Boundary F1 Score（简称 BF Score 或边界 F1 分数）是一种专用于评估图像分割（特别是语义分割和实例分割）任务中边界准确性的评价指标。它是标准 F1 Score 的变体，重点关注预测分割边界与真实边界（Ground Truth）的对齐程度，而不是整个区域的像素重叠。标准 F1 Score 主要基于整体像素的 Precision（精度）和 Recall（召回率），而 Boundary F1 Score 通过引入边界匹配机制，更好地反映人类视觉对分割质量的感知，尤其适用于边界敏感的任务，如医疗图像分割、自动驾驶中的物体边缘检测或遥感图像分析。

BF Score 的提出源于传统指标（如 IoU 或 Dice Coefficient）的局限性：这些指标对区域内部像素敏感，但忽略边界精细错误（如边缘模糊或偏移），而人类评估往往更注重边界质量。BF Score 通过计算边界上的 Precision 和 Recall 来解决这个问题，常用于基准数据集如 BSDS（Berkeley Segmentation Dataset）或医疗图像数据集。

1. 定义与含义

• 核心定义：BF Score 是边界检测的 F1 分数，它衡量预测边界像素与真实边界像素的匹配程度。通常允许一定的距离容差（tolerance，例如 1-2 像素），因为精确像素级匹配在实际分割中不易实现。
• 与标准 F1 Score 的区别：
  • 标准 F1 Score：针对整个图像或区域，公式为 $F1=\frac{2\times Precision\times Recall}{Precision+Recall}$，其中 Precision 和 Recall 基于所有像素的真阳性（TP）、假阳性（FP）和假阴性（FN）。
  • Boundary F1 Score：仅针对边界像素计算，引入边界匹配算法来定义 TP、FP 和 FN。例如，如果预测边界像素在真实边界附近（距离阈值内），则视为 TP。
• 为什么重要：在语义分割中，边界错误（如漏检边缘或多余边缘）会显著影响下游任务（如物体识别）。BF Score 与人类定性评估的相关性高于 IoU，因为它更关注视觉感知强的边界（强边界，如高对比度边缘），而非弱边界（如纹理噪声）。研究显示，标准指标可能高估性能，而 BF Score 能揭示算法在强边界上的不足。

2. 计算公式

BF Score 的计算基于 Precision 和 Recall 的边界版本：
$$BF=\frac{2\times P_b\times R_b}{P_b+R_b}$$
其中：

• $P_b$（边界 Precision）：预测边界像素中，真正匹配真实边界的比例。公式：$P_b=\frac{T{P}_b}{T{P}_b+F{P}_b}$，其中 $T{P}_b$ 是匹配的预测边界像素，$F{P}_b$ 是未匹配的预测边界像素（假阳性边界）。
• $R_b$（边界 Recall）：真实边界像素中，被正确检测的比例。公式：$R_b=\frac{T{P}_b}{T{P}_b+F{N}_b}$，其中 $F{N}_b$ 是未被检测的真实边界像素（假阴性边界）。

匹配规则通常使用距离阈值 $d$（例如，$d=1$ 或 $d=2$ 像素）：

• 从 Ground Truth (GT) 和 Prediction (Pred) 中提取边界（使用边缘检测，如 Canny 或简单邻域检查）。
• 对于每个预测边界像素，检查其在 GT 边界上的最近距离是否 ≤ $d$，如果是则 TP，否则 FP。
• 对于每个 GT 边界像素，检查其在 Pred 边界上的最近距离是否 ≤ $d$，如果是则 TP，否则 FN。

在多类分割中，可计算每个类的 BF Score，然后取平均（Mean BF Score，mBF）。

相关变体：

• Symmetric Boundary Dice (SBD)：一种类似指标，常等价于二元情况下的 BF Score。公式：
  $$SBD=\frac{1}{|B_{GT}|+|B_{MS}|}\left(\sum _{p\in B_{GT}}DSC(N(p,r)\cap GT,N(p,r)\cap MS)+\sum _{p\in B_{MS}}DSC(N(p,r)\cap GT,N(p,r)\cap MS)\right)$$
  其中 $DSC(A,B)=\frac{2|A\cap B|}{|A|+|B|}$（Dice Similarity Coefficient，等价于 F1），$N(p,r)$ 是边界点 p 的半径 r 邻域，$B_{GT}$ 和 $B_{MS}$ 是 GT 和机器分割（MS）的边界点集。SBD 通过局部重叠平均，更敏感于边界形状、位置和大小错误。

3. 计算步骤

1. 提取边界：从 GT 和 Pred 掩码中提取边界像素（例如，使用 Moore 邻域检查像素是否在区域边缘）。
2. 设置阈值：选择距离容差 $d$（或邻域半径 r，通常 1-5 像素）和阈值化算法输出（如果算法输出概率图）。
3. 匹配边界：使用赋值算法（如 Hungarian 匹配或简单最近邻）计算 TP、FP、FN。
   • 在 BSDS 等基准中，成本基于人类标注一致性（例如，强边界成本更高）。
4. 计算 P_b 和 R_b：基于匹配结果。
5. 求 BF Score：应用 F1 公式。可针对每个图像、每个类或整个数据集求平均。
6. 优化：通过调整阈值最大化 BF（例如，在算法输出上阈值化以找到最佳 F-measure）。

在工具如 MATLAB 的 evaluateSemanticSegmentation 中，直接指定 “bfscore” 即可计算 Mean BF Score，无需手动实现。

4. 优缺点

• 优点：
  • 边界敏感：更好地捕捉边缘质量，适用于医疗（如肾脏 CT 分割）或遥感任务。
  • 人类相关性：与人类排名相关性高（例如，在分形数据上，BF 变体如 SBD 的相关性优于 DSC）。
  • 综合错误： penalizes 位置、形状和大小错误，而非仅重叠（如 IoU）或距离（如 Hausdorff Distance）。
  • 范围：0-1（1 为完美匹配），分数分布更广，避免传统指标的压缩（如 DSC 常在 0.7-0.9）。
• 缺点：
  • 计算复杂：需要边界提取和匹配，时间复杂度高于像素级指标（虽线性于图像大小，但邻域计算增加开销）。
  • 参数依赖：依赖距离阈值 $d$ 或半径 r；大 r 降低敏感性，小 r 更严格。
  • 不平衡问题：在弱边界多的数据集中，标准 BF 可能偏差；需聚焦强边界以避免 “precision bonus”（高估弱边界性能）。
  • 不适用于所有任务：对非边界敏感的任务（如整体区域填充）不如 IoU 实用。

5. 与其他指标的比较

• vs. IoU (Intersection over Union)：IoU = TP / (TP + FP + FN)，关注区域重叠，但忽略边界精细度。BF Score 更注重边缘对齐，例如，在边界偏移但重叠高的案例中，IoU 高而 BF 低。
• vs. 标准 F1/Dice：Dice = 2 TP / (2 TP + FP + FN)，等价于区域 F1。BF 是其边界版本，更适合边缘任务（如 aerial 图像）。
• vs. Hausdorff Distance (HD)：HD 测量最大边界距离，敏感于异常值；BF 平均局部重叠，更鲁棒。
• vs. Average Symmetric Surface Distance (ASSD)：类似 HD，但平均距离；BF 结合重叠，提供更全面评估。
  研究显示，BF 变体（如 SBD）在肾脏分割中分数更低（0.33-0.66 vs. DSC 0.7-0.93），突出边界泄漏。

6. 适用场景与示例

• 适用场景：医疗图像（肿瘤边界）、自动驾驶（道路边缘）、遥感（建筑物轮廓）。在 BSDS 数据集上，算法如 gPB 的 BF 为 0.70，但针对强边界降至 0.3-0.5，揭示改进空间。
• 示例：在三角形分割数据集中，Mean BF Score 为 0.806，类 “triangle” 为 0.672，“background” 为 0.939。表示前景边界更难匹配。
• 实现工具：MATLAB (evaluateSemanticSegmentation)、Python (scikit-image 或自定义脚本基于 OpenCV 边界提取)。

总之，Boundary F1 Score 是提升分割评价边界精度的关键指标，常与其他指标结合使用。