今日，本小组成员王娥同学的综述论文《Image segmentation evaluation: A survey of methods》被国际知名期刊《Artificial Intelligence Review》接收并在线发表！

《Image segmentation evaluation: A survey of methods》对图像分割质量的评价指标进行了分类，依据是否评估分割方法本身将其分为直接评估和间接评估；依据评估是否需要实验或具体应用将其分为分析评估和经验评估；依据是否有标准参考图像将其分为监督评估和无监督评估。其中主要总结了监督评估和无监督评估两种类型指标。论文分类整理研究人员提出的各种图像分割评价指标，综述了分割评估指标在自然、医学和遥感图像评价中的应用，在每种不同类型图像的应用中又将其分为监督评估指标的应用和无监督评估指标的应用。同时还介绍了不同类型图像应该如何选择分割评估指标。之后对部分评价标准进行了试验，并对这些指标评价的有效性进行了排序，进行实验的指标既包括无监督指标又包括监督指标。同时，验证了经典评价指标对于遥感和医学图像分割评估的有效性。通过实验对比，发现同一评价指标对于不同图像有不同的效果，同理，不同度量指标对于同一图像也有不同的效果。因此，图像分割质量评价标准的选择取决于具体的应用。

原文链接：https://link.springer.com/article/10.1007/s10462-020-09830-9

( 发布日期: 2020-04-18 )