一种基于改进遗传算法的图像分割研究及应用

《一种基于改进遗传算法的图像分割研究及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、algorithmswithautomaticparameteradaptation》中将遗传算法做了改进，即在算法的交叉和变异环节自动调节交叉和变异率，并把该算法用在视频图像的分割中，并把分割效果和AndreyandTarrox提出的算法在迭代的次数和分割的时间做了比较，两种算法的分迭代次数分别是24.7和89.97，分割的时间是4.78秒和25.52秒。从以上遗传算法在图像分割中运用发展的两个阶段可以看出，遗传算法较传统的分割方法有很大的优势，如在进行大量的运算的时候有很强的寻优能力，搜索速度快，分割的时间短，分割的精度

2、相对较高等优点。因而遗传算法成为人们讨论和研究的热点算法之一，正是基于遗传算法在图像分割中的这些优点，本论文选择遗传算法对图像分割进行分析研究具有理论价值和现实意义。1.2.2国内研究现状关于遗传算法在图像分割中的研究，国内的发展阶段基本与国外相同[12-20]。其中有代表性的是1996年西安电子科技大学的吴成柯在论文《图像分割的遗传算法方法》中，对传统的分割算法进行了简要的分析，即存在运算时间长、可信度低、分割不准确等缺点，并将基于SGA的单门限和双门限分割方法运用在图像分割中，与传统的OTSU门限分割法对同一图像在运算时

3、间上进行了比较，两者的运算时间分别是0.25s和14.56s，充分说明了遗传算法在分割速度上的优势。2000年薛景浩在《二维遗传算法用于图像动态分割》中，结合OTSUHopfield网络的能量函数、Yanowitz算法，提出二维的遗传算法，该方法采用分块的窗交叉算子实现繁殖，动态调整交叉概率，在图像分割中取得了很好的效果，大大提高收敛速度(64×64的图像块，每次迭代时间小于0.2秒，且收敛时的迭代次数相对减少)，但付出的代价是分辨率的降低和块边界效应[18]。2005年张建伟在《一种基于遗传算法的双T-Snake模型图像分

4、割方法》中，将遗传算法和T-Snake相结合，加快了遗传算法的收敛速度，并将该算法运用在医学图像的分割中，取得了很好的分割效果[19]。2005年，张锋在《基于遗传算法和蚂蚁算法的图像分割》中为了克服遗传算法对系统中的反馈信息利用不够、求解到一定范围时迭代量大、求精确解的效率低下这些缺点，将遗传算法和蚁群算法结合并运用在图像进行分割，所用的时间分别是4s和17s[20]。从国内的研究情况可以看出，遗传算法在图像分析处理中还是有很大的优势的。这些优势主要体现在处理时间和处理的效果上面，所用的处理的方法一般是把遗传算法和其它的一

5、些算法相结合，让相结合的两种算法实现优势的互补，或者就遗传算法本身上做改进，以提高算法的收敛的速度和稳定性，这两种方法从实验的结果来看，都取得了不错的效果。遗传算法中自适应算法是一个比较新的研究方向，其主要的特点是遗传操作中的交叉、变异算子的自适应调整，这样的调整能增强算法的鲁棒性和提高算法的收敛速度。31.2.2本论文主要工作本论文主要研究的是图像分割算法，在众多的图像分割算法中，最大类间方差准则来选取阈值的方法一直被认为是阈值分割的经典算法。该方法解决了阈值分割中门限的选取问题，优于常用的灰度差直方图法，微分直方图法。由

6、于多数图像并不是简单的单峰，是可以一分为二的图像，因此对于那些灰度直方图的灰度级分布谷底不明显的复杂图像，单一使用OTSU准则并不能从图像中稳定可靠地将目标分割出来，很难达到满意的分割效果，遗传算法应用于图像分割的最佳阈值求取过程，可以大大提高传统阈值方法的分割效率[]。但是由于基本遗传算法还存在收敛性差，容易早熟等缺点，对图像分割的阈值寻优带21来很大的困难。因此，如何提高算法的收敛速度和解决早熟问题成为了图像分割阈值寻优的关键问题[22-23]，本论文针对存在的问题提出一种改进的遗传算法，并结合OTSU算法，使之能够随适

7、应度值自动调整，从而保证算法的收敛性，并避免了早熟，以达到求出最优图像分割阈值的目的。本论文的具体内容安排如下：第一章，绪论。首先介绍了课题研究背景及意义，图像分割的国内外研究现状。最后介绍论文的主要工作。第二章，图像分割原理和方法。介绍了图像分割的定义，主要的图像分割方法，介绍了经典图像分割方法最大类间方差算法，最后简单介绍了图像分割性能评估。第三章，遗传算法概述。详细介绍了遗传算法的具体实现过程、理论基础，阐述了遗传算法程序设计的编码方式、基本算法流程及其遗传算子。最后介绍了遗传算法的优点以及应用。第四章，基于遗传算法的

8、图像分割。详细介绍了遗传算法在图像分割中的具体应用。第五章，基于改进遗传算法的图像分割。提出了一种改进遗传算法并应用于图像分割，利用改进遗传算法与改进OTSU法相结合对二维图像分割函数进行了全局优化，并对交叉概率和变异概率的计算公式进行了改进。根据个体适应度大小和群体的分散程度自动调整遗传