。这是总的类内匹配次数。预设定阈值为TH，如果匹配值th>TH就会错误拒绝。

     误识率，指错误接受的概率，相对于类间匹配而言。不同的类之间进行的匹配，如果阈值th小于预设阈值TH，就会认为属于同一类，这种情况就是错误接受。

计算公式如下：

      也可以参照http://ishare.iask.sina.com.cn/f/37004900.html这个论文里的57页和20页的介绍。

       因为FRR和FAR互相矛盾，所以当两者相等时的概率就是等错误率。当阈值为TH时，此时对应的FRR有个数值、FAR有个数值。这样得到一组对应的FRR和FAR，以FAR为横坐标，FRR为纵坐标画曲线，就是ROC曲线。再画y=x的曲线，两个曲线相交时对应的横坐标或纵坐标就是等错误率，这个时候对应的阈值就是最优的。

典型的ROC曲线示意图：

       网上至今没有计算等错误率和画ROC的Matlab源码，我写了一个，仅供大家参考：

核心代码如下：

function out = YanEER(leinei, leijian)

NGRA = length(leinei);   %类内测试的次数 对应误据率 FRR
NIRA = length(leijian);  %类间测试的次数  对应误识率， FAR

FRR = [];
FAR = [];
th = 0.1:0.02:0.55;  %阈值，一共xxx个
for i=1:length(th)
    frr = sum(leinei>th(i))/NGRA;  %大于预设阈值的 就错误的拒绝了
    FRR=[FRR frr];

    far = sum(leijian<th(i))/NIRA; %小于阈值的  就错误的接受了
    FAR = [FAR far];

end

     这里面的th是用来控制预设定阈值的，可以根据自己的需要设置。一般它跟你输入的参数的最小值和最大值有关系，也可以和这两个最值关联起来。另外，计算frr的时候也可以乘上100，这时坐标系就是（%）。大家灵活修改吧。

源码下载：http://www.pudn.com/downloads542/sourcecode/graph/detail2238646.html

  -----------------------本文系原创，转载请注明作者：yanzi1225627