遗传算法在自动阈值图像分割中的应用研究.docVIP

遗传算法在自动阈值图像分割中的应用研究 科技信息博士?专家论坛 遗传簧法在自动阈值国像分割【l1响应用研究 广西工学院计算机工程系何春华广西工学院胡迎春 [摘要]本文在分析最大类间方差法原理的基础上,提出一种简捷的自动阈值选取的图像分割算法,该方法把图像分割最佳阈值选 取转换成优化问题,利用遗传算法的寻优高效性,将遗传算法引入求解最佳阈值,实现图像分割.实验证明,新算法不仅分割质量好, 而且高效可靠,极大地缩短了寻优时间. [关键词]图像分割阂值遗传算法最大类间方差法 0.引言 在对图像的研究和应用中,人们往往对图像中的某些部分感兴趣. 这些部分常称为目标或前景(其他部分为背景),它们一般对应于图像 中特定的,具有独特性质的区域.为了辨识和分析目标,需要将它们分 离提取出来,在此基础上才有可能对目标进一步利用,如进行特征提取 和测量.图像分割就是指把图像分成各具特性的区域并提取出感兴趣 目标的技术和过程.图像分割一直是图像处理领域中的重点和难点. 图像在分割后的处理,如特征提取,目标识别等都依赖图像分割的质 量,所以图像分割被视为图像处理中的瓶颈.在图像分割最初发展的二 十年里,人们主要对三种分割方法:阈值分割,边缘检测和区域提取进 行研究.进入八十年代以后,越来越多的学者开始将模糊理论,马尔可 夫模型,遗传算法理论,分形理论和小波理论等研究成果运用于图像分 割的研究,取得了很大进展.图像分割技术从兴起到现在,算法上得到 了不断的改进和创新,已经取得了很大的进步. 在众多的图像分割算法中,阈值分割是常用并且简单有效的方法, 阈值的选取是图像处理中的一个基本问题,特别是图像闯值的自动选 取在图像处理与分析中起着重要的作用.最大类间方差法(Otsu)被认 为是闯值自动选取方法的最优方法之一,该方法具有算法简单,分割质 量好等优点,特别是对于信噪比较高的图像具有很好的分割效果.传统 的Otsu方法采用穷尽法求得最优闯值,计算时间较长,因此需要寻求 一 种高效快速的算法. 遗传算法(GA)是一种自适应全局优化概率搜索算法,它能在搜 索中自动获取和积累有关搜索空间的知识,自适应地控制搜索过程,以 求得最优解(或近似最优解)遗传算法具有简单,鲁棒性好和本质并行 等突出特点.由于最大类间方差法选取最佳阈值的过程实质上是一种 寻优的过程,因此将遗传算法引入图像分割中,利用遗传算法所具有的 快速寻优的特点,优化求解最佳阈值的过程[61. 本论文在研究最大类问方差分割算法的基础上,利用遗传算法所 具有的快速寻优特点,将遗传算法引入自动最佳阈值选取当中,得到了 理想的分割效果.大大缩短计算时问,达到提高效率的目的. 1.Otsu阈值分割 Otsu是在最小二乘法原理的基础上推导出来的.它是基于一种分 类类别函数,在该分类函数取最大值时获得最佳阈值K.利用该闽值将 整幅图像的像素分成前景和背景两部分.最佳阈值的选取将使得前景 和背景的差别最大,即错分的概率最小.最佳阈值的选取依据下列的过 程实现. 设一幅图像的灰度值为1,2,……,m,共m级,其中灰度值为i的像 素数为n.,则得到: 总像素数: N=∑ni(1)l_l 各灰度值的概率: pl=nJN(i=l,2,……,in)(2) 然后用灰度级k将所有的灰度值分成两组,即Wo=fl,2,……,k1和 W={k+l,k+2,……,m1.在图像分割中称k为阈值,即用闽值将全部像素 分成两类:w.称为前景类,包含了所有灰度值小于等于k的像素,像素 k 总和为L0=Hi;w称为背景类,包含所有灰度值大于k的像素,像素 总和为∑13i个. 设W.和W.这两类出现的概率之和分别为02.和∞.,如下所示: ∞i= ~l ni : i=l )(3) =一 i ㈩ 设w.和w这两类的平均灰度值分别为№和.,该值描述了两 类的类中心. ∑np∑nip/co(k)(5) ILl=∑n,p/∞.:∑n.p/(1一∞(k))(6) 整幅图像的平均灰度值为: =c咖卜Ld+∞1I(7) 得到这两类的类问方差,即为进行图像分割时的分类类别函数,如 下所示: 仃(k)=(I)№一卜L)+∞1(l—)(8) 该函数描述了这两类的类问距离. 将式(7)代人式(8),并且∞∞.=1,得到公式: (k)=to0ol(一1)(9) 显然类间距离越大,这两类分得越开,分割的郊果越好.即最佳阈 值为: K=Argm~m o(k)(1O) 要得到式(10)中的最大值K,必须从12--,in之间改变k值,逐一 计算(9)式,求出使得方差最大的k值(记为K),以K为阈值分割图 像,如此可得到最佳的分割效果. 2.基于遗传算法的图像分割 图像阈值分割算法中的关键问题是阈值的选取,利用遗传算法的 目的就是要得到最佳分割阈值.最大类问方差的求解过程,就是在解