基于视觉感知的图像分割评价方法研究

Image segmentation is an important yet still challenging problem in computer vision and image processing. Evaluation of image segmentation quality has an essential impact on the theoretical and practical development of segmentation algorithms. However, now it still lacks of mature and complete evaluation framework of the segmentation quality evaluation. This project studies the evaluation problem from the view of visual perception. The goal is to develop new theory and methodologies for the task, and overcome the limitations and defects in the existing techniques. The study focuses on the natural images and includes two parts. The first one is the ground-truth based (supervised) evaluation, for which an image segmentation database will be constructed. The boundary/pixel based and region based evaluation methods will be studied, as well as the performance of these methods. The second one is the non-ground-truth based (unsupervised) evaluation, where we will put the effort on the representation of objects by relatively stable features from low-level boundary structures. Then on-line evaluation algorithms can be designed based on the pattern recognition and machine learning techniques.This project will contribute to the segmetnation quality evaluation with theory, methodology and algorithms. Moreover, it can improve the objective evalation framework and at the same time boost the development and applications of segmentaiton techniques.

图像分割是计算机视觉和图像处理领域中一个重要且具挑战性的研究问题。图像分割质量的评价对分割算法的理论发展和实际应用都有重要的影响，然而目前还缺乏成熟完善的图像分割质量评价体系。本项目从视觉感知的角度出发对图像分割质量进行评价，目的是构建图像分割质量评价的新理论和方法，弥补现有统计学等计算方法在该领域能力的不足。研究内容以自然图像的分割结果为对象从两个方面展开：1. 基于参考分割（有监督）的质量评价，建立包含多个参考分割的图像数据库，设计基于边界/像素点和区域的评价方法，讨论分析这些方法在评价中的性能表现。2. 无参考分割的质量评价，研究统计学意义下具有较稳定属性特征的低层边界结构对图像目标的表达能力，通过模式识别和机器学习方法设计在线评价算法。本项目研究将为图像分割质量客观评价提供理论、方法和算法，并完善现有的图像分割质量客观评价体系，进一步促进图像分割技术的应用和发展。

图像分割是计算机视觉和图像处理领域中一个重要且具挑战性的研究问题。图像分割质量的评价是对图像分割算法得到的分割结果进行定量判断，从而进行结果的选择、算法参数调整、算法的改进等，它对分割算法的理论发展和实际应用都有重要的影响。近年来，国内外在该领域的研究还缺乏成熟完善的图像分割质量评价体系。从视觉感知的角度出发对图像分割质量进行评价，构建图像分割质量评价的新理论和方法，弥补现有统计学等计算方法在该领域能力的不足。建立了包含多个参考分割的图像分割数据库，对图像分割的多样性实现了较完整的表达。建立了人为分割质量评价数据库，搜集了基于多种图像分割算法的分割质量二值化比较的结果。设计了可视化在线评价数据搜集平台，辅助主观评价数据库的建立。提出了基于概率的分割质量评价算法，用概率指标对分割质量的相似性进行度量。提出了基于图像区域的评价算法，自适应地选择参考分割区域，提出了快速评价方法。提出了基于合成参考分割的评价方法，从人的视觉感知习惯出发，自适应地评价图像分割质量。对提出的算法利用公共数据集和新构建的数据集进行了主观和客观评价实验，验证了其具有高效性。建立了协同分割评价算法体系，分别实现了有监督和无监督分割质量评价，利用现有多种评价方法和统计学意义下具有较稳定属性特征，通过机器学习方法实现二值评价。为图像分割质量客观评价提供新的算法，完善了现有的图像分割质量客观评价体系，进一步有利于图像分割技术的应用和发展。