一种基于组合指标的图像分割结果定量评价方法
【专利摘要】本发明公开了一种基于组合指标的图像分割结果定量评价方法，包括：选择与待评测分割结果的图像所属类别相同的多张图片，将这些图片进行分割，得到分割结果集；对上述分割结果集进行人工主观评价，获取各分割结果的主观评价结果，得到主观评价集；对上述分割结果集进行多指标客观评价，计算各分割结果的客观评价指标值，得到客观评价集；用客观评价集作为分类器的输入，主观评价集作为输出，训练得到经过训练的分类器；计算待评测图像分割结果的客观评价指标值；将客观评价指标值输入经过训练的分类器中，得到评价结果。通过本发明方法可得到代表该领域工作者评判标准的图像分割评价结果，减少了成本和评价周期，且更加方便、普适、易于实施。
【专利说明】一种基于组合指标的图像分割结果定量评价方法
【技术领域】
[0001]本发明属于计算机技术和图像处理的交叉【技术领域】，更具体地，涉及一种基于组合指标的图像分割结果定量评价方法。
【背景技术】
[0002]在图像分割技术的研究和应用中，需比较不同分割算法的分割质量，或是比较同一算法不同参数设置情况时的分割质量，在考虑不同类别图像(如医学图像、自然图像、SAR图像等)时，用同一参数设置的同一分割算法的分割效果是否相同也需考察。解决以上问题都牵涉到对分割结果进行评价的研究。
[0003]目前的图像分割结果评价方法分为主观评价和客观评价，客观评价可细分为优度法和差异法。
[0004]图像分割结果主观评价方法以人类视觉效果作为评判标准，让观察者根据事先规定的应用要求或者自身经验，对测试图像的分割结果进行评价。评价过程中要求有多位观察者参与，并综合考虑所有观察者的观察结果。在具体实施过程中，应选择一定数量的领域内的专业人士 (如涉及医学图像时，应让有经验的医生作为评价人员)对分割结果进行绝对评价或相对评价，最后进行综合。其中，绝对评价是指让观察者对分割结果逐个进行打分，而相对评价是指让观察者将分割结果进行比较，从而得出较好和较坏的分类。
[0005]目前，由图像分割结果的主观评价方法所得到的评价结果往往作为评价图像分割结果时的金标准使用。其优点在于，结合多名领域内专业人士的综合评价结果，可以被认为代表了该领域工作者对图像分割结果的一般性要求，即在此种方法下得到较高评价的分割结果就更有利于该领域其他方面工作的进行(如当临床医生认为一幅医学图像分割较好时，则此分割结果更方便他对病情的诊断)。此方法的主要缺点是可重复性不好，会出现组间差异和组内差异，即不同观察者的评判结果会有不同，同一观察者在不同时间的评判结果也会有不同，此缺点虽可通过选取大量观察者等手段在一定程度上减轻，但此方法的原理使其不可排除。另外，此方法还存在费用较高、实施周期长等缺点。
[0006]图像分割结果客观评价方法充分借助理论分析及科学计算对分割结果进行定量评价，摆脱人为主观因素对评价过程的束缚，评价结果客观、稳定，是图像分割结果评价方法的研究趋势。如图1所示，客观评价方法可分为差异法和优度法。差异法，也称相对评价法，通过比较分割算法实际分割图像与参考分割图像(即金标准图像)，达到评价图像分割结果质量的目的。现已研究出一系列差异法评价指标(如各种基于面积测度或距离测度的指标)，在图像分割结果评价过程中被广泛使用。优度法，也称独立评价法，摆脱了对参考图像的依赖，通过考察分割结果图像自身的性质(如形态特性、纹理特性等)来进行评价。
[0007]客观评价方法的主要优势在于其稳定性、方便性、廉价性。而其缺点为，因各领域对图像分割结果的要求通常是多方面的，故图像分割的好坏程度很难通过单一指标进行判断，在实际应用中，研究人员需先计算出图像分割结果的多个客观指标的值，然后将这些值进行综合考虑后得到最终的评价结果，但综合考虑的过程将引入人为的主观因素，破坏该评价方法的客观性。
[0008]为解决客观评价指标的片面性，近几年有研究者着手于所谓“图像分割结果客观评价模型”的研究，希望提出一个综合了多种客观评价指标的模型，用这个模型的输出作为最终评价结果以代替人为考虑过程。但此种研究思路同样存在弊端。一方面，在模型的设计过程中，不可避免地将引入人为的参考因素，使方法本身无法做到完全客观；另一方面，由于不同领域对图像分割结果的要求不同，而即使是在同一领域，面对不同类别图片(如在医学领域的颈动脉横切图片和颈动脉纵切图片)时对分割结果的要求也会有不同，故在这些情况下都要对模型进行分别设计，降低了方法的适用性、使用效率，增加了应用时的难度。
[0009]综上，由于目前客观评价方法发展尚不成熟，不能十分有效地对图像分割结果作出合适的评价，而主观评价方法虽存在众多不足，但因其结果完全可被使用者所接受，故仍然在广泛的领域内被作为金标准方法进行使用，而客观评价方法因其优点突出，是未来图像分割评价研究的趋势。
【发明内容】
[0010]本发明提出了一种基于组合指标的图像分割结果定量评价方法，以此方法得到的评价结果可以代表被分割图片所在领域研究者对分割结果的要求，且具有稳定性、方便性、廉价性，应用范围广。
[0011]为实现上述目的，本发明提供了一种基于组合指标的图像分割结果定量评价方法，包括以下步骤:
[0012]步骤1，选择与待评测分割结果的图像所属类别相同的多张图片，用一种或多种分割方法将这些图片进行分割，得到分割结果集；
[0013]步骤2，对上述分割结果集进行人工主观评价，获取各分割结果的主观评价结果，得到主观评价集；
[0014]步骤3，对上述分割结果集进行多指标客观评价，计算各分割结果的客观评价指标值，得到客观评价集；
[0015]步骤4，用客观评价集作为分类器的输入，主观评价集作为分类器的输出，训练分类器得到经过训练的分类器；
[0016]步骤5，计算待评测图像分割结果的客观评价指标值；
[0017]步骤6，将待评测图像分割结果的客观评价指标值输入经过训练的分类器中，得到评价结果。
[0018]优选地，所述步骤3和步骤5中计算分割结果的客观评价指标值具体包括5种优度指标和10种差异指标,其中:
[0019]5种优度指标分别为:
[0020]灰度对比度
【权利要求】
1.一种基于组合指标的图像分割结果定量评价方法，其特征在于，所述方法包括以下步骤: 步骤1，选择与待评测分割结果的图像所属类别相同的多张图片，用一种或多种分割方法将这些图片进行分割，得到分割结果集； 步骤2，对上述分割结果集进行人工主观评价，获取各分割结果的主观评价结果，得到主观评价集； 步骤3，对上述分割结果集进行多指标客观评价，计算各分割结果的客观评价指标值，得到客观评价集； 步骤4，用客观评价集作为分类器的输入，主观评价集作为分类器的输出，训练分类器得到经过训练的分类器； 步骤5，计算待评测图像分割结果的客观评价指标值； 步骤6，将待评测图像分割结果的客观评价指标值输入经过训练的分类器中，得到评价结果。
2.如权利要求1所述的方法，其特征在于，所述步骤3和步骤5中计算分割结果的客观评价指标值具体包括5种优度指标和10种差异指标，其中: 5种优度指标分别为: 灰度对比度:
3.如权利要求1或2所述的方法，其特征在于，所述分类器为BP神经网络或者支持向量机。
4.如权利要求1至3任一项所述的方法，其特征在于，所述步骤I具体为:选择与待评测分割结果的图像所属类别相同的多张图片，用一种或多种分割方法将这些图片进行分害IJ，得到多个分割结果，将这些分割结果进行筛选，使好的分割结果和坏的分割结果在数量上基本分布均匀，得到该类别图片的分割结果集。
5.如权利要求4所述的方法，其特征在于，所述步骤2具体为:对步骤I中得到的分割结果集中的各个分割结果进行多个人工主观评价，将每个分割结果的多个人工主观评价结果进行综合得到与该分割结果集对应的主观评价集。
6.如权利要求5所述的方法，其特征在于，所述人工主观评价采用打分方法。
【文档编号】G06K9/66GK103871054SQ201410068091
【公开日】2014年6月18日 申请日期:2014年2月27日 优先权日:2014年2月27日
【发明者】丁明跃, 方梦捷, 吴开志 申请人:华中科技大学