基于改進遺傳算法的圖像分割方法.pdf

1、圖像處理方面的核心科學中圖像分割是相當重要的方面，是圖像處理領域的關(guān)鍵技術(shù)，并且影像判斷分析與模式識別也是在良好的圖像分割的基礎上完成的?，F(xiàn)在圖像處理領域中有許多種類型的分割算法，一般而言從種類上基本可以分為區(qū)域分割基礎上的分割方法以及邊緣檢測基礎上的分割方法。在實踐應用中形成的主要類型為：閾值型、邊緣檢測型和區(qū)域跟蹤型。
　　隨著技術(shù)發(fā)展，一些新理論有應運而生。由于本文側(cè)重點不同，所以主要介紹閾值型分割方法。閾值法是一種經(jīng)過實驗

2、證明對圖像分割很有效的方法，閾值法的實現(xiàn)原理是抽出待處理圖像中目的部分與雜質(zhì)部分的灰度特點上的對比，理解圖像為一些不一的灰度特征的分開的部分，確定分割值即閾值，把目的圖像分塊和雜質(zhì)圖像分塊分離開來。閾值分割法轉(zhuǎn)換圖像的通道數(shù)，轉(zhuǎn)換灰度圖像為二值圖像，減少了存儲量，降低了閾值求取和計算的運算量。
　　為了更好的求取圖像分割中的閾值，本文闡述了一種把基于改進遺傳算法和改進Ostu圖像分割法相結(jié)合的新的圖像分割方法。遺傳算法是人類參考生

3、物繁衍發(fā)展的理論衍變而生的圖像處理領域的理論。在生物進化過程中，生物個體適應外界環(huán)境的方法是通過遺傳，變異，逐漸淘汰劣質(zhì)的個體，保留優(yōu)良的個體。遺傳算法就是參考上述現(xiàn)象產(chǎn)生的。由于簡單傳統(tǒng)遺傳算法，Otsu圖像分割法等以往圖像分割技術(shù)存在的目標圖像與整幅圖像的面積比不確定問題，解求取時間長的難題，容易提前形成偽解，所以導致圖像切割的閾值求取不簡單。所以本課題的研究目標是在基本遺傳算法的基礎上，解決閾值求取時間長的難題，使偽解很難形成。而

4、且圖像分割的要清晰，準確，邊緣明顯，沒有多余背景圖像。目標是利用遺傳種群中單體的修正度和所有單體的離散指數(shù)來設定算法中的參數(shù)值，這樣就能保證所有單體保持其復雜度和飽滿度，還可以使閾值求取時間減少，難形成偽解，最優(yōu)解形成穩(wěn)定，從而達到滿意的圖像分割結(jié)果。
　　利用改進遺傳算法對二維Otsu圖像分割函數(shù)進行全局優(yōu)化，該方法可以根據(jù)單體適合度值和種群特點調(diào)整遺傳群體運算的控制參數(shù)，進而在保持種群多樣性的同時加快收斂速度，得到圖像分割處理