文档介绍：武汉科技大学硕士学位论文摘要图像分割是模式识别与图像分析的预处理阶段,是图像处理到图像分析的关键步骤,也是一种基本的计算机视觉技术,在图像识别与图像分析中具有重要的意义。遗传算法是一种基于生物自然选择和遗传机理的随机搜索优化方法。近几年由于其求解复杂优化问题的巨大潜力及其在工业上的成功应用,越来越受到国内外学者的广泛关遗传算法具有简单、鲁棒性好、本质并行和自适应的突出优点。在遗传算法中引入选择算子、交叉算子、变异算子和新个体,避免了局部早熟,提高了收敛速度和全局收敛能力。遗传算法作为一种并行算法,提高速度的潜力十分巨大。图像分割的计算复杂度高、计算时间长。为此,在图像分割领域,遗传算法常用来帮助确定分割阈值。本文介绍了图像分割的一般模型、基于阈值选取的图像分割方法,讨论了遗传算法的概念、实现过程、数学理论基础、特点、应用及发展前景。鉴于遗传算法的优化原理,提出了一种基于遗传算法的图像分割方法,该方法将遗传算法引入图像分割,利用遗传算法的快速寻优特点,优化了求解阈值的过程,极大地减少了计算量和存储空间。实验结果表明这种方法得到了较好的结果。关键词:遗传算法,图像分割,阈值第注。
琁,武汉科技大学硕士学位论文.,第页,、甀瑀瓸,硒琲.,.琺..琤,,甌、琒.,瓵珿琭琣,..篏
武汉科技大学硕士学位论文第一章绪论在实际应用中,存在着大量需要用图像处理方法解决的问题。例如,高速运行的纸品印刷生产线上,次品检查以往是用人工的手段来进行,这种方法费时费力,且难以保证效果。通过图像在线处理的手段,及时发现和剔除次品对保证印刷品质量提高劳动生产力具有重要的意义。另外,由于纸品质量轻,在生产线上容易出现旋转、偏移等现象,会直接影响到检测效果,而旋转、纠偏需要有准确的参考特征,为此需要对图像进行分割,寻找本课题根据图像分割与遗传算法的特点,将遗传算法应用于图像分割中,提出了一种基于遗传算法的图像分割方法。该方法能够得到运动图像的最优阈值,找准最佳分割点,图像分割就是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。这些特性可以是灰度、颜色、纹理等,目标可以对应单个区域,也可以对应多个区域【俊M枷穹图像分割方法的历史可追溯到近年代前,现已提出了大量算法,对灰度图像的阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值,然后将图像中各个像素的灰度值与这个阈值相比较,并根据比较结果将对应的像素分为两类,这两类像素一般分属图像的两类区域,从而达到分割的目的。从该方法中可以看出,确定一个最优阈值是分割的关键。现在的大部分算法都是集中在阈值确定的研究上【。阈值分割方法根据图像本身的特点,可分为单阈值分割方法和多阈值分割方法;也可分为基于像素的阈值分割方法、基于区域性质的阈值分割方法和基于坐标位置的阈值分割方法。若根据分割算法所有的特征算法【,将直方图量化后采用熵值得到新算法,使计算量大大减小。薛景浩、章毓晋【康提出基于最大类间后验交叉熵的阈值化分割算法,从目标与背景的类间差异性出发,利用法的特点和分割性能,取得了很好的通用性和有效性,该算法也容易实现二维推广,即采用二维统计量缟⑸渫蓟蚬采卣取代直方图,以提高分割的准确性。俞勇等人提出第课题来源可靠的参照目标。提高图片分析的精度与效率。图像分割概述割是由图像处理进化到图像分析的关键步骤,也是一种基本的计算机视觉技术拉或准则,还可以分为直方图与直方图变换法、最大类间方差法、最小误差法、最大熵法等目前也提出了许多新方法【浚缪涎康热颂岢隽嘶诹炕狈酵嫉淖畲箪劂兄荡贝叶斯公式来估计像素分别属于目标和背景两类区域的后验概率,再搜索这两类区域后验概率之问的最大交叉熵,这种方法结合了基于最小交叉熵以及基于传统香农熵的阈值化算【
武汉科技大学硕士学位论文化机制的适合于复杂系统优化的自适应概率优化技术——遗传算法。年,想对自然和人工自适应系统进行了研究,提出了遗传算法的基本定理——模式定理,并于的基于最小能量的图像分割方法【,运用了能量直方图来选取分割阈值。任明武等人提出的一种基于边缘模式的直方图构造新方法【浚狗指钽兄凳茉肷捅咴档挠跋旒跎俚阶钚程杰提出的一种基于直方图的分割方法【,该方法对准则的内在缺陷进行了改进,并运用对直方图的预处理及轮廓追踪,找出了最佳分割阈值,此方法对红外图像有很强的针对性。付忠良提出的基于图像差距度量的阈值选取方法⋯】,多次导出方法,得到了几种与类似的简单计算公式,该方法特别适合需自动产生阈值的实时图像分析系统。当前,图像分割在实际中已经得到较广泛的应用。如在工业自动化、在线产品检验、生产过程控制、文档图像处理、遥感和生物医学图像分析、保安监视、以及军事、体育、农业工程等方面。概括来说,在各种图像应用中,只要对图像目标进行提取、测量都离不遗传算法概述遗传算法【简称鹪从诙陨锵低乘械募扑慊D庋