文档介绍：武汉科技大学
硕士学位论文
基于遗传算法的图像分割
姓名:黄菲
申请学位级别:硕士
专业:模式识别与智能系统
指导教师:刘振兴;尉宇
20080524
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
荔荔美菲注:请将本表直接装订在学位论文的扉页和目录之间武汉科技大学研究生学位论文创新性声明研究生学位论文版权使用授权书本人郑重声明:所呈交的学位论文是本人在导师指导下,独立进行研究所取得的成果。除了文中已经注明引用的内容或属合作研究共同完成的工作外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。申请学位论文与资料若有不实之处,本人承担一切相关责任。论文作者签名:的名义发表。本人完全了解武汉科技大学有关保留、使用学位论文的规定,同意学校保留并向有关部门凑铡段浜嚎萍即笱Ч赜谘芯可宦畚氖章工作的规定》执行徒宦畚牡母从〖偷缱影姹荆市砺畚谋徊樵暮徒柙模同意学校将本论文的全部或部分内容编入有关数据库进行检索。指导教师签名:本论文的研究成果归武汉科技大学所有,其研究内容不得以其它单位期:日
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