比较图像分割方法

信息处理 图像处理 计算机视觉 图像分割 测量
2022-01-05 03:43:26

我有一个与图像分割算法比较相关的问题。我想在第一步中比较两个算法结果。在另一个步骤中,我想将这两种算法的结果与一些真实的分割图像进行比较。不幸的是,我只得到了一些单一图像形式的地面实况数据结果。所以我无法将所有可能的图像和图像的一部分与这两种算法进行比较。

我在第 1 步的第一个想法是,我深入亚像素区域,查找相对于原始图像更精确的算法,并在没有地面实况数据的情况下进行讨论。我将采用差异持续存在的像素的差异。如果它太明显了,例如,如果一个算法完全失败,而另一个算法会自动获胜。

在我获得地面实况数据的第二种方法中,我将测量图像重要部分上每种算法的像素的绝对差异。

所以,我想知道的是:1)这是比较分割算法的正确方法吗?2)如何测量步骤 1 中的差异?我必须测量每个算法的所有部分吗?3) 什么是好的质量标准?是否有可能获得这两种算法的定量标准?4)我是否必须将每个算法的整个分段部分与地面实况数据进行比较才能获得绝对正确的结果?

如果有什么不清楚或表述不正确,请告诉我。感谢任何帮助、建议或反馈!提前谢谢你们。

真挚地

1个回答

通常为了比较分割算法,人们使用 NPR 索引。NPR 代表归一化概率兰德。

过度分割或分割不足的图像通常具有 NPR 的负值,而正确分割的图像将具有 NPR 指数的正值。

这种类型的比较通常用于拆分和合并类型的分割算法。

遵循本文和该小组的进一步出版物将是有利的。