Page 137 - 《软件学报》2021年第11期

霍星 等:改进的元启发式优化算法及其在图像分割中的应用 3463

O R R′ →
CS′ ( ) S = 1 ∑ | R ⋅ | max ( , ) (21)
N RS∈ RS′∈
′
其中,N 表示图像的像素总数.R∈S 表示分割 S 中某一标签区域,R′∈S′表示分割 S′中某一标签区域,且有:
| R ∩ R′ |
(, )R′ =
OR (22)
| R ∪ R′ |
其中,|R∩R′|表示区域 R 和 R′中具有相同元素的个数,|R∪R′|表示区域 R 和 R′中不重合的元素的总个数.SC 系数
越大,表示分割结果越好.
PRI 系数是一种集合相似度度量函数,其通过评价同一区域在两种分割结果中是否被分到同一类别,来度
量结果的准确性.PRI 系数采用公式(23)的计算方法:
1
PRI S k }) = [c p + ∑ ij ij (1 c− ij )(1 p− ij )] (23)
(,{G
<
T ij
其中,c ij 是像素 i 和 j 具有相同标签的项,p ij 是其概率,T 是像素对的总数.PRI 系数越大,表示分割结果越好.
表 5 显示了不同算法在 BSDS 500 数据集中的 4 个评价指标的均值.由表中数据可以看出,对于一致性测度
UN,BBAS 的评价指标达到了最高值 0.971 9.一致性测度虽计算了区域的特征方差,但没有与图像分割金标准
进行比较,评价结果具有一定的局限性;而其余 3 种指标均是根据图像分割金标准进行比较评价,更具客观性.因
此,本文主要根据 F-measure、Segmentation Covering 和 PRI 这 3 种客观评价指标对分割图像进行评价.

Table 5 Mean performance in BSDS 500
表 5 在 BSDS 500 中的平均表现
算法 NBAS BAS BBAS GA PSO GOA
UN 0.960 0 0.950 2 0.971 9 0.959 6 0.960 0 0.960 1
F-measure 0.789 4 0.721 2 0.791 2 0.787 2 0.791 0 0.789 7
SC 0.888 2 0.830 8 0.876 3 0.880 8 0.884 7 0.883 6
PRI 0.775 8 0.739 6 0.770 8 0.769 2 0.771 5 0.770 3
对于 F-measure,本文算法 NBAS 的 F-measure 值略低于 BBAS、PSO 和 GOA 算法,高于 BAS 算法和 GA
算法.对于 SC 指数,本文算法的 NBAS 的 SC 值最高,其余算法的 SC 值最高也只有 0.884 7.依据 SC 指数评价易
知,NBAS 算法分割结果与标准分割最相似,即分割精度高于其他算法.最后,由 PRI 指数可知,本文算法的指数值
最高.根据 PRI 指数评价易知,NBAS 算法的分割精度高于其他算法.
综上所述,不难得到本文算法的分割精度在整体上高于其他算法的结论.因此,NBAS 算法同时具有分割速
度快和分割精度高的优势.
本文选取 BSDS 500 数据集中 4 幅样本图像以及遥感图像(图像数据来源于优易捷无人机遥感网,怒江州
S228 公路遥感图)的分割效果图,分割结果如表 6 所示,由表 7 给出了各分割算法对应的阈值、时间和相应的参
数 k.
Table 6 Results of image segmentation
表 6 图像分割结果
图像
算法
飞机 蜻蜓 蛇 乌鸦 遥感
原图

NBAS-K 熵