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