• [cliquer ici pour la version en français]

Translate original post with Google Translate

Goumeidane, A.B. et al, 2003, Image Processing, 2003. ICIP 2003. Proceedings. 2003 International Conference on, New discrepancy measures for segmentation evaluation. pp. II–411.

Méthodologie/Résultats principaux

Proposition de mesures d’évaluation de segmentations prenant en compte les pixels “faux négatifs” et “faux positifs”. Si $A$ est une segmentation de référence et $B$ la segmentation à évaluer :

$IDR = \sqrt{\frac{{\sum d^2_u}}{\sum d^2_A}}$

et

$EDR = \sqrt{\frac{{\sum d^2_o}}{\sum d^2_A}}$

où $d_u(i)$ (resp. $d_o(i)$) représente la distance du pixel “faux négatifs” (resp. “faux positif”) d’indice $i$ au fond. La transformée en distance de $A$ est $d_A$.

Avantages/Intérêt:

• Les deux mesures permettent connaître le type d’erreur dans la segmentation.
• Lorsqu’une erreur de type “faux négatif” (par exemple un trou dans la segmentation à évaluer par rapport à la segmentation de référence), les mesures varient, alors que la distance de Baddeley reste constante.
• Les mesures sont sensibles à la compacité

Note : les mesures sont des analogues aux mesures $f(B \backslash A)$ et $f(A \backslash B)$ dans les expressions de la similarité de Tversky.

Désavantages/Critique:

• Puisque la comparaison porte sur des segmentations, restriction aux images binaires.

FMN.