圖像分割的遺傳算法與脈沖噪聲檢測(cè)方法的改進(jìn).pdf

1、圖像分割是圖像處理領(lǐng)域中一個(gè)研究的熱點(diǎn)問題。由于圖像種類繁多，每類圖像又具有各自不同的特點(diǎn)，因此很難得到一種適合于所有圖像的分割方法。鑒于此，人們主要針對(duì)特定的圖像類型研究相應(yīng)的分割方法?，F(xiàn)有的圖像分割方法已有上百種，其中閾值分割方法由于算法簡(jiǎn)單、分割質(zhì)量較好而被廣泛使用。 遺傳算法是一種高效并行的全局搜索方法，具有較好的魯棒性、并行性和自適應(yīng)性，非常適合于大規(guī)模搜索空間的尋優(yōu)。遺傳算法己廣泛應(yīng)用于許多學(xué)科及領(lǐng)域，在圖像閾值分割

2、中的應(yīng)用也取得了較好的效果。但是基本遺傳算法由于適應(yīng)度函數(shù)設(shè)計(jì)不當(dāng)、參數(shù)設(shè)置不當(dāng)?shù)仍?，使得算法容易出現(xiàn)早熟現(xiàn)象。 圖像去噪也是圖像處理領(lǐng)域中研究的熱點(diǎn)問題之一。噪聲有很多種，其中脈沖噪聲具有隨機(jī)性和不連續(xù)性特點(diǎn)，它的存在嚴(yán)重影響了圖像的質(zhì)量。檢測(cè)脈沖噪聲的圖像去噪方法擁有算法簡(jiǎn)潔、去噪快速有效的優(yōu)點(diǎn)。然而現(xiàn)有的脈沖噪聲檢測(cè)算法，需要事先確定閾值并不斷調(diào)整參數(shù)，使得算法應(yīng)用起來不太方便。 本論文針對(duì)圖像分割的遺傳算法和脈

3、沖噪聲檢測(cè)算法中存在的不足，主要研究了以下兩個(gè)問題。 1)在對(duì)現(xiàn)有圖像分割技術(shù)、遺傳算法的有關(guān)理論及其在圖像分割中的應(yīng)用等研究的基礎(chǔ)上，本文提出了一種改進(jìn)遺傳算法，將其用于優(yōu)化圖像閾值分割方法。為了保持種群的多樣性，以防止出現(xiàn)未成熟收斂現(xiàn)象，采用了自適應(yīng)的變異率和交叉率，根據(jù)個(gè)體適應(yīng)度相應(yīng)地采取不同的交叉率和變異率，在加速收斂的同時(shí)有效地防止了早熟問題的產(chǎn)生。實(shí)驗(yàn)表明，文中提出的改進(jìn)方法優(yōu)化了圖像的分割效率，運(yùn)算速度明顯快于傳統(tǒng)