图像分割性能评价

采用$\huge{定量}$的方式计算分割结果图像的性能指标，并以此评价分割的效果，具有客观、可重复等优点。

根据是否需要理想分割的参考结果图像，可将评价方法分为两类：

• 无监督评价法。通过分割结果图像的$\huge{质量参数}$来评价相应的分割算法。
• 有监督评价法。将算法分割结果图像$\huge{与理想分割}$的参考图像进行$\huge{对比}$。

1. 无监督评价法

无监督评价法通过直接计算分割结果图像的特征参数来评价分割效果，其优势在于不需要理想分割的参考图像。分割结果图像的特征参数又称为指标或者测度。

无监督评价的指标一般分为：

• 区域内一致性指标
• 区域间差异性指标
• 语义性指标

---

以下分别介绍：

---

1.1 区域内一致性指标

---

好的分割，其分割的区域内部的特征具有均匀性和一致性。区域内一致性指标主要基于图像的灰度、颜色、纹理、熵等信息。

---

1.1.1 使用最大对比度评价一致性

---

可通过计算最大对比度评价一个区域的均匀性。
对于一副图像$I$，假设分割后的二值图中有$R_1,R_2, \cdots, R_M$共$M$个区域，则第$k$个区域$R_k$的一致性$z_{ebk}$可以表示为：

$$z_{ebk}=\frac{1}{N_k}\sum_{\substack{i \in R_k \\ j \in W \left(i \right) \bigcap R_k}}\max \left( f_i - f_j \right)$$

其中，$N_k$为区域$R_k$的像素总数，$i$为 Rk