第2期 吴诗婳，等：直线截距直方图城区遥感图像多阈值分割 ·233· 分割方法与本文提出的基于直线截距直方图倒数灰 度嫡和人工蜂群优化的单阈值、多阈值分割方法的 最优阈值比较，可以看出基于PSO的指数熵单阈 (a)原始图像 (b)KFCM 值、多阈值分割方法是建立于一维灰度级直方图的 基础上，最优阈值的范围为(0,255)。而本文方法是 建立于直线截距直方图的基础上，同时考虑了灰度 级和邻域平均灰度级信息，最优阈值的范围为(0,511)。 表24种方法的最优分割阈值比较 (c)指数熵单阈 (d指数嫡双國 (e)指数嫡三阈 Table 2 Comparison of four methods in optimal thresholds 值+PSO 值+PSO 值+PSO 分割 城区遥 城区遥 城区遥 阈值 方法 感图像1 感图像2 感图像3 单阈值 59 136 110 指数 双阈值 (154.83) (189,123) (172,91) (①本文方法 (g)本文方法 )本文方法 嫡+PSO 单阈值 双阈值 三阈值 三阈值(171,116,56)(191,130,68)(194,133,72) 4.0×10 单阈值 278 155 221 3.0 本文 20 (141.200) (152.282) 方法 双阈值(210,335) 1.0 三阈值(277,364,454)(127,64,310)(131,236,318) 0 50100150200250300350400450500 表3为5种分割方法所需的运行时间对比。从 灰度级 ①直线截距直方图 表中可以看出，KFCM聚类分割法的运行时间受图 图6城区遥感图像3、分割结果及直线截距直方图 像大小影响严重，针对数据量大的图像，分割时间 Fig.6 Remote sensing image of urban area 3,its segmenta- 过长，无法满足实时性的要求。而本文提出的单阈 tion results and its line intercept histogram 值方法耗时最少，但从上述对分割效果的分析可知 表15种方法的正确分割率比较 其分割效果欠佳。本文提出的多阈值分割法的耗时 Table 1 Comparison of five methods in correct segmentation 与基于P$O的指数嫡单阈值分割法相当，而与基 rate % 于PSO的指数嫡多阈值分割法相比，仅为其运行时 城区遥 城区遥 城区遥 分割方法 阈值 间的25%。这主要是由于本文方法是基于灰度级 感图像1感图像2感图像3 邻域平均灰度级联合信息所建立的一维直线截距直 KFCM 三类 97.67 98.08 94.98 方图，将原有的阈值搜索空间由二维转化为一维， 单阈值 39.65 45.92 93.70 减小了运算量，缩短了所需运行时间，且采用 指数嫡+PSO 双阈值 89.42 41.46 92.81 ABC优化算法加速了最优多阈值的搜索过程。综 三阈值 上所述，本文提出的多阈值分割方法在进一步改善 87.22 90.51 93.33 分割效果的同时，大幅度提高了方法的运行速度。 单阈值 90.74 88.58 93.99 表35种方法的运行时间比较 本文方法 双阈值 97.25 94.13 97.08 Table 3 Comparison of five methods in running time 三阈值 98.46 98.37 98.21 城区遥 城区遥 城区遥 分割方法 阈值 上述主观视觉效果分析和客观定量评价指标两 感图像1 感图像2 感图像3 方面均表明，无论是针对灰度层次较简单的图像 KFCM 三类 1.2745 2.1660 129.7655 (如图5(a),还是针对纹理细节丰富、数据量较大的 单阈值 0.0780 0.0229 1.5354 图像（如图6(a),与KFCM聚类分割法、基于熵的 指数熵+PSO双阈值 0.3450 0.2837 1.6478 单阈值分割法、基于PSO的指数嫡多阈值分割法相 三阈值 0.4283 0.3634 1.8345 比，本文提出的基于直线截距直方图倒数灰度熵和 单阈值 0.0194 0.0169 0.3480 人工蜂群优化的多阈值分割方法在分割效果上均有 本文方法 双阈值 0.0706 0.072 0.4074 明显的优势。 三阈值 0.0823 0.0843 表2给出了基于PSO的指数嫡单阈值、多阈值 0.4738(a) ࣋໷ప׻) b) KFCM (c) ᠳ᪜⛡ࢁ䬴 ը+PSO (d) ᠳ᪜⛡ࣸ䬴 ը+PSO (e) ᠳ᪜⛡̵䬴 ը+PSO (f) ᱘᪳᫥∁ 䬴ըࢁ (g) ᱘᪳᫥∁ 䬴ըࣸ (h) ᱘᪳᫥∁ ̵䬴ը ×104 (i) Ⱐ㏫᝖䌉Ⱐ᫥ప 0 50 100 150 200 250 300 350 400 450 500 1.0 2.0 3.0 4.0 䶽᪜ ▜Ꮢ㏓ 图 6 城区遥感图像 3、分割结果及直线截距直方图 Fig. 6 Remote sensing image of urban area 3, its segmenta￾tion results and its line intercept histogram 表 1 5 种方法的正确分割率比较 Table 1 Comparison of five methods in correct segmentation rate % 分割方法 阈值 城区遥 感图像 1 城区遥 感图像 2 城区遥 感图像 3 KFCM 三类 97.67 98.08 94.98 指数熵+PSO 单阈值 39.65 45.92 93.70 双阈值 89.42 41.46 92.81 三阈值 87.22 90.51 93.33 本文方法 单阈值 90.74 88.58 93.99 双阈值 97.25 94.13 97.08 三阈值 98.46 98.37 98.21 上述主观视觉效果分析和客观定量评价指标两 方面均表明，无论是针对灰度层次较简单的图像 (如图 5(a))，还是针对纹理细节丰富、数据量较大的 图像 (如图 6(a))，与 KFCM 聚类分割法、基于熵的 单阈值分割法、基于 PSO 的指数熵多阈值分割法相 比，本文提出的基于直线截距直方图倒数灰度熵和 人工蜂群优化的多阈值分割方法在分割效果上均有 明显的优势。 表 2 给出了基于 PSO 的指数熵单阈值、多阈值 分割方法与本文提出的基于直线截距直方图倒数灰 度熵和人工蜂群优化的单阈值、多阈值分割方法的 最优阈值比较，可以看出基于 PSO 的指数熵单阈 值、多阈值分割方法是建立于一维灰度级直方图的 基础上，最优阈值的范围为 (0, 255)。而本文方法是 建立于直线截距直方图的基础上，同时考虑了灰度 级和邻域平均灰度级信息，最优阈值的范围为 (0, 511)。 表 2 4 种方法的最优分割阈值比较 Table 2 Comparison of four methods in optimal thresholds 分割 方法 阈值 城区遥 感图像 1 城区遥 感图像 2 城区遥 感图像 3 指数 熵+PSO 单阈值 59 136 110 双阈值 (154, 83) (189, 123) (172, 91) 三阈值 (171, 116, 56) (191, 130, 68) (194, 133, 72) 本文 方法 单阈值 278 155 221 双阈值 (210, 335) (141, 200) (152, 282) 三阈值 (277, 364, 454) (127, 64, 310) (131, 236, 318) 表 3 为 5 种分割方法所需的运行时间对比。从 表中可以看出，KFCM 聚类分割法的运行时间受图 像大小影响严重，针对数据量大的图像，分割时间 过长，无法满足实时性的要求。而本文提出的单阈 值方法耗时最少，但从上述对分割效果的分析可知， 其分割效果欠佳。本文提出的多阈值分割法的耗时 与基于 PSO 的指数熵单阈值分割法相当，而与基 于 PSO 的指数熵多阈值分割法相比，仅为其运行时 间的 25%。这主要是由于本文方法是基于灰度级、 邻域平均灰度级联合信息所建立的一维直线截距直 方图，将原有的阈值搜索空间由二维转化为一维， 减小了运算量，缩短了所需运行时间，且采用 ABC 优化算法加速了最优多阈值的搜索过程。综 上所述，本文提出的多阈值分割方法在进一步改善 分割效果的同时，大幅度提高了方法的运行速度。 表 3 5 种方法的运行时间比较 Table 3 Comparison of five methods in running time s 分割方法 阈值 城区遥 感图像 1 城区遥 感图像 2 城区遥 感图像 3 KFCM 三类 1.274 5 2.166 0 129.765 5 指数熵+PSO 单阈值 0.078 0 0.022 9 1.535 4 双阈值 0.345 0 0.283 7 1.647 8 三阈值 0.428 3 0.363 4 1.834 5 本文方法 单阈值 0.019 4 0.016 9 0.348 0 双阈值 0.070 6 0.072 0.407 4 三阈值 0.082 3 0.084 3 0.473 8 第 2 期 吴诗婳，等：直线截距直方图城区遥感图像多阈值分割 ·233·