论文部分内容阅读
遗传算法具有简单、鲁棒性好和本质并行的突出优点。其在应用领域取得的巨大成功,引起了广大学者的关注。在图像分割领域,遗传算法常用来帮助确定分割阈值。 本文讨论了目前遗传算法应用于图像分割的现状,给出了几种遗传分割算法的原理、过程、实验结果及分析; 介绍了图像边缘检测、图像阈值分割的各种算法,并给出了对比分析;对遗传算法的基本概念和研究进展进行了综述,提出了一种新的遗传分割算法,得到了理想的结果。 本文提出的遗传分割算法充分考虑了图像数据本身的特殊性,从提高全局搜索能力和收敛速度出发,加入了3个新的操作策略。算法在初始化种群阶段引入了“优生”算子,以及改进的变异操作使算法的收敛速度大大提高;在形成新种群阶段引入新的算子避免了局部早熟,提高了全局收敛能力。本文以基于坐标的阈值分割方法为基础进行二维整数编码,采用窗口交叉方法,以文献[23]给出的评价方法构造适应度函数。实验结果表明,本文提出的遗传分割算法明显优于传统分割算法。 本文所有程序均是用VC++6.0在Win98环境下编译完成。实验图片源于实际拍摄的图片及网上收集的图片。