[发明专利]一种纹样图像分割算法评价方法

说明书

本发明涉及一种纹样图像分割算法评价方法，包括：收集传统纹样图像，使用图像标注工具对传统纹样图像中的多个目标进行像素级标注，通过标注生成原图对应的标签灰度图，形成数据集，并将数据集划分为训练集和验证集两部分；使用训练集训练分割模型，当损失函数收敛时停止，将验证集中传统纹样图像输入模型，获得对应的预测语义图；将分割模型所输出的图像与验证集中真实图像作对比，分别从准确率、均交并比、边缘一致性、交互复杂度等方面进行衡量，得到客观指标；综合上述客观指标，通过设置指标权重，获得能够综合评价纹样图像语义分割效果的单一指标。本发明可实现对纹样图像语义分割的评价，可以获得有效的评价结果。

技术领域

本发明涉及计算机图像处理技术领域，特别是涉及一种图像分割评价方法。

背景技术

用户对获得有意义的图案有迫切的需求，使用图像分割技术可以提取出图像中的目标。图像分割是计算机图像处理中最为基础和重要的领域之一，它是由图像处理到图像分析的关键步骤，是各种学者研究的热点之一。

图像分割是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，这些区域是具有一定含义的，同一区域内的像素具有某种相似的性质，比如颜色相似、语义相似。

当前传统纹样图像的分割过程中仍有诸多挑战，一方面纹样图案的载体广泛，比如服饰、壁画、瓷器等，得到的图像的纹理复杂，导致分割效果不佳；另一方面分割算法的鲁邦性较差，对传统纹样图像的分割质量参差不齐。现有的模型评价方法多都是从单一评价指标评价分割算法的性能，因而并不能很好地筛选出对传统纹样图案性能更好地分割算法。

发明内容

本发明的目的在于，克服现有分割评价方法的上述缺点，提供一种纹样图像分割算法评价方法。

本发明提供的传统纹样图像分割评价方法，其特征在于：包括以下步骤：

步骤1、收集若干传统纹样图像，人工对传统纹样图像中的实例对象进行标注并得到相应的标签灰度图，从而获得由传统纹样图像和对应标签灰度图组成的数据集；将所述数据集随机划分为训练集和验证集；

步骤2、使用训练集训练语义分割模型，设定语义分割模型的语义种类数量等于标签灰度图的标签种类数量n，直至能量函数收敛，训练结束；

步骤3、使用验证集中的图像对训练完成的语义分割模型进行验证：

3.1、计算图像预测的准确率PA

使用训练完成的语义分割模型对验证集中的传统纹样图像进行分割，获得预测语义图，并根据下式计算预测语义图的准确率

p_ij表示标签为i的类别被预测为标签j的像素数量，则p_ii表示标签为i的类别被预测为标签i的像素数量，即正确预测的数量，p_ji则表示标签为j的类别被预测为标签i的像素数量；

3.2、计算预测语义图的均交并比MIoU

根据预测语义图和对应的标签灰度图进行计算均交并比MIoU

3.3、计算预测语义图的边缘准确率EA；

获取预测语义图和标签灰度图的边缘轮廓，然后根据下式计算的预测语义图边缘准确率EA

E_ii表示边缘像素标签为i的类别被正确预测的像素数量，E_ij表示为边缘像素标签为i的类别被预测为标签j的像素数量

3.4、计算交互复杂度IA