文档介绍：第 26卷第 9期计算机应用与软件 Vol
2009年 puterApplicationsandSoftware
基于量子遗传算法的图像分割
黄力明
(镇江市高等专科学校电子信息系江苏镇江 212003)
摘要针对基本遗传算法的稳定性较差、存在未成熟收敛和易陷入局部最优解的问题,将量子计算与遗传算法进行融合,较好
地解决了传统的多阈值图像分割方法中运算量大的问题。实验结果表明量子遗传算法用于阈值寻优减少了搜索时间,提高了收敛
效率。
关键词图像分割遗传算法量子遗传算法阈值
ICALGORITHM
HuangLiming
(DepartmentofElectronicsandInformation,ZhenjiangCollege,Zhenjiang212003,Jiangsu,China)
Abstract icalgorithminpoorstability,prematureconvergenceandeasilygettingintolocal
optimum,icalgorithm,whichhasabettersolutiontotheproblemoftradi
tionalmulti
.
Keywords Imagesegmentation icalgorithm icalgorithm Threshold
因而在图像分割中获得了广泛的应用。从模式识别的角度看,
0 引言最佳阈值应当产生最佳的目标类与背景类的分离性能。要通过
阈值对两类问题进行分割,显然,适当的阈值使得两类数据间的
遗传算法(GA)[1]是模拟自然选择和遗传的随机搜索算方差越大越好,表明该阈值确能将两类不同的问题区分开来,同
法,常用作问题求解和最优化的有效工具,近年来遗传算法在各时希望属于同一类问题的数据之间的方差越小越好,表明同一
个应用领域都有成功的应用,因而是极具有潜力的方法。作为类问题具有一定的相似性。因此可以采用类间、类内方差比作
一种通用的随机搜索算法的遗传算法,在解决一些复杂问题时为选择最佳阈值的评价参数。
它还存在着容易陷入局部最优、早熟收敛和收敛速度慢的缺陷。对于灰度范围为[0,255]的图像,设阈值 t将图像分割为目
量子遗传算法是近年来提出的一种优化算法,其主要核心思想标与背景两类,pi为第 i级灰度出现的概率 L=256。
L-1
是利用量子态的叠加性和相干性以及量子比特的纠缠性,与遗 ni
pi = ∑pi =1
传算法最本质的区别就在于它具有量子并行性。量子遗传算法 N i=0
将量子机制引入到遗传算法中,是将量子计算和遗传算法相结其中,ni为图像中像素灰度级为 i的像素个数;N为图像的总像
合的一种新的优化算法。量子遗传算法具有收敛速度快和全局素数。
寻优能力强的特点,这将使得它有望获得更广泛的关注和应用。目标出现的概率ω0和背景出现的概率ω1分别为:
本文提出一种有别于传统旋转门策