基本信息
- 项目名称：
- 图像分割质量评价的二型模糊集方法
- 来源：
- 第十二届“挑战杯”省赛作品
- 小类：
- 数理
- 大类：
- 自然科学类学术论文
- 简介：
- 图像分割质量的评价是图像分割技术和算法研究的重要环节，在图像分析和计算机视觉中有着重要应用。本文依据二型模糊集在不精确性描述方面的独特优势，提出一种图像分割评判指标的二型模糊集表示方法，引入两种二型模糊集的模糊性度量作为图像分割质量的评判标准，构建图像分割质量评价模型。模拟实验验证了该模型的有效性和实用性。
- 详细介绍：
- 图像分割是图像工程中基本且重要的问题，是图像理解、机器视觉的关键技术。目前提出了各样的分割算法，但尚无一种适合各类图像的通用算法。因此，研究评价图像分割质量的客观标准成为图像分割研究领域的热点问题。图像本身因为照度不均匀、明暗差别大以及目标与背景之间存在边缘模糊等不确定性问题，导致了对图像分割结果进行客观评价的难度。现有图像分割评价方法分为有监督和无监督法。前者融入了人为因素，缺乏客观性和一般性；后者大都采用单因素（单指标）评价准则，缺乏全面性，现有采用多因素评价准则时，需引入一些权重参数，这就不可避免地带有主观性。 模糊集概念可以以精确的方式处理具有不精确性的问题。二型模糊集表示相对于传统模糊集能更精确、更客观描述对象。采用二型模糊集描述图像分割结果的评价指标，利用二型模糊集的模糊性度量对图像分割结果进行量化评价，构建图像分割质量的评判模型是有意义的。
作品专业信息
撰写目的和基本思路
- 目的：利用二型模糊集对图像分割结果进行评价。 基本思路：利用二型模糊集表示图像分割的结果，并通过二型模糊集的模糊性度量得到分割结果的量化值，然后，对不同分割方法的分割结果进行客观评价。整个过程可以表示成“分析-择标-表示-计算-量化值”的过程。
科学性、先进性及独特之处
- 如何评价图像分割的好坏没有统一的标准。现有评价标准均带有一定的主观性，大多以人的视觉标准为依据，且一些无监督方法多采用单指标评价。因此找到一种可以任意选取评价标准，并可对分割结果进行量化得到最适合的图像分割方法，可以提高图像处理及分析的质量和效率。模糊集能处理具有不确定性问题的系统评价，二型模糊集又可从两个方面表示出隶属度值，具有更高的准确性。故本方法具有较高的合理性及较好的应用前景。
应用价值和现实意义
- 图像分割技术在航空航天、生物医学、目标检测、模式识别等各个领域都有十分广泛的应用。图像分割方法种类虽然很多，但到目前为止，评价图像分割结果的好坏仍然没有一个统一的标准。若有一个客观综合的评价方法，在进行图像处理时，就可以根据图像特点及处理目的有针对性的选取评价标准，对各种分割方法进行客观量化值比较，选取最适合的图像分割方法，这对于提高图像分析质量及图像理解效率具有十分重要的意义。
学术论文摘要
- 图像分割质量的评价是图像分割技术和算法研究的重要环节，在图像分析和计算机视觉中有着重要应用。本文依据二型模糊集在不精确性描述方面的独特优势，提出一种图像分割评判指标的二型模糊集表示方法，引入两种二型模糊集的模糊性度量作为图像分割质量的评判标准，构建图像分割质量评价模型。模拟实验验证了该模型的有效性和实用性。
获奖情况
- 核心期刊《计算机工程与应用》录用 哈尔滨工程大学“五四杯”三等奖
鉴定结果
- 选题具有一定的实际应用价值，方法比较新颖。文章行文思路比较流畅，结构层次比较清楚。
参考文献
- [1]Zadeh.LA．The concept of a linguistic variable and its application to approximate reasoning[J]．Information Sciences，1975，8：199-249．[2]罗西平，田捷，诸葛英等．图像分割方法综述[J]．模式识别与人工智能，1999，12(3)：300-312.[3]Probabilistic multistage image segmentation [J]．IEEE Trans on Pattern Analysis and Machine Intelligence，1997，12(2)：109-120．[4]Legault R，Suen CY．Optimal local weighted averaging methods in contour smoothing [J]．IEEE Trans on Pattern Analysis and Machine Intelligence，1997，19：801-817．[5]Serra J．A lattice approach to image segmentation [J]. Journal of Mathematical Imaging and Vision，2006，24：83-130．[6]Zhang H，Fritts JE，Goldman SA．Image segmentation evaluation：A survey of unsupervised methods [J]. Computer Vision and Image Understanding，2008，110：260-280．[7]Zhang YJ．A survey on evaluation methods for image segmentation[J]．Pattern Recognition，1996，29：1335-1346．
同类课题研究水平概述
- 现有图像分割评价方法分为有监督和无监督法。前者融入了人为因素，缺乏客观性和一般性；后者大都采用单因素（单指标）评价准则，缺乏全面性，现有采用多因素评价准则时，需引入一些权重参数，这就不可避免地带有主观性。关于二型模糊集的研究也有很多，如利用二型模糊集的模糊度进行阈值分割，但将其作为图像评价表示模型还是空白。
