基于改进遗传算法的图像分割技术研究

《基于改进遗传算法的图像分割技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、武汉理T大学硕士学位论文摘要图像分割是由图像处理到图像分析的关键步骤，也是计算机视觉要解决的一个关键问题，尽管它多年来一直受到人们的高度重视，但是发展缓慢。现提出的分割算法都是针对具体问题的，并没有一种适合所有图像的通用分割算法，特别是在根据阂值的灰度图像分割中，人们很难找到～种对图像感兴趣区域的阈值，能进行快速搜索、准确定位的优化分割算法。遗传算法(StandardGeneticAlgorithm，简称SGA)作为一种求解问题的高效并行的全局搜索方法，以其固有的鲁棒性、并行性和自适应性，使之非常适用于大规模搜索空间的寻优问题，已广泛应用于许多学科及工程领域。在计算机视觉领

2、域中的应用也日益受到重视，为图像分割提供了一种新而有效的方法。本论文对传统的图像分割算法进行了研究与比较；对遗传算法理论、遗传算法在图像分割领域的应用现状及遗传分割算法的原理、过程和实验结果等几方面进行研究探讨。通过对遗传算法运行机理的深入研究，针对一些灰度图像和加噪图像，本文对改进的自适应遗传算法(ImprovedAdaptiveGeneticAlgorithm，简称．IAGA)在图像分割中的应用做了研究。算法中采用二维编码机制；为保持种群的多样性，随机均匀地产生初始种群；在遗传交叉操作中引入了一项规则防止种群退化；为使遗传算法保持种群的多样性，以防止出现未成熟收敛，本文

3、采用了一个自适应变异算子；并在种群更新机制方面，提出了一个新的解决方案。实验结果表明，本文提出的基于改进的遗传算法优化了图像的分割，运算速度明显比传统分割算法快，而且取得了比传统算法更好的分割质量。本文程序采用MATLAB6．5在WinXP环境下编译完成。关键词：图像分割；自适应、遗传算法；交叉算子；变异算子Abstract’n‘lheimagesegmentationISthekeystepfromtheimageprocessingtotheimageanalysis，anditisalsoanimportantanddifficulttaskofcomputervis

4、iontechn0109Y．Toughithasbeenbeingattachedmuchattentionbypeopleformanyyears，itdevelopsveryslowly．Nowadays，manyalgorithmswhichareallparticularforsomespecialproblemshavebeenputforward，butnoneofthemissuitableforallimages．ItisverydifficultforUStofindanalgorithmwhichcanquicklysearch，exactlyorien

5、tandoptimizethesegmentationintheareaswhichinterestUS，especiallythealgorithmforgreyimagesegmentationbasedonthreshold．Geneticalgorithm(GA)isasortofefficient，parallel，globalsearchmethodwithitsinherentvirtuesofrobustness，parallelandself-adaptivecharacters．Itissuitableforsearchingtheoptimizatio

6、nresultinthelargesearchspace．Nowithasbeenappliedwidelyandperfectlyinmanystudyfieldsandengineeringareas．IncomputervisionfieldGAisincreasinglyattachedmoreimportance．ItprovideStheimagesegmentationanewandeffectivemethod．Algorithmsandanalysesaboutimagesegmentationarepresented．Anoverviewonthethe

7、oriesandtherecentdevelopmentisgiven．AlsothestatusofGAappliedintheimagesegmentationfieldispresentedandthetheories，steps，resultsandanalysesofseveralGAappliedintheimagesegmentationaregiven．ThroughthedeepresearchandcompartionsontheGAfields，animprovedseIfadaptivege