許凱倫
最直截了當的做法是找一些人來評價圖像圖像的分割效果，將他們給出的主觀評價平均一下。當然，某些場景下，這種做法可能行不通，最典型的例子是實時圖像分割，沒有機會找人進行主觀評價。這時就需要無監督圖像分割評估方法。
無監督圖像分割評估的基本思路是，基於區域的統計特徵進行評估。
（圖片來源：www.researchgate.net/publication/257365161）
最容易想到統計特徵就是方差。
也就是說，同一區域內部的像素灰度方差應該呈現出均勻性（uniformity），比如，
Cocquerez和Devars提出的區域同質性衡量方法：
相應地，不同區域之間的像素灰度則對比（contrast）強烈，比如，Levine和Nazif提出的公式：
上式中，N_R為區域數目，w_i為權重，l_ij為區域i和j分界的長度，l_i為區域i邊緣長度，m_i為區域i的平均灰度值。
Zéboudj將以上兩者結合，提出的評估方法最小化區域內的對比，最大化區域間的對比。
另外，良好的圖像分割不應當過碎，也就是說，評估指標裡需要加入某種正則化手段，懲罰大量細小的區域。比如Borsotti等提出的方法：
當然，其實我們不僅可以使用灰度，還可以使用顏色，乃至形狀、紋理等其他特徵。
分享到:
