遗传算法是模拟生物学自然遗传和达尔文进化理论的随机优化算法.它具有鲁棒性、并行性和自适应性的特点.该文通过对图象分割和模板匹配两个具体问题的求解进行遗传算法在图象处理中的应用研究.首先讨论了在不同的应用领域中,如何引入遗传算法机制及进行遗传程序设计时首先要考虑的几个参数:编码、人口模型、适应度函数、选择、交叉、变异和终止准则等.其次,将遗传算法应用于图象分割,分别基于遗传算法实现了Otsu方法和KSW最佳熵方法,通过对图象进行单阈值分割和多阈值分割,表明遗传算法分割速度优于传统的穷尽法.最后,进行了遗传算法在模板相关匹配中的应用研究,其中,针对遗传算法的编码问题,提出比普通的二进制编码具有更好性能的自然数编码方法;针对遗传算法人口数和遗传代数的选择,通过定义遗传算法效率的概念,给出经验公式用于指导选择最佳人口数和最佳代数;通过与经典的快速SSDA算法比较,表明遗传算法运算速度优于SSDA算法.该文的研究说明了遗传算法可以提高图象处理的运算速度,尤其适用于搜索空间很大的图象处理问题.