首页 > 学术百科

浅谈ROC曲线的最佳阈值如何选取

为了获取ROC曲线的最佳阈值，需要使⽤⼀个指标--约登指数，也称正确指数。

借助于matlab的roc函数可以得出计算。

% 1-specificity = fpr

% Sensitivity = tpr;

[tpr,fpr,thresholds] =roc(Tar',Val');

RightIndex=(tpr+(1-fpr)-1);

[~,index]=max(RightIndex);

RightIndexVal=RightIndex(index(1));

tpr_val=tpr(index(1));胆盐

北京8号学苑

fpr_val=fpr(index(1));

thresholds_val=thresholds(index(1));

disp(['平均准确率： ',num2str((RightIndexVal+1)*0.5)]);

disp(['最佳正确率： ',num2str(tpr_val)])

disp(['最佳错误率： ',num2str(fpr_val)])

⾄此计算结束了。

补充拓展：利⽤阈值分割⽬标图像

⼀．全局阈值

⽅法⼀：OTSU⽅法

otsu法（最⼤类间⽅差法，有时也称之为⼤津算法）使⽤的是聚类的思想，把图像的灰度数按灰度级分成2个部分，使得两个部分之间的灰度值差异最⼤，每个部分之间的灰度差异最⼩，通过⽅差的计算来寻⼀个合适的灰度级别来划分。所以可以在⼆值化的时候采⽤otsu算法来⾃动选取阈值进⾏⼆值化。otsu算法被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对⽐度的影响。因此，使类间⽅差最⼤的分割意味着错分概率最⼩。

选择阈值k，把像素分为两类：

T=graythresh(f)即可实现⽤⽅法⼀计算归⼀化的阈值。

⼆．局域阈值

当背景照度不均匀时，全局阈值⽅法可能失效，此时，⽤局域变化的阈值函数T(x,y)分割图像f(x,y)：

出草

matlab实现程序：

clear all;close all;clc;

I=imread('C:\Users\ASUS\Desktop\图像处理学习⽂件\⼤⼆下\使⽤阈值分割⽬标_15\Fig0926(a)(rice).tif');

figure

imshow(I)

title('original image')

k=graythresh(I);

I1=im2bw(I,k);

figure

imshow(I1)

se=strel('disk',10); %产⽣半径为10的圆盘形结构元素

fo=imopen(I1,se); %⽤结构元素对灰度图像进⾏开运算

figure

进坑村imshow(fo)

天然气工业杂志title('Opened image')

f2=imtophat(I,se); %⽤原图像减去开运算图像，即对图像进⾏顶帽运算

figure

imshow(f2,[]) %显⽰顶帽运算结果

title('Top-hat transformation')中国证卷

f2=im2double(f2);

T=graythresh(f2);

bw2=im2bw(f2,T); %对顶帽处理后的图像进⾏阈值处理

figure

imshow(bw2,[])

title('Thresholded top-hat image') %显⽰阈值处理后的顶帽图像

以上这篇浅谈ROC曲线的最佳阈值如何选取就是⼩编分享给⼤家的全部内容了，希望能给⼤家⼀个参考，也希望⼤家多多⽀持。

本文发布于:2024-09-21 05:27:58，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/367491.html

上一篇：数字图像处理——题目

下一篇：机器视觉复习题及答案2

标签：阈值图像算法部分分割选取

留言与评论（共有 0 条评论）