[发明专利]基于像素确定性度的对象分割视觉质量评分方法

权利要求书

1.一种基于像素确定性度的对象分割视觉质量评分方法，其特征在于，步骤如下：

步骤1、通过相机采集照片作为目标图像，对目标图像分别进行人工分割和机器分割，确定人工分割结果和机器分割结果，并将分割结果分别转换为二值图像，识别两种分割结果各自的白像素点和黑像素点，求出白像素点的交集和并集；

步骤2、根据每个白像素点的确定性度分配不同的权重，对匹配像素点加权求和，求得匹配像素分数score1，具体如下：

步骤2-1、根据每个白像素点i的确定性度C(i)，为其分配一个权值W_TP：

W_TP(i)＝-log₂C(i) 其中，i∈TP (1)

其中D(i)是i到真值边界的最短距离，σ为指数函数的带宽；

步骤2-2、对所有匹配像素点加权求和，求得匹配像素分数score1：

score1＝∑_i∈TPW_TP(i) (3)

步骤3、人工分割结果与机器分割结果的白像素点并集包括匹配像素点集合和不匹配像素点集合，将不匹配像素点集合分为四种不同错误类型，根据不匹配像素点集合中每个白像素点的确定性度分配不同权重求和，得到不匹配像素分数score2，具体如下：

步骤3-1、人工分割结果与机器分割结果的白像素点并集包括匹配像素点集合和不匹配像素点集合，匹配像素点集合即交集TP，匹配像素分数score1，将不匹配像素点集合分为四种不同错误类型，转入步骤3-2；

步骤3-2、以人工分割结果作为参考结果，将参考结果中的白像素点个数记为G，转入步骤3-3；

步骤3-3、将机器分割结果与人工分割结果进行对比，判断是否存在多出区域或缺少区域：

若机器分割结果比人工分割参考结果多出区域，则多出区域的像素点集合记为T：

T＝abs(U-G) (4)

转入步骤3-4；

若机器分割结果比人工分割参考结果缺少区域，则缺少区域的像素点集合记为F：

F＝abs(TP-G) (5)

转入步骤3-6；

步骤3-4、在多出区域的像素点集合T中，与真值边界最短距离为1的像素点j的集合即是添加背景AB，根据添加背景AB的确定性度，为其分配一个权值W_AB：

W_AB(j)＝1+log₂C(j)其中，j∈AB (6)

计算得到添加背景AB的不匹配像素分数score2_AB：

score2_AB＝∑_j∈ABW_AB(j) (7)

转入步骤3-5；

步骤3-5、在多出区域的像素点集合T中，遍历像素点，与真值边界最短距离不为1的像素点的集合即是添加区域AR，根据添加区域AR的确定性度，为其分配一个权值W_AR＝1，计算得到添加区域AR的不匹配像素分数score2_AR：

score2_AR＝A(AR) (8)

其中A(AR)为添加区域AR的面积，转入步骤3-8；

步骤3-6、在缺少区域的像素点集合F中，遍历像素点，与真值边界相连通的像素点k的集合即是边界孔BH，根据边界孔BH的确定性度，为其分配一个权值W_BH：

W_BH(k)＝1+log₂C(k) 其中，k∈BH (9)

计算得到边界孔BH的不匹配像素分数score2_BH：

score2_BH＝Σ_j∈BHW_BH(k) (10)

转入步骤3-7；

步骤3-7、在缺少区域的像素点集合F中，遍历像素点，与真值边界不连通的像素点k的集合即是内孔IH，根据内孔IH的确定性度，为其分配一个权值W_IH＝1，计算得到内孔IH的不匹配像素分数score2_IH：

score2_IH＝A(IH) (11)

转入步骤3-8；

步骤3-8计算不匹配像素分数score2：

score2＝score2_AB+score2_BH+score2_AR+score2_IH

＝∑_j∈ABW_AB(j)+Σ_j∈BHW_BH(k)+A(AR)+A(IH) (12)

步骤4、根据匹配像素分数score1与不匹配像素分数score2，求得最后得分score，用于评价机器分割图像的质量。