利用遗传算法实现数字图像分割(论文资料).pdfVIP

　第 23 卷 第 7 期 小 型 微 型 计 算 机 系 统 V o l23 N o 7　 　　2002 年 7 月 M IN I- M ICRO SYST EM 　July 2002　　 ( ) 文 章 编 号: 2002 利用遗传算法实现数字图像分割 1 2 金　聪 　彭嘉雄 1(华中科技大学 图像信息处理与智能控制教育部重点实验室, 湖北 武汉 430074) 2(湖北大学 数学与计算机科学学院, 湖北 武汉 430062) 摘　要: 本文将遗传算法引入数字图像分割之中. 在此基础上, 利用文献 〔5 〕提出的一种具有每个基因位交叉概率自适 应变化的新交叉操作的改进型遗传算法来实现数字图像的分割. 模拟结果表明, 本文算法用于数字图像分割, 其收敛性 能远远高于文献 〔2 〕的传统方法和标准遗传算法. 关 键 词: 遗传算法; 图像分割; 收敛性能 中图分类号: TN 911. 73　　　　　文献标识码:A 1　引　言 的概率密度的表示式, 就能按最小误差准则来确定最佳门限. 设图像的灰度范围为{0, 1,. . . , l- 1}, 选择门限 T 将图 在对图像的研究和应用中, 人们往往仅对图像中的某些 像划分为两类: C 0 : {0, 1,. . . , T }, C 1: {T + 1, T + 2,. . . , l - ( 部分感兴趣. 这些部分常称为目标或前景 其它部分称为背 1}. 不妨设已知图像的物体和背景为高斯型分布, 其概率密度 ) 景 , 它们一般对应图像中特定的、具有独特性质的区域. 图像 为 分割就是把图像中的目标分成许多感兴趣的区域, 并提取出 P 1 x - p 1 (x ) = 1 exp [- ( 1 ) 2 ] 2 感兴趣目标的技术与过程. 这里所说的特性可以是灰度、颜 2 1 1 色、纹理等, 而目标可以对应单个区域, 也可以对应多个区域. P 1 x - p 2 (x ) = 2 exp [- ( 2 ) 2 ]