影象分割效能評價1
阿新 • • 發佈：2018-12-21
採用定量定量的方式計算分割結果影象的效能指標，並以此評價分割的效果，具有客觀、可重複等優點。
根據是否需要理想分割的參考結果影象，可將評價方法分為兩類：
- 無監督評價法。通過分割結果影象的質量參數質量引數。
1. 無監督評價法
無監督評價法通過直接計算分割結果影象的特徵引數來評價分割效果，其優勢在於不需要理想分割的參考影象。分割結果影象的特徵引數又稱為指標或者測度。
無監督評價的指標一般分為：
- 區域內一致性指標
- 區域間差異性指標
- 語義性指標
以下分別介紹：
1.1 區域內一致性指標
好的分割，其分割的區域內部的特徵具有均勻性和一致性。區域內一致性指標主要基於影象的灰度、顏色、紋理、熵等資訊。
1.1.1 使用最大對比度評價一致性
可通過計算最大對比度評價一個區域的均勻性。 對於一副影象II可以表示為：
zebk=1Nk∑i∈Rkj∈W(i)⋂Rkmax(fi−fj)zebk=1Nk∑i∈Rkj∈W(i)⋂Rkmax(fi−fj)其中，NkNk中的鄰域畫素。
分割後圖像的一致性評價標準可以用各個區域zebkzebk值越小，區域內一致性越好。
1.1.2 使用方差評價一致性
區域內一致性與該區域的方差是反比關係。零方差意味著特徵區域內所有畫素的灰度值或其他畫素特徵（顏色、紋理等）相同。相反，方差值很大，則特徵區域的一致性很差。
對於一個具有相同特性的區域RkRk，則：
區域R kRk的畫素總和。
區域RkRk
評價一致性的指標定義為：
UI=1−(∑Rk∈Iwkσ2k/E)UI=1−(∑Rk∈Iwkσk2/E)式中，wkwk
當使用RkRk
對於一個分割結果影象，UIUI越大，區域內一致性越好。
1.2 區域間差異性指標
對於好的分割，其分割的相鄰區域間的特性具有顯著的差異。區域間差異性指標主要基於灰度、顏色、重心距離等資訊。對於具有MM，可以通過計算兩區域間的不一致性獲得區域間的差異性，如：
DIR=1C2M∑i=1M−1∑j=i+1M|f(Ri)−f(Rj)|max(x,y)∈I(g(x,y))−mini∈I(g(x,y))DIR=1CM2∑i=1M−1∑j=i+1M|f(Ri)−f(Rj)|max(x,y)∈I(g(x,y))−mini∈I(g(x,y))其中，C2MCM2為區域特徵函式，一般為區域平均灰度。
1.3 語義指標
語義指標主要基於分割目標的形狀和邊界平滑度等資訊。 比如，定義目標的緊湊度和圓度指標：
緊湊度圓度=p2S=4πSp2緊湊度=p2S圓度=4πSp2其中，SS為該目標的周長。
2. 有監督評價法
有監督評價的指標主要基於演算法分割影象與參考影象兩者的相似度或差異度，相似度越大或差異度越小，分割演算法越好。
參考資料:
- 謝鳳英. 數字影象處理與應用. 電子工業出版社, 2014.