一種基于改進遺傳算法的圖像分割算法應(yīng)用的設(shè)計與實現(xiàn).pdf

1、在圖像處理到分析階段，最核心的環(huán)節(jié)即為圖像分割。所謂圖像分割，即綜合考慮圖像的灰度、顏色以及幾何狀態(tài)等特征以后，將圖像進行劃分，劃分后產(chǎn)生的每個區(qū)域都具有自己的特色，再將其中自己需求的部分分割出來;在通常情況下，我們主要運用以下三種方式進行圖像分割，即閾值分割法，邊緣檢測法以及區(qū)域分割法等，在上述三種方法中，最常見的方法為第一種，這種方法中，最通用的確定閾值的方法即為最大類間方差準則，即OTSU。圖像有其不同的復(fù)雜性，并不是所有圖像在使

2、用OTSU算法處理后都具有理想的分割效果，這也是圖像分割技術(shù)存在的常見問題。
　　本文形成的成果及理論意義如下:首先，研究了一種改進的OTSU法，在該改進OTSU法中引進了一種新的度量，這種度量內(nèi)聚性的變量是分割目標與圖像背景間的平均方差。為了避免目標與背景類間距不夠理想，本文引入兩類平均方差的概念，力求使其值內(nèi)聚性夠理想，平衡類內(nèi)像素勻值以達到較好的分割效果。
　　其次，對于傳統(tǒng)遺傳算法的缺點，提出了基于改進遺傳算法的圖像

3、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特點，及算法實際運行效率而引入的。實驗證明，改進的算法對于有噪聲干擾的灰度圖像有較好的分割質(zhì)量，同時利用改進方案，與傳統(tǒng)的分割方法相比明顯提高了運行時間。
　　最后，本文形成了一種改進遺傳算法與改進OTSU法相結(jié)合的圖像分割算法。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圖像分割法縮短了約63％;比基本遺傳算法縮短了