图像分割中常用的评价标准

2018-12-19  本文已影响159人  张王李刘赵孙杨

在三维图像分割以及二维图像分割中，可能使用到的评价方法略有不同，但是总体上来说都可以分为基于面积或者基于轮廓的两种评价方式。

MICCAI 中给出三维图像分割的五种评价指标如下[1]：

基于面积

Volumetric Overlap Error (VOE[%])

VOE(R, G) = (1 - \frac{|R\cap G|}{|R \cup G|}) \cdot 100\%

Relative Volume Difference (VD[%])

VD(R, G) = \frac{|R| - |G|}{|G|} \cdot 100 \%

基于表面

Average Symmetric Surface Distance(AvgD)

平均对称表面距离。三维体积的surface(表面)定义如下：对于一个体素，如果在其18邻域范围内至少有一个像素不是物体，则认为该体素为体积的surface(表面)[2]。设R和G分别是分割图像和金标准，S(R)和S(G)分别表示R和G的表面体素的集合，则S(R)上的任意一点v到S(G)上的距离定义为v到S(G)上所有点的欧氏距离的最小值，用公式表示为：d(v, S(R) = \min_{S_R \in S(R)} (\| v - S_R\|).

平均对称表面距离的定义如下：

AvgD(R, G) = \frac{1}{|S(R)| + |S(G)|} \times \left( \sum_{S_R \in S(R)}{d(S_R, S(G))} + \sum_{S_G \in S(G)}{d(S_G, S(R))}\right)

Root Mean Square Symmetric Surface Distance(RMSD)

当上述距离使用平方的欧式距离表达时，对应有RMSD，其定义方式如下：

RMSD(R,G)=\sqrt{\frac{1}{\left|S(R)\right| + \left| S(G) \right|}} \cdot \sqrt{ \sum_{S_R \in S(R)}{d^2(S_R, S(G))} + \sum_{S_G \in S(G)}{d^2(S_G, S(R))} }

Maximum Symmetric Distance(MaxD)

MaxD(R,G)=\max{\{ \max_{S_R\in S(R)}{d(S_R, S(G)}, \max_{S_G \in S(G)}{d(S_G, S(R))}\}}

上一篇下一篇

猜你喜欢

热点阅读