快捷導(dǎo)航

淺談ROC曲線的最佳閾值如何選取

更新時(shí)間：2020年02月28日 15:45:35 作者：sunxingxingtf

今天小編就為大家分享一篇淺談ROC曲線的最佳閾值如何選取，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

為了獲取ROC曲線的最佳閾值，需要使用一個(gè)指標(biāo)--約登指數(shù)，也稱(chēng)正確指數(shù)。

借助于matlab的roc函數(shù)可以得出計(jì)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));
fpr_val=fpr(index(1));
thresholds_val=thresholds(index(1));
disp(['平均準(zhǔn)確率： ',num2str((RightIndexVal+1)*0.5)]);
disp(['最佳正確率： ',num2str(tpr_val)])
disp(['最佳錯(cuò)誤率： ',num2str(fpr_val)])

至此計(jì)算結(jié)束了。

補(bǔ)充拓展：利用閾值分割目標(biāo)圖像

一．全局閾值

方法一：OTSU方法

otsu法（最大類(lèi)間方差法，有時(shí)也稱(chēng)之為大津算法）使用的是聚類(lèi)的思想，把圖像的灰度數(shù)按灰度級(jí)分成2個(gè)部分，使得兩個(gè)部分之間的灰度值差異最大，每個(gè)部分之間的灰度差異最小，通過(guò)方差的計(jì)算來(lái)尋找一個(gè)合適的灰度級(jí)別來(lái)劃分。所以可以在二值化的時(shí)候采用otsu算法來(lái)自動(dòng)選取閾值進(jìn)行二值化。otsu算法被認(rèn)為是圖像分割中閾值選取的最佳算法，計(jì)算簡(jiǎn)單，不受圖像亮度和對(duì)比度的影響。因此,使類(lèi)間方差最大的分割意味著錯(cuò)分概率最小。

選擇閾值k，把像素分為兩類(lèi)：

T=graythresh(f)即可實(shí)現(xiàn)用方法一計(jì)算歸一化的閾值。

二．局域閾值

當(dāng)背景照度不均勻時(shí)，全局閾值方法可能失效，此時(shí)，用局域變化的閾值函數(shù)T(x,y)分割圖像f(x,y)：

matlab實(shí)現(xiàn)程序：

clear all;close all;clc;
I=imread('C:\Users\ASUS\Desktop\圖像處理學(xué)習(xí)文件\大二下\使用閾值分割目標(biāo)_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); %產(chǎn)生半徑為10的圓盤(pán)形結(jié)構(gòu)元素
fo=imopen(I1,se);  %用結(jié)構(gòu)元素對(duì)灰度圖像進(jìn)行開(kāi)運(yùn)算
figure
imshow(fo)
title('Opened image')
f2=imtophat(I,se); %用原圖像減去開(kāi)運(yùn)算圖像，即對(duì)圖像進(jìn)行頂帽運(yùn)算
figure
imshow(f2,[])  %顯示頂帽運(yùn)算結(jié)果
title('Top-hat transformation')
f2=im2double(f2);
T=graythresh(f2);
bw2=im2bw(f2,T); %對(duì)頂帽處理后的圖像進(jìn)行閾值處理
figure
imshow(bw2,[])
title('Thresholded top-hat image') %顯示閾值處理后的頂帽圖像

以上這篇淺談ROC曲線的最佳閾值如何選取就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: