工程科学学报.第43卷，第1期：137-149.2021年1月 Chinese Journal of Engineering,Vol.43,No.1:137-149,January 2021 https://doi.org/10.13374/j.issn2095-9389.2020.05.28.002;http://cje.ustb.edu.cn 图像分割评估方法在显微图像分析中的应用 马博渊123，，姜淑芳)，尹豆》，中吴锘，班晓娟2,3，，黄海友7,8区 王浩1,9)，薛维华9,10，封 华3) 1)北京科技大学北京材料基因工程高精尖创新中心.北京1000832)北京科技大学材料领域知识工程北京市重点实验室.北京100083 3)北京科技大学计算机与通信工程学院，北京1000834)北京科技大学人工智能研究院，北京1000835)解放军总医院第一医学中心 妇产科，北京1008536)中国石油大学（北京）信息科学与工程学院.北京1022497)北京科技大学新材料技术研究院.北京100083 8)北京科技大学顺德研究生院，佛山5283009)北京科技大学材料科学与工程学院.北京10008310)辽宁工程技术大学材料科学与工 程学院.阜新123099 区通信作者，E-mail:huanghy(@mater..ustb.edu.cn 摘要图像分割是计算机视觉领域中的重要分支，旨在将图像分成若干个特定的、具有独特性质的区域.随着计算机硬件 计算能力的提高和计算方法的进步，大量基于不同理论的图像分割算法获得了长足的发展.因而选择合适的评估方法对分 割结果的准确性和适用性进行综合评估，从而选择最优分割算法，成为图像分割研究中的必要环节，在综述14种图像分割评 估指标的基础上，将其分成基于像素的评估方法、基于类内重合度的评估方法、基于边界的评估方法、基于聚类的评估方法 和基于实例的评估方法五大类.在材料显微图像分析的应用背景下，通过实验讨论了不同分割方法和不同典型噪声在不同 评估方法中的表现.最终，讨论了各种评估方法的优势和适用性. 关键词计算机视觉：图像分割：图像处理：评估方法：材料显微图像 分类号TP3 Image segmentation metric and its application in the analysis of microscopic image MA Bo-yuan2)JIANG Shu-fang.YIN Dou,SHEN Hao-kai,BAN Xiao-juan 2),HUANG Hai-you WANG Hao) XUE Wei-hua FENG Hua) 1)Beijing Advanced Innovation Center for Materials Genome Engineering,University of Science and Technology Beijing,Beijing 100083,China 2)Beijing Key Laboratory of Knowledge Engineering for Materials Science,University of Science and Technology Beijing,Beijing 100083,China 3)School of Computer and Communication Engineering,University of Science and Technology Beijing,Beijing 100083,China 4)Institute of Artificial Intelligence,University of Science and Technology Beijing.Beijing 100083.China 5)Department of Obstetrics and Gynecology,General Hospital of PLA,Beijing 100853,China 6)College of Information Science and Engineering.China University of Petroleum Beijing.Beijing 102249,China 7)Institute for Advanced Materials and Technology,University of Science and Technology Beijing,Beijing 100083,China 8)Shunde Graduate School,University of Science and Technology Beijing,Foshan 528300,China 9)School of Materials Science and Engineering,University of Science and Technology Beijing,Beijing 100083,China 10)School of Materials Science and Engineering,Liaoning Technical University,Fuxin 123099,China Corresponding author,E-mail:huanghy@mater.ustb.edu.cn ABSTRACT Material microstructure data are an important type of data in building intrinsic relationships between compositions, structures,processes,and properties,which are fundamental to material design.Therefore,the quantitative analysis of microstructures is 收稿日期：2020-05-28 基金项目：海南省财政科技计划资助项目(ZDYF2019009):北京科技大学顺德研究生院科技创新专项资金资助项目(BK19BE030)图像分割评估方法在显微图像分析中的应用 马博渊1,2,3,4)，姜淑芳5)，尹    豆3)，申昊锴6)，班晓娟1,2,3,4)，黄海友1,7,8) 苣， 王    浩1,9)，薛维华9,10)，封    华3) 1) 北京科技大学北京材料基因工程高精尖创新中心，北京 100083    2) 北京科技大学材料领域知识工程北京市重点实验室，北京 100083    3) 北京科技大学计算机与通信工程学院，北京 100083    4) 北京科技大学人工智能研究院，北京 100083    5) 解放军总医院第一医学中心 妇产科，北京 100853    6) 中国石油大学（北京）信息科学与工程学院，北京 102249    7) 北京科技大学新材料技术研究院，北京 100083    8) 北京科技大学顺德研究生院，佛山 528300    9) 北京科技大学材料科学与工程学院，北京 100083    10) 辽宁工程技术大学材料科学与工 程学院，阜新 123099 苣通信作者，E-mail：huanghy@mater.ustb.edu.cn 摘    要    图像分割是计算机视觉领域中的重要分支，旨在将图像分成若干个特定的、具有独特性质的区域. 随着计算机硬件 计算能力的提高和计算方法的进步，大量基于不同理论的图像分割算法获得了长足的发展. 因而选择合适的评估方法对分 割结果的准确性和适用性进行综合评估，从而选择最优分割算法，成为图像分割研究中的必要环节. 在综述 14 种图像分割评 估指标的基础上，将其分成基于像素的评估方法、基于类内重合度的评估方法、基于边界的评估方法、基于聚类的评估方法 和基于实例的评估方法五大类. 在材料显微图像分析的应用背景下，通过实验讨论了不同分割方法和不同典型噪声在不同 评估方法中的表现. 最终，讨论了各种评估方法的优势和适用性. 关键词    计算机视觉；图像分割；图像处理；评估方法；材料显微图像 分类号    TP3 Image segmentation metric and its application in the analysis of microscopic image MA Bo-yuan1,2,3,4) ，JIANG Shu-fang5) ，YIN Dou3) ，SHEN Hao-kai6) ，BAN Xiao-juan1,2,3,4) ，HUANG Hai-you1,7,8) 苣 ，WANG Hao1,9) ， XUE Wei-hua9,10) ，FENG Hua3) 1) Beijing Advanced Innovation Center for Materials Genome Engineering, University of Science and Technology Beijing, Beijing 100083, China 2) Beijing Key Laboratory of Knowledge Engineering for Materials Science, University of Science and Technology Beijing, Beijing 100083, China 3) School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing 100083, China 4) Institute of Artificial Intelligence, University of Science and Technology Beijing, Beijing 100083, China 5) Department of Obstetrics and Gynecology, General Hospital of PLA, Beijing 100853, China 6) College of Information Science and Engineering, China University of Petroleum Beijing, Beijing 102249, China 7) Institute for Advanced Materials and Technology, University of Science and Technology Beijing, Beijing 100083, China 8) Shunde Graduate School, University of Science and Technology Beijing, Foshan 528300, China 9) School of Materials Science and Engineering, University of Science and Technology Beijing, Beijing 100083, China 10) School of Materials Science and Engineering, Liaoning Technical University, Fuxin 123099, China 苣 Corresponding author, E-mail: huanghy@mater.ustb.edu.cn ABSTRACT    Material  microstructure  data  are  an  important  type  of  data  in  building  intrinsic  relationships  between  compositions, structures, processes, and properties, which are fundamental to material design. Therefore, the quantitative analysis of microstructures is 收稿日期: 2020−05−28 基金项目: 海南省财政科技计划资助项目（ZDYF2019009）；北京科技大学顺德研究生院科技创新专项资金资助项目（BK19BE030） 工程科学学报，第 43 卷，第 1 期：137−149，2021 年 1 月 Chinese Journal of Engineering, Vol. 43, No. 1: 137−149, January 2021 https://doi.org/10.13374/j.issn2095-9389.2020.05.28.002; http://cje.ustb.edu.cn