数字图像分割的评价的分析介绍

到目前为止，尽管研究者们在图像分割方面已经做了许多研究工作，但由于尚无通用的分割理论，现已提出的算法大多是针对具体问题的，并没有一种适合于所有图像的通用分割算法。同时，对图像分割质量的客观评价也是该领域的重要问题，它是改进和提高现有算法的性能、改善分割质量和指导新算法研究的重要手段。若仅以人的主观判断作为标准评价一幅图像的分割结果，也就是仅考虑图像分割结果的视觉效果，由于不同人的视觉差异、观察习惯和经验等会导致评价的不统一，所以对不同分割方法的结果进行定量、客观的评价是非常必要的。

图像分割质量评价的目的主要有两个：一是研究算法在不同分割情况中的表现，掌握如何选择和修正其参数以适应特定的分割任务；二是分析比较多个分割算法在面对同一分割任务时的优劣程度以选取合适的算法。一般来讲，对图像分割质量评价方法的基本要求是：应具有通用性，适于评价不同类型的分割算法并且适合各种应用领域；应采用定量和客观的性能评价准则；应选取通用的图像进行测试，以使评价结果具有可比性，图像应尽可能反映客观世界的真实情况和实际应用的共同特点。

图像分割质量的评价方法所受到关注要远远落后于对分割算法本身的研究。1977年Yasnoff等率先提出了错误分类百分比和像素距离误差两个测度来评价图像分割算法。1986年Canny从图像的边缘检测角度，提出了三个最优边缘检测准则。1996年章毓晋对前人的大量工作进行了总结，将评价方法归结为直接法（分析法）和间接法（实验法）两类。

1.直接法（或分析法）

直接法是直接对算法的原理及性能进行分析，研究图像分割所用的算法本身，通过分析它的原理、性质、特点，从而推断和评判算法的优劣。

2.间接法（或实验法）(www.xing528.com)

间接法是研究输出分割图的质量，或由输入图得到的参考图与输出图之间的差别，通过归纳总结得到分割算法的性能。实验法又可进一步分为两种：一种是优度实验法，即采用一些优度参数描述已分割图的特征，然后根据优度值来判定分割算法的性能；另一种是差异实验法，即先确定理想的或期望的参考图，然后比较分割图与参考图，根据它们的差别来判定分割算法的优劣。

这两种方法之间的相互关系如图3-53所示，两类方法实施的难易程度不同，分析法评判算法只对算法本身进行分析而并不需要实现算法本身，而实验法则需要实现算法，并对图像进行实际分割以得到输出分割图，有时还需获得参考图。分析法完全没有考虑算法的应用环境，评价结果只与算法本身有关。优度实验法将已分割图的某些期望性质量结合在优度参数中，从而与实际应用建立起联系。差异实验法采用由待分割图得到的参考图作为分割的标准，已充分考虑了特定的应用。

图3-53　图像分割评价方法分类

关于图像分割方法的评价，人们已经先后提出了几十个评价测度，即衡量算法性能优劣的各种数学指标，其中定量测度主要包括区域间对比度、区域内部均匀性、形状测度、目标计数一致性、像素距离误差、像素数量误差、最终测量精度、模糊测度等。

评价的目的是为了指导、改进和提高图像分割质量，如何把评价和分割应用联系起来是未来的主要研究方向。例如可以结合人工智能技术，建立分割专家系统，以有效地利用评价结果进行归纳推理，从而把图像的分割由目前比较盲目的试验阶段推进到系统实现阶段。