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：
$$V_{pe}=-\sum _{i=1}^n\sum _{k=1}^K{u}_{ki}\ast log(u_{ki})/n$$

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;

我的个人博客文章地址，欢迎访问
我的CSDN文章地址，欢迎访问
我的GitHub主页，欢迎访问