基于最大模糊熵和遺傳算法的圖像分割方法研究.pdf

1、圖象分割是數(shù)字圖象處理與機器視覺的基本問題之一，是目標檢測和識別過程中的重要步驟。由于待分割圖象的可變性比較大，且混有噪聲，構(gòu)成了圖象分割所面臨的主要困難。到目前為止還不存在一種通用的、能使各種類型的圖象達到最優(yōu)分割質(zhì)量的圖象分割方法。 近年來一些學者將模糊理論和遺傳算法引入到圖象分割中，較傳統(tǒng)方法取得了更好的分割效果。本文在研究傳統(tǒng)的模糊閾值分割的基礎(chǔ)上，提出了一種基于改進的自適應(yīng)遺傳算法的圖象分割方法，提高了圖象的分割質(zhì)量和

2、分割效率。本文具體研究工作如下： 首先，針對標準遺傳算法容易“早熟”的缺點，提出一種改進的自適應(yīng)遺傳算法。該算法引進新的變量來衡量群體適應(yīng)度的集中程度，從而對交叉概率和變異概率進行自適應(yīng)調(diào)整，提高了算法的收斂率。 然后，將模糊理論和遺傳算法結(jié)合起來應(yīng)用于圖象分割處理。針對目標和背景兩類圖象分割，考慮二維灰度直方圖，采用了一種更符合圖象空間分布特點的隸屬函數(shù)，建立了對應(yīng)的二維圖象模糊熵，分別采用標準遺傳算法和改進的自適應(yīng)遺

3、傳算法對二維圖象模糊熵的各個參數(shù)進行優(yōu)化，根據(jù)最大模糊熵準則，確定目標和背景的最佳分割閾值。實驗結(jié)果表明，基于改進的自適應(yīng)遺傳算法的二維最大模糊熵閾值分割法具有較好的分割性能和較快的分割速度，對噪聲有一定的抑制能力。另外，針對多目標的復(fù)雜圖象分割問題，本文采用了一種三類閾值分割法，該方法將圖象分為暗區(qū)、灰度區(qū)和亮區(qū)，通過建立相應(yīng)的模糊隸屬函數(shù)，對圖象各個灰度級屬于暗區(qū)、灰度區(qū)和亮區(qū)的模糊特性進行描述，并采用改進的自適應(yīng)遺傳算法對模糊熵參