基于ROC Graph的圖像分割質(zhì)量評(píng)價(jià)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像分割技術(shù)領(lǐng)域,具體地講,涉及一種基于ROCGraph的圖像分割質(zhì) 量評(píng)價(jià)方法。
【背景技術(shù)】
[0002] 圖像分割是圖像處理領(lǐng)域的一項(xiàng)關(guān)鍵技術(shù),是圖像理解和識(shí)別的基礎(chǔ)。圖像分割 結(jié)果的好壞對(duì)圖像的后續(xù)處理及分析有非常重要的影響。通常一幅圖像分割結(jié)果的好壞, 是以人的主觀判斷作為評(píng)價(jià)標(biāo)準(zhǔn)的,這樣就導(dǎo)致了由于人的視覺差異對(duì)圖像分割好壞評(píng)價(jià) 的不統(tǒng)一。因此,對(duì)分割結(jié)果做出一個(gè)定量的、定性的評(píng)價(jià)是必要且有意義的。一個(gè)有效的 分割評(píng)價(jià)方法可以幫助該領(lǐng)域的研宄人員選擇符合特定應(yīng)用的分割算法,并且可以進(jìn)一步 優(yōu)化分割算法,以便獲得最佳分割結(jié)果。
[0003] 圖像分割的客觀評(píng)價(jià)方法可以分為兩大類:分析法和實(shí)驗(yàn)法。分析法可以進(jìn)一步 分為定量分析法和定性分析法。分析法是直接對(duì)分割算法本身的原理、性能及復(fù)雜度等進(jìn) 行分析,不涉及算法的具體實(shí)現(xiàn)。這類方法沒有考慮分割算法的應(yīng)用環(huán)境,評(píng)價(jià)結(jié)果只與分 割算法本身有關(guān),不能有效地對(duì)不同分割算法之間的差異做出評(píng)判。與分析法相比,實(shí)驗(yàn)法 更具有實(shí)際意義。實(shí)驗(yàn)法是以分割結(jié)果為測(cè)試對(duì)象,來間接地評(píng)價(jià)分割算法的好壞。實(shí)驗(yàn) 法包括優(yōu)度法和差異法兩大類。優(yōu)度法是選擇分割圖像中的某些特征作為優(yōu)度參數(shù)來評(píng)價(jià) 分割結(jié)果的質(zhì)量。差異法首先需要一個(gè)參考分割圖像作為金標(biāo)準(zhǔn),根據(jù)實(shí)際分割圖像和參 考分割圖像之間的差異來評(píng)價(jià)分割算法。由于差異法具有參考分割進(jìn)行對(duì)比,在通常情況 下,它的評(píng)價(jià)效果要好于優(yōu)度法。因此,差異法是最常用的一類方法,其發(fā)展速度也是相對(duì) 較快的。
[0004] 差異法所依據(jù)的最基本評(píng)價(jià)指標(biāo)包括誤分像素的數(shù)量、漏分像素的數(shù)量、像素的 位置差異等,比如,誤分像素的概率(誤分率,ME),實(shí)際分割和參考分割的交集與并集的比 值(Jaccard測(cè)度,JS)等。然而,對(duì)于偏斜數(shù)據(jù)(如:大比例過/欠分割),傳統(tǒng)的基于像 素的評(píng)價(jià)方法會(huì)出現(xiàn)評(píng)價(jià)失真問題。此外,分割圖像中像素的空間位置信息常常會(huì)被忽略。 在實(shí)際分割圖像中,處于不同位置的像素,其分類正確與否對(duì)分割效果具有不同的影響。
【發(fā)明內(nèi)容】
[0005] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足,解決評(píng)價(jià)指標(biāo)對(duì)于偏斜數(shù)據(jù)的失真問 題,并引入像素的空間信息,采用加權(quán)思想,提供一種基于ROCGraph的圖像分割質(zhì)量評(píng)價(jià) 方法,其評(píng)價(jià)精度高度傳統(tǒng)的評(píng)價(jià)方法,而且評(píng)價(jià)結(jié)果更加合理,與人類主觀的評(píng)價(jià)結(jié)果一 致。
[0006] 為了實(shí)現(xiàn)上述目的,本發(fā)明所采用的技術(shù)方案是:
[0007] -種基于ROCGraph的圖像分割質(zhì)量評(píng)價(jià)方法,其關(guān)鍵步驟包括:
[0008] 步驟一,通過與參考分割圖像作比較,將待評(píng)價(jià)分割圖像中的像素分為四類:真正 類TP,假正類FP,真負(fù)類TN,假負(fù)類FN:
[0009] -對(duì)于分割圖像中目標(biāo)區(qū)域的任一像素
[0010] 若參考圖像中與其對(duì)應(yīng)的像素同樣為目標(biāo)區(qū)域像素,則該像素為真正類(TP)像 素;否則,該像素為假正類(FP)像素;
[0011] -對(duì)于分割圖像中背景區(qū)域的任一像素
[0012] 若參考圖像中與其對(duì)應(yīng)的像素同樣為背景區(qū)域像素,則該像素為真負(fù)類(TN)像 素;否則,該像素為假負(fù)類(FN)像素。
[0013] 步驟二,引入像素空間信息,通過距離變換函數(shù),獲得參考圖像中每個(gè)像素到目標(biāo) 邊界的距離,以此作為該像素的距離系數(shù),并分別找到目標(biāo)區(qū)域像素和背景區(qū)域像素到目 標(biāo)邊界的最大距尚;
[0014] 距離變換函數(shù)具有如下形式:
【主權(quán)項(xiàng)】
1. 一種基于ROCGraph的圖像分割質(zhì)量評(píng)價(jià)方法,其特征在于,通過如下步驟實(shí)現(xiàn): 步驟一,通過與參考分割圖像作對(duì)比,將待評(píng)價(jià)分割圖像中的像素分為四類;真正類 TP,假正類FP,真負(fù)類TN,假負(fù)類FN; 步驟二引入像素空間信息,通過距離變換函數(shù),獲得參考圖像中每個(gè)像素到目標(biāo)邊界 的距離,W此作為該像素的距離系數(shù),并分別找到目標(biāo)區(qū)域內(nèi)像素和背景區(qū)域內(nèi)像素到目 標(biāo)邊界的最大距離; 步驟=,分別計(jì)算目標(biāo)區(qū)域和背景區(qū)域內(nèi)像素到目標(biāo)邊界的最大距離與相應(yīng)區(qū)域內(nèi)每 個(gè)像素的距離系數(shù)之間的差值,該差值作為相應(yīng)像素的權(quán)值; 步驟四,根據(jù)每個(gè)像素的權(quán)值計(jì)算出加權(quán)真正率wTPR和加權(quán)假正率wFPR,并在ROCGraph中描出點(diǎn)(wFPR,wTPR); 步驟五,在ROCGra地中,通過計(jì)算點(diǎn)(wFPR,wTPR)到點(diǎn)化1)的距離為分割圖像打分, 距離越小,則分割圖像所得分?jǐn)?shù)越高,即待評(píng)價(jià)分割圖像的分割效果越好。
2. 根據(jù)權(quán)利要求1所述的一種基于R0CGra地的圖像分割質(zhì)量評(píng)價(jià)方法,其特征在于, 步驟一所述的待評(píng)價(jià)分割圖像中,像素的分類方式為: -對(duì)于分割圖像中目標(biāo)區(qū)域的任一像素 若參考圖像中與其對(duì)應(yīng)的像素同樣為目標(biāo)區(qū)域像素,則該像素為真正類訂巧像素;否 貝1J,該像素為假正類(F巧像素; -對(duì)于分割圖像中背景區(qū)域的任一像素 若參考圖像中與其對(duì)應(yīng)的像素同樣為背景區(qū)域像素,則該像素為真負(fù)類訂腳像素;否 貝1J,該像素為假負(fù)類(FN)像素。
3. 根據(jù)權(quán)利要求1所述的一種基于R0CGra地的圖像分割質(zhì)量評(píng)價(jià)方法,其特征在于, 在步驟二中,參考圖像內(nèi)每個(gè)像素到目標(biāo)邊界的距離通過距離變換得到,距離變換函數(shù)具 有如下形式:
其中,D"(p)表示目標(biāo)區(qū)域中像素P到目標(biāo)邊界的最短距離,即像素P的距離系數(shù);Db(q)表示背景區(qū)域中像素q到目標(biāo)邊界的最短距離,即像素q的距離系數(shù);Ib表示二值圖 像I的背景部分,I。表示二值圖像I的目標(biāo)部分,d(x,y)表示X到y(tǒng)的曼哈頓距離,f( □) 表示像素"□"的灰度值。
4. 根據(jù)權(quán)利要求1所述的一種基于R0CGra地的圖像分割質(zhì)量評(píng)價(jià)方法,其特征在于, 在步驟S中,待評(píng)價(jià)分割圖像I中任一像素xu(l《i《M,1《j《腳的權(quán)值通過W下方 式得到:
5. 根據(jù)權(quán)利要求1所述的一種基于ROCGra地的圖像分割質(zhì)量評(píng)價(jià)方法,其特征在于, 在步驟四中,分別計(jì)算四類像素(TP,F(xiàn)P,TN,F(xiàn)N)的權(quán)值和,計(jì)算方法如下:
6. 根據(jù)權(quán)利要求1所述的一種基于R0CGra地的圖像分割質(zhì)量評(píng)價(jià)方法,其特征在于, 在步驟五中,R0CGraph內(nèi)點(diǎn)a(X,y)到點(diǎn)P(0, 1)的距離計(jì)算如下:
其中,評(píng)分S越大,表明待評(píng)價(jià)圖像的分割結(jié)果越好。
【專利摘要】本發(fā)明提出了一種基于ROC Graph的圖像分割質(zhì)量評(píng)價(jià)方法,該方法包括以下幾個(gè)步驟:第一,通過與參考分割圖像作對(duì)比,將待評(píng)價(jià)分割圖像中的像素分為四類,第二,引入像素空間信息,對(duì)參考圖像中的像素進(jìn)行距離變換,計(jì)算每個(gè)像素到目標(biāo)邊界的距離;第三,根據(jù)參考圖像中每個(gè)像素的距離系數(shù),賦予分割圖像中相應(yīng)位置的像素一個(gè)權(quán)值;第四,利用權(quán)值計(jì)算出加權(quán)真正率wTPR和加權(quán)假正率wFPR,并在ROCGraph中描出點(diǎn)(wFPR,wTPR);第五,根據(jù)ROC Graph中(wFPR,wTPR)點(diǎn)到(0,1)點(diǎn)的距離,為分割圖像打分,分?jǐn)?shù)越高,表明待評(píng)價(jià)圖像的分割效果越好。本發(fā)明所述方法能夠有效地對(duì)分割圖像的質(zhì)量好壞做出評(píng)價(jià),而且評(píng)價(jià)結(jié)果更為合理、直觀,與人類視覺的主觀評(píng)價(jià)結(jié)果一致。
【IPC分類】G06T7-00
【公開號(hào)】CN104794714
【申請(qǐng)?zhí)枴緾N201510183962
【發(fā)明人】陳海鵬, 申鉉京, 馮云叢, 呂穎達(dá), 劉翔, 方政
【申請(qǐng)人】吉林大學(xué)
【公開日】2015年7月22日
【申請(qǐng)日】2015年4月18日