Structure-measure: A New Way to Evaluate Foreground Maps

• • • • 面向区域的结构相似性度量
      • 面向物体的结构相似性度量
      • S-measure公式

结构相似性指标（SSIM）广泛应用于衡量原始图像与待测图像间的结构相似性。令x和y表示显著性预测图和GroundTruth的像素值图。则SSIM表示为

SSIM 用上式中第三项表示图像结构的比较。

面向区域的结构相似性度量

首先找到GroundTruth的重心，然后沿着该中心点采用水平和垂直的分割线将显著性预测图和GT图分割为四块，接着递归分割，最后块的总数为K。

用每个图像块中包含的GT前景区域面积占前景区域总面积的比例作为每个块的权重Wk。因此面向区域的结构相似性度量可以表达为

面向物体的结构相似性度量

1、强烈的前景与背景对比
xFG和yFG分别表示显著性预测图和GT的前景区域的概率值，GT图中概率值全为1，依据GT图中为前景的部分来确定显著性预测图中的相应位置，前景比较表示为
2、均匀的显著性分布
GT的前景和背景区域通常是均匀分布的。因此，给予显著性物体被均匀检测(即，整个物体有相似的显著值）出来的显著图一个更高的评测值是非常重要的。
概率论与统计学中，标准差与平均数的比值称为变异系数，是一个标准的衡量概率分布离散程度的统计量。这里，我们使用它来度量显著性预测图的离散度，也就是说，用它来计算显著性预测图与GT间的不相似度。显著性预测图与GT间的总体不相似度可以写成

yFG均值为1。对上式取倒数，两个图间的相似性表示为

以上是前景部分相似性的度量，类似的背景相似度如下
设u为前景面积所占图像的比例，面向物体的结构相似性度量定义为

S-measure公式

结合面向区域和面向物体的结构相似性的定义，最后S-measure表示为
a属于[0,1],论文实验中取0.5。