无监督边缘图评分：一种统计复杂性方法
计算机视觉与模式识别
2014-02-11 v2 应用统计
摘要
我们提出了一种新的统计复杂性度量（SCM），用于在无 Ground Truth (GT) 知识的情况下评估边缘图。该度量是两个指标的乘积：一个是将边缘图投影到一族边缘模式上得到的平衡指标 ，另一个是定义为 Kolmogorov Smirnov (KS) 统计量函数的熵指标 。这一新度量可用于性能表征，包括： 算法的具体评估（技术内过程），以确定其最佳参数； 不同算法的比较（技术间过程），以根据其质量进行分类。在 South Florida 和 Berkeley 数据库图像上的实验结果表明，我们的方法显著优于作为基于客观参考的边缘图评估标准的 Pratt 优值（PFoM），因为我们的方法在评估中考虑了更多特征。
引用
@article{arxiv.1302.5186,
title = {Unsupervised edge map scoring: a statistical complexity approach},
author = {Javier Gimenez and Jorge Martinez and Ana Georgina Flesia},
journal= {arXiv preprint arXiv:1302.5186},
year = {2014}
}