[发明专利]基于规则网格离散化目标分割区域的加权度量方法

说明书

本发明提供基于规则网格离散化目标分割区域的加权度量方法，属于计算机视觉图像语义分割领域，该方法利用特定尺度的网格，将人工感兴趣目标区域和分割方法预测区域分别切分成对应的局部区域，按照网格单元空间约束匹配两者的局部区域，运用评价函数判别有效预测区域并计算命中数量，进而实现目标级的召回率、准确率、交并比度量；同时，依据离散的人工标注局部区域与网格单元面积比，划分目标区域为语义稳定和变化区，增加评价维度；此外，通过引入加权策略，可针对性地调整区域影响因子，建立多样的性能反馈机制。

技术领域

本发明涉及计算机视觉图像语义分割领域，尤其涉及基于规则网格离散化目标分割区域的加权度量方法。

背景技术

计算机视觉图像语义分割任务的目标是自动预测数字图像中感兴趣的语义目标所覆盖的像素级区域，具体地通过分割预测模型逐一地识别图像空间中的所有像素的类别，类别一致的像素点聚合形成多个独立的封闭连通区域，即为预测的分割区域。平均召回率、准确率、交并比是衡量图像语义分割性能的通用指标。像素级的评价尺度，精确反馈感兴趣目标区域全局性的分割情况，在部分特定的图像语义分割场景任务，如城市街区的地面、遥感影像的道路、建设用地等大面积连通性强的语义目标，相同数值指标对特定尺度的目标区域分割不敏感，因此针对性地调节评价尺度，独立考察局部区域的分割情况，实现类似目标检测任务目标级的评价策略是重要的拓展手段。建立多样的评价方法，有利于更全面、有效的反馈不同分割模型的性能差异，进而积极影响分割模型的调优。

发明内容

本发明的目的在于提供基于规则网格离散化目标分割区域的加权度量方法，解决现有图像处理模型无法自动化性能评价的技术问题。

构建一个特定单元大小的规则网格，将人工标注的感兴趣的目标区域和图像语义分割方法预测的区域分别切分，离散化成各自的局部单元，此单元表示一个大尺度目标的局部实体。通过评估预测区域与人工标注区域在对应空间位置的局部单元有效命中的数量，并通过面积比加权，进而实现对分割性能的召回率、准确率、交并比度量。

为了实现上述目的，本发明采用的技术方案如下：

基于规则网格离散化目标分割区域的加权度量方法，所述方法包括如下步骤：

步骤1：获取人工标注的感兴趣目标区域和图像语义分割方法预测得到的目标区域；

步骤2：提取完整包含人工标注区域的矩形区域，设置网格单元的窗口宽高，并根据矩形参数，生成规则网格；

步骤3：运用步骤2生成的网格切分人工标注的目标区域和分割预测区域，分别形成对应的离散局部区域；

步骤4：将步骤3提取的目标局部区域，逐个按空间位置匹配分割预测的局部区域；

步骤5：计算局部离散化的人工标注区域面积与网格单元面积比值，依据比值分化出离散的主体区域和边界区域；

步骤6：引入加权函数，并根据步骤4面积比计算每个局部区域的权重；

步骤7：构建区域匹配评价函数，计算每个匹配区域的评价值；

步骤8：加入权重计算所有匹配区域带权的总评价值；

步骤9：计算加权的召回率、准确率、交并比，以及离散主体区域和边界区域的召回率。

进一步地，步骤1中具体过程为，灰度值标记单幅待评价的图像中人工标注的感兴趣区域S′和图像语义分割方法提取的预测区域S，以及对应的背景区域和