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。閾值法因其實現(xiàn)的簡單性而成為圖像分割領(lǐng)域的一種重要方法。但是對于復(fù)雜的實時圖像分割問題,閾值法的高耗時性己經(jīng)成為該方法發(fā)展的一個障礙。因此,尋求一種高效的算法來解決基于閾值法的圖像分割問題具有重要意義。
　　遺傳算法(StandardGeneticAlgorithm,簡稱SGA)作為一種求解問題的高效并

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)問題,已廣泛應(yīng)用于許多學(xué)科及工程領(lǐng)域。在計算機視覺領(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)個體適應(yīng)度大小和群體的分散程度自動調(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、易早熟等問題。在理論分析和仿真數(shù)據(jù)實驗中,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,閾值計算時間有極大的提高,更能滿足圖像處理的實時性要求。
　　本論文創(chuàng)新點和主要內(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,及算法實際運行效率而引入的。實驗證明,新的算法對于有噪聲干擾的灰度圖像有較好的分割質(zhì)量,同時利用改進(jìn)方案,與傳統(tǒng)的分割方法相比明顯提高了運行時間。
　　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,兩類間距越大,目標(biāo)和背景就分得越開,分割效果就越好。在該改進(jìn)OTSU法中引進(jìn)了一種新度量內(nèi)聚性的好壞變量,即背景與目標(biāo)的平均方差,因此引入兩類平均方差概念,用來度量內(nèi)聚性的好壞

5、,兩類平均方差越小,每個類內(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、通過仿真實驗,該算法能夠在保持群體多樣性的同時加快收斂速度,閾值計算時間比二維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)用于各種圖像的實時處