改进的遗传算法在火灾图像分割中的应用.pdfVIP

中国电源学会第二十届学术年会论文集 改进的遗传算法在火灾图像分割中的应用 吴天佑，周熙文 （三科电器集团有限公司，乐清 325600 ） Email ：297507654@ 摘 要 针对传统遗传算法存在的收敛性问题，提出了一种自适应的遗传算法。该算法采用动态的交叉 概率和变异概率，有效地解决了过早收敛和全局收敛性问题。我们将该算法应用在火灾图像的分割上面，实 验证明，利用该算法对图像进行分割是有效和可行的。 关键词 遗传算法，交叉概率，变异概率，图像分割 1．引言 随着人们生活水平的提高，物质财富的增加，居住条件的改变，大空间建筑的迅速增加，火灾 形势日趋严重，人的生命财产安全受到威胁。因此，做好火灾检测、火灾报警就显得格外重要了。 以往的感烟型、感温型等传统火灾探测技术往往不能满足人们的要求。 图像型火灾探测技术是一种以计算机为核心，基于计算机图像处理技术的智能火灾监控技术。 该技术可以在复杂环境下做出准确的判断，能在无人值守的情况下，自动监控环境中的情况，能及 时对可能发生的火灾做出反应。图像型火灾探测主要包括火灾图像分割、火焰特征的提取、火灾判 决等关键技术。其中火灾图像分割是火灾图像识别、火焰特征提取的前提，其结果直接关系到火灾 探测的优劣。因此对火灾图像分割技术的研究是非常重要的。 2 ．传统的遗传算法 遗传算法 （Genetic Algorithm ）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化 过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan 大学 J.Holland 教授于1975 年首先提出来的。 遗传算法是模仿自然界中物竞天择、适者生存的进化过程，并结合了数理统计的方法。在求 解过程中，GA 从一个变量群开始一代一代地寻优，是一种迭代式算法。解决一个实际问题，应用 GA 寻求最优解，一般包含以下几个主要步骤： (1) 建立初始状态确定参数，随机从环境中选取N 个初始个体、设交叉率为Pc、变异率Pm 。 (2) 编码、评估适应度：种群中个体的适应值其相对适应值按下面公式计算： f i reli N (1) f i i 1 f i 其中 是群体中第i 个个体的适应值，N 是种群的规模，即第一步这种选择的个体总数。 每个个体的繁殖量为： N round (rel , N ) (2) i i 其中round (x) 表示与x 距离最小的整数。 (3) 杂交与变异 (4) 繁殖、寻找最优解。 · 1195 · 中国电源学会第二十届学术年会论文集 用一句话说，遗传算法的特点就是随机地、迭代地、不厌其烦地去寻找最优解。 3 ．改进的遗传算法 3. 1 将固定交叉概率改进为自适应交叉概率 传统的遗传算法在进化过程中采用固定的交叉概率，交叉概率的大小决定了新个体产生的速 度。本文在传统遗传算法的基础上将固定的交叉概率改进为一种自适应变化的交叉概率。其表达式 如下： f max F P k , F  f { c 1 f max f avg avg （3）