[發明專利]一種針對圖像分割質量的評分方法

有效

• 申請號: 202010549866.3
• 申請日: 2020-06-16
• 公開（公告）號: CN111784702B
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 周品鐸;楊欣悅;陸庭旺;史冉
• 申請（專利權）人: 南京理工大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/62;G06T7/136
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱沉雁

本發明公開了一種針對圖像分割質量的評分方法，旨在自動對分割后的圖像進行一系列直觀評價并且能夠符合人類的主觀質量評估，既能夠保證對象分割評價算法的準確性，也提高算法的效率，使機器分割結果能夠通過本發明得到快速高效的評價結果。本發明通過增加客觀評分規則，對機器分割結果通過客觀算法給出貼近主觀正確的評分，能夠適用于更多場景的圖像處理場合。同時采用更為合適的函數和算法，解決了以往存在的個體差異化的問題。

技術領域

本發明屬于圖像處理技術，具體涉及一種針對圖像分割質量的評分方法。

背景技術

現如今圖像分割技術所應用的場景越來越多，我們平時工作與生活都離不開這個技術。一些不同的應用程序場景有自己的分割質量要求。對于某些應用，例如作為圖像編輯程序，對象分割質量直接影響他們的在視覺質量方面的最佳表現，也就是這款程序是否能受到人們喜愛的直接因素，直接影響其生存狀態。

當我們在用一個算法對一幅圖像進行分割之后，總會面臨這樣一個問題，分割的結果到底好不好。雖然用眼睛可以看出好壞，但這只是主觀的好壞，如何量化的對分割的結果進行評價呢。目前最值得認可的是用于評估對象分割質量的可靠方法是主觀質量評估。但是，它的可行性不高，因為主觀評價既費時又麻煩。因此，對設計目標有很大的需求的可以采用自動評估細分質量的指標，也就是說當圖片分割完成之后我們需要用機器語言對其進行評價，并給出得分從而能夠直觀地得出圖片的分割質量。

客觀對象分割度量通常分為兩類：基于區域分割的度量和基于邊緣分割的度量。對于前一種度量我們有了兩個重要的指標。Jaccard index，，又稱為Jaccard相似系數(Jaccard similarity coefficient)用于比較有限樣本集之間的相似性與差異性，在將要進行的研究中可以理解為對相似性的一種度量。Jaccard系數值越大，樣本相似度越高。另外一個參數指標F1分數(F1 Score)，是統計學中用來衡量二分類模型精確度的一種指標。它同時兼顧了分類模型的精確率和召回率。F1-Score可以看作是模型精確率和召回率的一種加權平均，它的最大值是1，最小值是0。也就是說F1分數將它們與相等的權重相結合，以評估整體分割質量。

對于基于邊緣的分割則主要有基于點的檢測、基于線的檢測以及基于邊緣檢測等幾種方法。在這里引入了Hausdorff，它是描述兩組點集之間相似程度的一種量度。CSURKA等人在地面真值邊界周圍引入了公差帶，其寬度與圖像大小相適應，其寬度適應圖像尺寸。因為在公差帶內可以忽略誤差，所以可對其尺寸進行調整。最后，使用基于邊緣分割度量的F1-Score來評估質量。

發明內容

本發明目的在于提供一種針對圖像分割質量的評分方法，克服了現有傳統方法忽略了一些特殊分割圖像所造成的評價不符合人的主觀評價的問題。

實現本發明目的的技術解決方案為：一種針對圖像分割質量的評分方法，步驟如下：

步驟1、對待評分圖像的背景與對象分別進行人工分割和機器分割，確定人工分割結果和機器分割結果并識別其中的白像素點和黑像素點，利用像素點的交并集得到基礎分P；

步驟2、根據分割結果中的白像素點，確定分類錯誤區域，利用分類錯誤區域的像素點數與分類錯誤區域外切橢圓面積作比，求得加分項point1；

步驟3、比較交集與人工分割參考結果的白像素點，以此進行計算減分結果；同時考慮計算減分結果情況會分為兩種情況，交集與參考結果的白像素點相等與不相等，將機器分割結果進行比較后進行減分計算，綜合為減分項point2；

步驟4、根據基礎分、加分項和減分項，求取最終的總分，即代表機器分割結果的質量。

本發明與現有技術相比，其顯著優點在于：

(1)考慮人主觀對多出與缺失部分不同的容忍度，在現有技術的基礎評分交并集比值基礎上分別增加了對多出和缺失部分進行計算的加分項和減分項。