基于遺傳算法的圖像分割方法.pdf

1、在當(dāng)今社會(huì)，圖像數(shù)據(jù)呈爆炸式增長(zhǎng)，圖像在人們學(xué)習(xí)工作生活中占據(jù)越來(lái)越重要的地位。面對(duì)如此龐大的數(shù)據(jù)，如何有效地提取可用信息是圖像處理領(lǐng)域的主要課題。圖像分割是指把圖像分解成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過(guò)程，它作為圖像處理的一門關(guān)鍵技術(shù)，直接關(guān)系著圖像分析、圖像理解和圖像識(shí)別的質(zhì)量。
　　圖像分割研究近幾年一直是熱點(diǎn)問(wèn)題，學(xué)者提出的分割算法數(shù)以千計(jì)，其中基于模糊C均值聚類算法的圖像分割方法是一類極其普遍且有效的方法。隨著

2、人們對(duì)圖像分割精度的要求不斷提高，模糊C均值算法也得到了不斷的發(fā)展。針對(duì)圖像數(shù)據(jù)的特性，加入空間特征信息項(xiàng)的模糊C均值聚類算法成為研究熱點(diǎn)，其中，F(xiàn)CM_S(Fuzzy c-means clustering with constraints)算法以及FLICM(Novel robustfuzzy local information c-means clustering)算法是融入?yún)^(qū)域空間特征信息的代表算法。
　　通過(guò)對(duì)FLICM算

3、法及其相關(guān)算法的研究，作者發(fā)現(xiàn)并證明了FLICM算法的解不是其目標(biāo)函數(shù)最小化的結(jié)果，導(dǎo)致了FLICM算法不收斂，并且進(jìn)一步說(shuō)明了FLICM算法框架不存在閉式解，因此，繼承FLICM算法框架的算法均存在不收斂的問(wèn)題。作者改進(jìn)了FLICM算法的目標(biāo)函數(shù)，使得區(qū)域空間特征信息更好的融入聚類算法，同時(shí)針對(duì)目標(biāo)函數(shù)沒有閉式解的問(wèn)題，設(shè)計(jì)了使用遺傳算法解決目標(biāo)函數(shù)優(yōu)化問(wèn)題的方案，提出了基于遺傳算法的圖像分割算法——GAFLICM算法。在人工合成圖像