论文部分内容阅读
如今,随着虚拟现实技术的迅速发展,为了更好的处理计算机图像,图像分割技术作为图像预处理的步骤,其地位变得尤为重要。对于如何更好的提高图像预处理质量、提高图像分割质量以及提高分割效率等问题早已成为图像分割技术的关键所在。然而由于图像处理技术的迅猛发展,传统的分割技术,如阈值分割、区域分割、聚类分析等方法已经不能满足复杂图像的处理要求,本文在传统图像分割算法的基础上,结合遗传算法进行了优化处理解决了分割过程中局部收敛、分割效率低等问题。本文主要工作和创新之处有:(1)首先,在对遗传算法编码解码以及其相关步骤进行深入研究的基础上,为了验证遗传算法在几何特征图像分割中的有效性,本文分析并实现了遗传算法和最大类间差法的几何特征图像分割关键技术,把最大类间差中的类间方差函数为遗传算法中的适应度函数,通过遗传算法的选择、交叉、变异保留物种多样性,能有效的避免局部收敛,从而得到基于全局的最优阈值。(2)以遗传算法为基础,同时对模糊理论和能量函数做了分析,在基于双凸模糊能量函数和遗传算法的几何特征图像分割算法中,本文首先用双凸模糊模型改进了传统的CV模型,对改进的能量函数中的惩罚长度的搜索中首次使用遗传算法进行优化操作。从而得到一个全局的能量函数最小值,最后得到了一个能清晰分割图像边缘的轮廓闭合曲线。(3)由于遗传算法局部搜索能力较弱,本文深入研究了非线性规划的相关性质,提出了结合模糊C-均值聚类和非线性规划的遗传算法的几何特征图像分割算法,该方法中把模糊C-均值聚类中的目标函数作为非线性规划遗传算法中的适应度函数,非线性规划加强局部搜索,遗传算法本身保证全局最优,从而能得了到更加理想的分割效果。实验证明本文通过分析基于遗传算法的几何特征图像分割关键技术,验证了遗传算法在几何特征图像分割中的有效性;同时本文提出的两种优化分割方法与现有的传统分割算法相比,都取得了比较理想的分割效果;其次本文给定了相关数值评价指标,通过相关对比实验证明了文中提出方法的有效性和稳定性。