基于遗传算法的二维熵图像分割方法的研究

论文摘要

图像分割是计算机视觉领域的一个重要而且基本的问题。图像分割是指把图像分解成各具特性的区域并提取出感兴趣目标的技术和过程,是从图像处理到图像分析的一个关键步骤,在图像工程中占有非常重要的位置。分割结果的好坏将直接影响到视觉系统的性能。所以对图像分割的研究一直都是图像技术研究中的热点和焦点之一,故图像分割的算法层出不穷,而且已经在诸如计算机视觉、模式识别和医学图像处理等实际中得到了广泛的应用。阈值图像分割方法是常用的图像分割方法。它通过选取阈值将图像分为目标和背景,关键技术是阈值的选取。传统的最佳直方图熵法对低信噪比图像的分割效果不理想,而二维最大熵法充分利用了像素的灰度分布信息和像素间的空间相关信息,提高了阈值分割的抗噪性能。本文对二维最大熵法进行了详细阐述和推导,对遗传算法进行了一系列改进,提出了一种自适应方法选取变异算子。实验结果表明,二维最大熵法具有较强的鲁棒性,同时改进的遗传算法能够快速收敛到最佳分割阈值,其优化效果十分明显。该方法是对现有图像阈值分割法的一种补充,实验结果表明,该算法可行、可靠,达到了理想的分割效果,实现了比传统方法更快速、稳定的图像分割。在图像处理领域具应用潜力。

论文目录

• 摘要
• Abstract
• 1. 绪论
• 1.1 本论文的研究目的及其意义
• 1.2 图像分割的研究现状
• 1.3 本论文的主要工作
• 1.4 本论文的内容安排
• 2. 图像分割的原理和方法
• 2.1 图像分割简介
• 2.2 图像分割的定义
• 2.3 图像分割的基本方法
• 2.3.1 阈值分割
• 2.3.2 边缘检测
• 2.3.3 区域的生长和分裂合并
• 2.3.4 其他分割方法
• 2.4 分割结果的评价
• 3. 遗传算法的基本理论
• 3.1 遗传算法的基本概念
• 3.2 标准遗传算法
• 3.2.1 标准遗传算法的基本流程
• 3.2.2 标准遗传算法的要素
• 3.3 遗传算法的基本原理
• 3.4 遗传算法的特点
• 3.4.1 传统搜索算法
• 3.4.2 遗传算法的特点
• 3.5 遗传算法理论研究现状
• 3.5.1 遗传算法的理论基础、数学模型
• 3.5.2 混合遗传算法（HGA, hybrid GA）研究
• 3.5.3 遗传算法的并行化
• 3.5.4 借鉴自然现象提出新的算法模型
• 3.6 遗传算法的应用研究现状
• 4. 基于最佳熵算法（KSW 法）的遗传算法
• 4.1 最佳熵自动阈值分割算法
• 4.2 基于最佳熵算法的遗传算法
• 4.3 实验结果与分析
• 4.3.1 KSW 法与引入遗传算法后的结果分析
• 4.3.2 最佳熵法、全局阈值迭代分割法和otsu 法的结果分析
• 5. 基于遗传算法的二维熵图像分割方法
• 5.1 相关概念
• 5.1.1 二维灰度直方图
• 5.1.2 二维阈值化
• 5.2 二维最大熵阈值法
• 5.3 基于改进型遗传算法的二维熵图像分割方法
• 5.3.1 算法的基本思路
• 5.3.2 算法的步骤
• 5.3.3 本文算法在技术上的改进
• 5.3.4 实验结果分析
• 6. 总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 个人简历