改進(jìn)遺傳算法在數(shù)字圖像分割中的應(yīng)用研究.pdf

1、圖像分割是圖像處理和計(jì)算機(jī)前期視覺中的基本技術(shù),是大多數(shù)圖像分析和視覺系統(tǒng)的重要組成部分,圖像分割效率的高低直接影響后續(xù)圖像的處理工作。閾值法實(shí)現(xiàn)簡(jiǎn)單,根據(jù)一定的閾值選取準(zhǔn)則快速實(shí)現(xiàn)圖像分割,是一種高效的圖像分割方法。但是對(duì)于不同的圖像,分割準(zhǔn)則的選取不同其分割效果也有好壞,同時(shí)在需要對(duì)圖像的信息進(jìn)行細(xì)致分割時(shí),一個(gè)閡值顯然不能滿足要求,而采用多閾值分割時(shí)常用的窮盡搜索法實(shí)效性較差,達(dá)不到實(shí)際應(yīng)用的要求。因此,必須選取一種快速、準(zhǔn)確的優(yōu)

2、化方法與閾值法結(jié)合來進(jìn)行圖像分割。遺傳算法是一種解決復(fù)雜優(yōu)化問題的智能算法,完全勝任于圖像分割領(lǐng)域。遺傳算法尋優(yōu)速度快,魯棒性強(qiáng),適用于各種閾值分割準(zhǔn)則。然而遺傳算法由于其隨機(jī)性、易早熟的特點(diǎn)限制了其應(yīng)用,因此需要對(duì)遺傳算法進(jìn)行相應(yīng)改進(jìn)來提高算法收斂性能。
　　本文首先分析了圖像分割的一些常用方法,著重對(duì)比分析了幾種常用的閾值分割法,在總結(jié)前人研究的基礎(chǔ)上,針對(duì)交叉熵分割法進(jìn)行了相應(yīng)的一些改進(jìn),提出了一種交叉熵閾值圖像分割方法。同

3、時(shí),結(jié)合遺傳算法的常用改進(jìn),提出了一種改進(jìn)后的遺傳算法。主要采用非線性的自適應(yīng)交叉概率改進(jìn)交叉算子,針對(duì)收斂情況調(diào)節(jié)變異概率改進(jìn)變異算子,同時(shí)加入最優(yōu)個(gè)體保留、用隨機(jī)個(gè)體取代最差個(gè)體的種群重組策略,經(jīng)過一系列改進(jìn),提高算法性能。運(yùn)用常用的一些算法檢測(cè)函數(shù)對(duì)改進(jìn)后算法進(jìn)行了性能測(cè)試,通過與傳統(tǒng)遺傳算法、自適應(yīng)遺傳算法結(jié)果比較及分析,驗(yàn)證了改進(jìn)后的算法在收斂速度和準(zhǔn)確性上都大為提升。最后將改進(jìn)后的遺傳算法與最大類間方差法、最大信息熵法和本文