一種基于改進(jìn)遺傳算法的圖像分割研究及應(yīng)用.pdf

1、圖像分割是很多高級(jí)圖像處理技術(shù)(如可視化、圖像壓縮、醫(yī)學(xué)圖像診斷等)的重要基礎(chǔ)工作。迄今為止,已經(jīng)有很多種不同的圖像分割方法提出。閾值法因其實(shí)現(xiàn)的簡(jiǎn)單性而成為圖像分割領(lǐng)域的一種重要方法。但是對(duì)于復(fù)雜的實(shí)時(shí)圖像分割問(wèn)題,閾值法的高耗時(shí)性己經(jīng)成為該方法發(fā)展的一個(gè)障礙。因此,尋求一種高效的算法來(lái)解決基于閾值法的圖像分割問(wèn)題具有重要意義。
　　遺傳算法(StandardGeneticAlgorithm,簡(jiǎn)稱(chēng)SGA)作為一種求解問(wèn)題的高效并

2、行的全局搜索方法,以其固有的魯棒性、并行性和自適應(yīng)性,使之非常適用于大規(guī)模搜索空間的尋優(yōu)問(wèn)題,已廣泛應(yīng)用于許多學(xué)科及工程領(lǐng)域。在計(jì)算機(jī)視覺(jué)領(lǐng)域中的應(yīng)用也日益受到重視,為圖像分割提供了一種新而有效的方法。
　　為了自動(dòng)確定圖像分割的最佳閾值,本論文提出了一種基于改進(jìn)遺傳算法的圖像分割方法,即利用這種改進(jìn)遺傳算法對(duì)二維OTSU圖像分割函數(shù)進(jìn)行全局優(yōu)化,該方法能夠根據(jù)個(gè)體適應(yīng)度大小和群體的分散程度自動(dòng)調(diào)整遺傳控制參數(shù),從而能夠在保持群體

3、多樣性的同時(shí)加快收斂速度,最后得到圖像分割的最佳閾值,克服了傳統(tǒng)遺傳算法的收斂性差、易早熟等問(wèn)題。在理論分析和仿真數(shù)據(jù)實(shí)驗(yàn)中,與二維OTSU圖像分割法和基于基本遺傳算法的圖像分割法相比,使用該方法得出的閾值范圍更加穩(wěn)定,閾值計(jì)算時(shí)間有極大的提高,更能滿足圖像處理的實(shí)時(shí)性要求。
　　本論文創(chuàng)新點(diǎn)和主要內(nèi)容歸納如下:
　　1、提出了一種基于改進(jìn)遺傳算法的圖像分割方法,優(yōu)化了解決方案。尤其是自適應(yīng)的變異算子選擇,是考慮了遺傳算法的

4、特點(diǎn),及算法實(shí)際運(yùn)行效率而引入的。實(shí)驗(yàn)證明,新的算法對(duì)于有噪聲干擾的灰度圖像有較好的分割質(zhì)量,同時(shí)利用改進(jìn)方案,與傳統(tǒng)的分割方法相比明顯提高了運(yùn)行時(shí)間。
　　2、提出了一種改進(jìn)的OTSU法,在該改進(jìn)OTSU法中引進(jìn)了一種新的距離度量,即背景與目標(biāo)之間的距離,兩類(lèi)間距越大,目標(biāo)和背景就分得越開(kāi),分割效果就越好。在該改進(jìn)OTSU法中引進(jìn)了一種新度量?jī)?nèi)聚性的好壞變量,即背景與目標(biāo)的平均方差,因此引入兩類(lèi)平均方差概念,用來(lái)度量?jī)?nèi)聚性的好壞

5、,兩類(lèi)平均方差越小,每個(gè)類(lèi)內(nèi)的像素越均勻,內(nèi)聚性越好,分割效果就更好。
　　3、提出了一種將改進(jìn)遺傳算法與改進(jìn)OTSU法相結(jié)合的圖像分割方法。
　　4、通過(guò)仿真實(shí)驗(yàn),該算法能夠在保持群體多樣性的同時(shí)加快收斂速度,閾值計(jì)算時(shí)間比二維OTSU圖像分割法縮短了18ms(約63％右),比基本遺傳算法縮短了大約30%右;提高了算法全局收斂的穩(wěn)定性,閾值范圍穩(wěn)定在3個(gè)像素以內(nèi)。本論文算法能夠快速準(zhǔn)確地分割圖像,可以應(yīng)用于各種圖像的實(shí)時(shí)處