[发明专利]图像处理算法的评估

说明书

技术领域

本发明的示意性实施例一般涉及一种系统地及客观地评估和改善图像处理算法的效果、从而消除由人类的判断所引入的不确定性和可变性的方法。

背景技术

图像处理算法典型地为一系列实际图像计算品质因数，并假设具有最大的品质因数的图像是“最佳”图像。在这方面可以参考例如F.C.A.Groen，I.T.Young，G.Lighthart，“A comparison of different focus functions for use in autofocus algorithms”，Cytometry，Vol.6，pgs.81-91(1985)。典型地，通过将使用该算法选择出的图像与人类选择的作为“最佳”图像的图像进行比较，来测试这种算法的质量和效果。在这方面可以参考例如下列的任意一个出版物(以及上面提到的Groen等发表的文章)：A.Santos等“Evaluation of autofocus functions in molecular cytogenic analysis”，J.Microscopy，Vol 188(3)，pp 264-72，(1997)；J.M.Geusebroek，F.Cornelissen，A.Smeulders，H.Geerts，“Robust Autofocusing in Microscopy”，Cytometry，Vol.39，pgs.1-9(2000)；Y.Sun，S.Duthaler和B.J.Nelson，“Autofocusing in computer microscopy-selecting the optimal focus algorithm，”Microscopy Research and Technique，Vol.65，No.3，pgs.139-149，2004；Y.Sun，S.Duthaler和B.J.Nelson，“Autofocusing algorithm selection in computer microscopy”，IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS2005)，Edmonton，Alberta，Canada，August 2-6，2005；以及X.Y.Liu，W.H.Wang，Y.Sun，“Dynamic evaluation of autofocusing for automated microscopic analysis of blood smear and pap smear”，J.Microscopy Vol.227(1)，pgs.15-23(2007)。

在传统的方法中，如图1A所示，第一步对一系列实际图像应用一种图像处理算法来为每个图像获得一个品质因数。然后在下一步，由人类按照所观察到的质量对这些图像进行排序。然后确定通过人类判断所排定的顺序是否与基于品质因数算法的顺序一致。如果一致，则说明结果是非确定性的，这是因为算法和人类的判断都既可能是正确的也可能是不正确的。如果发现基于人类的判断所排定的顺序与品质因数算法的不一致，则结果也是非确定性的，这是因为算法或者人类的判断中的任意其一可能是正确的。

正如可以理解的，这种传统的方法是主观的并且容易出错。除了人类判断的可变性之外，对某些成像条件来说，既不是算法实际选择了“最佳”图像，也不是人类。这样，在图1A中所略述的评估图像处理算法的传统方法是不合适的并且容易出错。

发明概述

根据本发明的优选实施例，克服了上述和其它的问题并且获得其它的优点。

在本发明的实施例的一个示意性方面中，提供一种评估图像处理算法的方法。该方法包括：改变一个成像系统的模型的参数，并且对于该参数的每次改变，用数据处理器计算相应的样本图像；将图像处理算法应用到所计算的相应的样本图像上；以及确定该图像处理算法检测参数的改变的能力。