遗传算法及在图像分割中及应用.ppt

目录 遗传算法简介 图像分割简介 一维最大熵阈值分割 二维最大熵阈值分割 遗传算法基本思想 从初始化的群体出发， 通过随机选择(复制)（使群体中优秀的个体有更多的机会传给下一代），交叉（体现了自然界中群体内个体之间的信息交换），和变异（在群体中引入新的变种确保群体中信息的多样性）等遗传操作，使最具有生存能力的染色体以最大可能生存, 群体一代一代地进化到搜索空间中越来越好的区域. 基本遗传算法的构成要素 基本遗传算法的形式化定义 基本遗传算法描述 基本遗传算法的实现 二）个体适应度评价 三）选择算子 选择算子 轮盘赌选择 特点：每次选择一个个体。 若要选择n个个体，则要单独运行n次。 轮盘选择示例 交叉算子 变异算子 实例：遗传算法求函数极值 图像分割 　 图像分割是自动目标识别的关键和首要步骤,其目的是将目标和背景分离,为计算机视觉的后续处理提供依据。 通常图像分割包括阈值法、边缘检测法和区域跟踪法。其中阈值法是图像分割的常用方法。 目前，已有众多的阈值分割方法，如最小误差阈值法、最大类别方差法(Otsu 法) 及最佳直方图熵法。 Kapur 等人所提出的最佳熵阈值方法 (简称为KSW熵法) ，不需要先验知识，而且对于非理想双峰直方图的图像也可以进行分割。但在确定阈值时，尤其是确定多阈值时，计算量很大。 遗传