图像处理评价指标_划分系数Vpc划分熵Vpe

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
如果觉得我的文章对你有用,请随意赞赏