Page 119 - Microsoft Word - Дисертація.docx
P. 119
119
2.5. Оцінка якості роботи алгоритмів сегментації.
Оскільки сегментація зазвичай використовується не самостійно, а
як частина деякої системи (наприклад, системи машинного зору), то з
практичного погляду, якість роботи методу оцінюється відповідно до
роботи системи в цілому. Тому один і той же метод сегментації може
виявитися хорошим для одного завдання і поганим для іншого. Для
грубої оцінки якості методу в конкретному завданні зазвичай фіксують
декілька властивостей, якими повинна володіти хороша сегментація.
Якість роботи методу оцінюється залежно від того, наскільки отримана
сегментація володіє цими властивостями. Найчастіше
використовуються такі властивості: однорідність областей
(однорідність кольору або текстури); несхожість сусідніх областей;
гладкість границі області; маленька кількість дрібних «дірок»
усередині області та ін. [120]. Також крім коректності виділення
шуканих об’єктів приймається до уваги і час роботи. Серед так званих
прямих оцінок якості сегментації зображення найбільш часто
використовуються наступні: похибка хибної класифікації - МЕ [47],
відносна похибка площі фону - RAE [48] та модифікована Хаусдорфова
відстань - MHD [121]. Згадані оцінки найбільш зручні для оцінки
бінаризації зображень.
За допомогою цих оцінок було протестовано роботу
запропонованого способу сегментації у порівнянні з відомим методом
Оцу [53], який до сьогодні являється найбільш цитованим у літературі.
Згадана похибка хибної класифікації ME визначається як кореляція між
зображеннями, одне з яких сегментоване за допомогою методу, а інше
сегментоване людиною. Вона відповідає частці точок фону хибно
віднесених до об’єкта і навпаки. Її можна виразити як:
