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)); 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
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):
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 imshow(fo) 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') 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来客网。