关于像素级移除复制-移动篡改边界像素的F-measure计算的Matlab实现问询

我正在做复制-移动伪造（copy-move forgery）定位研究，需要计算F-score。已经拿到输出图和真值（ground-truth）图像，但计算结果和现有文献不符。其中一篇文献提到：“在像素层面，我们从F-measure计算中移除复制-伪造区域与背景之间的所有边界像素”，我不清楚这句话的含义，也不知道怎么在Matlab中实现，求专业帮助。

现有计算代码 #

function [tpr,fpr,acc,fs]=calculate_statis(technique_binary_image, ground_truth)
technique_binary_image = technique_binary_image./255.0;
ground_truth = ground_truth./255.0;
false_positives=0;
false_negatives=0;
true_positives=0;
true_negatives=0;
totalClone = 0;
totalNormal = 0;
 for i=1:size(technique_binary_image,1)
 for j=1:size(technique_binary_image,2) 
    if technique_binary_image(i,j)==ground_truth(i,j) && ground_truth(i,j)~=0
        true_positives=true_positives+1;
    end
            if technique_binary_image(i,j)==ground_truth(i,j) && ground_truth(i,j)==0
        true_negatives=true_negatives+1;
    end
    if technique_binary_image(i,j)~=ground_truth(i,j) && ground_truth(i,j)~=0
        false_negatives=false_negatives+1;
    end
    if technique_binary_image(i,j)~=ground_truth(i,j) && ground_truth(i,j)==0
        false_positives=false_positives+1;
    end
    if ground_truth(i,j)~=0
        totalClone = totalClone + 1;
    end
    if ground_truth(i,j)==0
        totalNormal = totalNormal + 1;
    end
end
end
tpr=(true_positives)/totalClone;
fpr=(false_positives)/totalNormal;
acc = (tpr + (1 - fpr))/2;
pres=(true_positives)/(true_positives + false_positives);
%fs=2*tpr*pres/(pres + tpr);
 %fs=(2*tpr)/(tpr+fpr+1);
fs=(2*true_positives)/((2*true_positives)+false_positives+false_negatives);

end

文献表述含义 #

这里的“边界像素”指两类：

• 属于伪造区域（真值中为1）但周围存在背景像素（真值中为0）的边缘像素；
• 属于背景（真值中为0）但周围存在伪造区域像素的紧邻背景像素。

这类像素在伪造定位任务中极易出现误判，文献将它们从F-score计算的样本池里剔除，就是为了避免边界的模糊误差干扰最终指标的准确性。

Matlab实现方案 #

核心思路 #

1. 从真值图中识别出所有边界像素；
2. 生成掩码标记这些边界像素；
3. 遍历统计时跳过掩码标记的像素，只计算非边界区域的TP/TN/FP/FN。

修改后的完整代码 #

function [tpr,fpr,acc,fs]=calculate_statis(technique_binary_image, ground_truth)
    % 归一化图像到0-1区间
    technique_binary_image = technique_binary_image./255.0;
    ground_truth = ground_truth./255.0;
    
    % 提取真值中的边界像素
    % 用3x3圆盘结构元素做膨胀，膨胀后与原图的差值就是边界
    se = strel('disk', 1); 
    % 伪造区域的边界：膨胀后的伪造区域 - 原伪造区域
    gt_dilated = imdilate(ground_truth, se);
    gt_boundary = gt_dilated - ground_truth;
    % 背景的边界：膨胀后的背景 - 原背景
    bg_gt = 1 - ground_truth;
    bg_dilated = imdilate(bg_gt, se);
    bg_boundary = bg_dilated - bg_gt;
    % 合并两类边界，得到总边界掩码
    total_boundary = gt_boundary | bg_boundary;
    
    false_positives=0;
    false_negatives=0;
    true_positives=0;
    true_negatives=0;
    totalClone = 0;
    totalNormal = 0;
    
    % 遍历图像，跳过边界像素
    [rows, cols] = size(technique_binary_image);
    for i=1:rows
        for j=1:cols 
            if total_boundary(i,j) == 1
                continue; % 跳过边界像素，不参与统计
            end
            
            if technique_binary_image(i,j)==ground_truth(i,j) && ground_truth(i,j)~=0
                true_positives=true_positives+1;
            end
            if technique_binary_image(i,j)==ground_truth(i,j) && ground_truth(i,j)==0
                true_negatives=true_negatives+1;
            end
            if technique_binary_image(i,j)~=ground_truth(i,j) && ground_truth(i,j)~=0
                false_negatives=false_negatives+1;
            end
            if technique_binary_image(i,j)~=ground_truth(i,j) && ground_truth(i,j)==0
                false_positives=false_positives+1;
            end
            if ground_truth(i,j)~=0
                totalClone = totalClone + 1;
            end
            if ground_truth(i,j)==0
                totalNormal = totalNormal + 1;
            end
        end
    end
    
    % 计算各项指标
    tpr=(true_positives)/totalClone;
    fpr=(false_positives)/totalNormal;
    acc = (tpr + (1 - fpr))/2;
    pres=(true_positives)/(true_positives + false_positives);
    fs=(2*true_positives)/((2*true_positives)+false_positives+false_negatives);
end

代码说明 #

• strel('disk',1)生成3x3的圆盘结构元素，用来做膨胀操作，确保能捕获到所有相邻的边界像素；
• total_boundary掩码会把所有需要排除的边界像素标记为1，遍历的时候直接跳过这些像素；
• 其余指标计算逻辑和原代码完全一致，只是排除了边界像素的统计，这样就能和文献中的计算方式对齐。

内容的提问来源于stack exchange，提问作者sama