Loading... 图像处理评价指标_划分系数Vpc划分熵Vpe <!--more--> ## 划分系数划分熵 评价指标划分系数 `Vpc`和划分熵 `Vpe`能够反映分割矩阵的模糊程度,`Vpc`数值越大,分割矩阵的模糊性越小,分割效果越好;`Vpe`数值越小,像素分类越准确,分割效果越好。 (1)划分系数Vpc评价指标的定义为: $V_{pc} = \sum_{i=1}^{n}\sum_{k=1}^K u_{ki}^2/n$ 其中,$K$表示聚类数目,$u_{ki}$ 是隶属度函数,表示第$i$个像素属于第$k$分类的隶属度,$n$是像素总数。 (2)划分熵Vpe评价指标的定义为: $V_{pe} = -\sum_{i=1}^{n}\sum_{k=1}^K u_{ki}*log(u_{ki})/n$ ## Matlab代码 ``` function [V_pc,V_pe_10,V_pe_e]=V_pcpe(u) %评价函数指标 划分系数V_pc,划分熵V_pe %% u是隶属度函数 [m,n]=size(u); %% 划分系数V_pc V_pc = sum(sum(u.^2))/n; %% 划分熵V_pe V_pe_10=-sum(sum(u.*log10(u)))/n; V_pe_e=-sum(sum(u.*log(u)))/n; ``` $$ 最后修改:2020 年 08 月 02 日 © 允许规范转载 打赏 赞赏作者 支付宝微信 赞 如果觉得我的文章对你有用,请随意赞赏