基于改進(jìn)遺傳算法的圖像分割方法.pdf

1、圖像處理方面的核心科學(xué)中圖像分割是相當(dāng)重要的方面，是圖像處理領(lǐng)域的關(guān)鍵技術(shù)，并且影像判斷分析與模式識別也是在良好的圖像分割的基礎(chǔ)上完成的?，F(xiàn)在圖像處理領(lǐng)域中有許多種類型的分割算法，一般而言從種類上基本可以分為區(qū)域分割基礎(chǔ)上的分割方法以及邊緣檢測基礎(chǔ)上的分割方法。在實(shí)踐應(yīng)用中形成的主要類型為：閾值型、邊緣檢測型和區(qū)域跟蹤型。
　　隨著技術(shù)發(fā)展，一些新理論有應(yīng)運(yùn)而生。由于本文側(cè)重點(diǎn)不同，所以主要介紹閾值型分割方法。閾值法是一種經(jīng)過實(shí)驗(yàn)

2、證明對圖像分割很有效的方法，閾值法的實(shí)現(xiàn)原理是抽出待處理圖像中目的部分與雜質(zhì)部分的灰度特點(diǎn)上的對比，理解圖像為一些不一的灰度特征的分開的部分，確定分割值即閾值，把目的圖像分塊和雜質(zhì)圖像分塊分離開來。閾值分割法轉(zhuǎn)換圖像的通道數(shù)，轉(zhuǎn)換灰度圖像為二值圖像，減少了存儲量，降低了閾值求取和計(jì)算的運(yùn)算量。
　　為了更好的求取圖像分割中的閾值，本文闡述了一種把基于改進(jìn)遺傳算法和改進(jìn)Ostu圖像分割法相結(jié)合的新的圖像分割方法。遺傳算法是人類參考生

3、物繁衍發(fā)展的理論衍變而生的圖像處理領(lǐng)域的理論。在生物進(jìn)化過程中，生物個(gè)體適應(yīng)外界環(huán)境的方法是通過遺傳，變異，逐漸淘汰劣質(zhì)的個(gè)體，保留優(yōu)良的個(gè)體。遺傳算法就是參考上述現(xiàn)象產(chǎn)生的。由于簡單傳統(tǒng)遺傳算法，Otsu圖像分割法等以往圖像分割技術(shù)存在的目標(biāo)圖像與整幅圖像的面積比不確定問題，解求取時(shí)間長的難題，容易提前形成偽解，所以導(dǎo)致圖像切割的閾值求取不簡單。所以本課題的研究目標(biāo)是在基本遺傳算法的基礎(chǔ)上，解決閾值求取時(shí)間長的難題，使偽解很難形成。而

4、且圖像分割的要清晰，準(zhǔn)確，邊緣明顯，沒有多余背景圖像。目標(biāo)是利用遺傳種群中單體的修正度和所有單體的離散指數(shù)來設(shè)定算法中的參數(shù)值，這樣就能保證所有單體保持其復(fù)雜度和飽滿度，還可以使閾值求取時(shí)間減少，難形成偽解，最優(yōu)解形成穩(wěn)定，從而達(dá)到滿意的圖像分割結(jié)果。
　　利用改進(jìn)遺傳算法對二維Otsu圖像分割函數(shù)進(jìn)行全局優(yōu)化，該方法可以根據(jù)單體適合度值和種群特點(diǎn)調(diào)整遺傳群體運(yùn)算的控制參數(shù)，進(jìn)而在保持種群多樣性的同時(shí)加快收斂速度，得到圖像分割處理