Технические науки / 11. Робототехника

К.т.н. Колдаев В.Д.

Национальный исследовательский университет МИЭТ, Россия

Оценка качества алгоритмов сегментации изображений

Качество сегментации изображения может определяться статистическими, спектральными, яркостными характеристиками изображения. В большинстве практических применений качество рассматривается как мера близости двух изображений: реального и идеального или преобразованного и исходного. При таком подходе можно оценивать как субъективную степень похожести изображений, так и получать объективные оценки параметров сигналов изображения: моменты первого и второго порядка разностного сигнала сравниваемых изображений, такие параметры преобразования как отношение сигнал/шум, коэффициенты сжатия информации и другие.

Для проведения сравнительного анализа методов сегментации используются критерии, основанные на вычислении меры отличия между результатом сегментации, полученным с помощью алгоритма, и сегментом, построенным экспертом на основе визуального анализа изображения. Присутствие эксперта обуславливает возможность влияния человеческого фактора на результат сравнительного анализа [1]. Ниже приведены критерии оценки качества сегментации:

· показатель чрезмерной сегментации:

· показатель недостаточной сегментации:

· общая ошибка сегментации: MA= FPR + FNR ,

где S₁ – результат сегментации, полученный с помощью одного из методов сегментации; S₂ – построенный экспертом сегмент; – контур сегмента, полученный с помощью одного из методов сегментации; – построенный экспертом контур сегмента.

В результате сегментации возникают ошибки двух типов: на сегментированном изображении точка отмечена как контурная, а на идеальном контурном изображении она не относится к контуру; на сегментированном изображении точка не отмечена как контурная, но она является таковой на идеальном контурном изображении. Поэтому при оценке качества сегментации изображений выбрано два критерия: критерий, показывающий степень сходства сегментированного и идеального контурного изображений (FOM) и критерий, показывающий степень их отличия (RMS).

Критерий FOM соответствует эмпирическому расстоянию между идеальным контурным изображением, представленным в виде контуров f и контурами, полученными в результате сегментации g:

,

где – количество пикселей в множестве f; – количество пикселей в множестве g; d(i) – расстояние между i-м пикселем f и ближайшем к нему пикселем в g [2].

Критерий RMS представляет собой среднеквадратичную ошибку, определяемую выражением:

где f(x), g(x) – интенсивность пикселей x в f_i и g_i, X – множество пикселей на сегментируемом изображении.

Субъективные критерии – это критерии визуального восприятия, оцениваемые в процессе экспертизы некоторой группой наблюдателей (экспертов). Наибольшее распространение получил метод оценок, при котором наблюдатель оценивает качество изображения в баллах по определенной шкале, считая, что идеальное изображение имеет максимальный балл (табл.1).

Таблица 1. Шкалы субъективных оценок качества изображения

Нормализо- ванная	Пятибалльная		Семибалльная шкала ухудшения
	Шкала качества	Шкала ухудшения
1	5 (отлично)	5 (незаметно)	1 (незаметно)
0,875	–	–	2 (едва заметно)
0,75	4 (хорошо)	4 (заметно, но не мешает)	3 (лишь слегка ухудшает)
0,625	–	–	4 (ухудшает, но не мешает)
0,5	3 (удовлетвори- тельно)	3 (заметно, немного мешает)	5(несколько мешает)
0,25	2 (плохо)	2 (мешает)	6 (определенно мешает)
0	1 (очень плохо)	1 (сильно мешает)	7 (крайне мешает)

Средняя оценка определяется по формуле:

где N – общее число оценок; n_i – число оценок равных i баллам; r – количество видов разных оценок. Нормализованные оценки p выражают относительное качество в диапазоне [0;1]. При пятибалльной системе, когда g[1;5]: p=(g–1)/4, а средняя оценка вычисляется в соответствии с формулой:

Основываясь на психофизических свойствах наблюдателя, субъективные оценки позволяют характеризовать восприятие изображения. Ухудшение обратно пропорционально нормализованной оценке качества и изменяется от ∞ до 0 при изменении p от 0 до 1 в соответствии с формулой: I=1/p –1. Интегральный критерий качества формируется по обобщенной формуле:

где M – число параметров, по которым оценивается качество изображения; v – показатель степени. Значение показателя степени принимают значения (1; 0,78; 2).

Объективными критериями, используемыми при оценке качества изображений, являются критерии, позволяющие получить просто вычисляемую характеристику изображения разностного сигнала. К таким критериям относится, прежде всего, среднеквадратический критерий. По нему мерой различия двух изображений f(x,y) и f_пр(x,y) является среднеквадратическое значение разностного сигнала двух изображений. Для непрерывных изображений, заданных при x[0,N] и y[0,M], среднеквадратическое отклонение (СКО) вычисляется по формуле:

В некоторых случаях используется критерий максимальной ошибки, который позволяет установить значение максимальной ошибки преобразования:

Управление информацией в автоматизированных производственных системах связано с решением задач развивающихся моделей предметной области деятельности и нацелено на накопление и организацию обмена информационных ресурсов, а также выработку новых критериев оценки качества алгоритмов сегментации изображений.

Литература

1. Колдаев В.Д. Основы логического проектирования: учебное пособие [Текст] / В.Д. Колдаев. – М.: ИД «ФОРУМ» – ИНФРА-М, 2011. – 448 с.

2. Колдаев В.Д. Системный подход к анализу контурной сегментации изображений [Текст] / В.Д. Колдаев // Оборонный комплекс – научно-техническому прогрессу России: Межотраслевой научно-технический журнал. М.: ФГУП «ВИМИ», 2007. – Вып. 4. – С.60-63.