基于遗传算法的最大类间方差法图像分割

哈尔滨工业大学毕业设计（论文）

摘要

本文研究的是遗传算法的基本原理和算法的应用，分析了遗传算子的特性，主要讲述了基本遗传算法的应用步骤，并将其应用于图像处理中的图像分割技术中，用MATLAB软件编程实现遗传算法得出分割阈值数据，利用MATLAB软件强大的仿真功能，编程进行图像分割仿真实验，将得出的几组图像进行对比。

首先分析了最大类间方差阈值图像分割算法的基本原理，然后结合遗传算法及其特点提出了一种自动阈值选取的图像分割算法，在本算法中对传统最大类间方差图像分割的算法及遗传算法进行了改进，提高了传统算法的速度，改善了遗传算法的收敛速度与最优解的协调关系，最后从速度及性能上进行了分析比较，并对实际图像分割做了实验。结果表明，本遗传算法的图像分割方法在图像分割过程中具有速度快，效果好的特点。

关键词图像分割；遗传算法；阈值；方差；适应度函数

- I -

哈尔滨工业大学毕业设计（论文）

Abstract

This thesis mainly studies the basic principle of the genetic algorithms and the applications of the algorithms. The characteristic of the genetic operator has analyzed, mainly discussed the application steps of the simple genetic algorithms. The GAs are applied to the image segmentation technique, With the strong function of MATLAB, I programmed the GA emulation and gave the final data, then, compared the pictures showed by the emulation experiment of the image segmentation.

Firstly, developed a new automatic threshold image segmentation algorithm after comprehensively studying the method with maximum variance between two class and GA principle. Then, with the change of the GA , the algorithm develops the compute speed and result stability . Finally, the results of the experiments by the algorithm are showing to compare with the tradition method, it is conclude that the algorithm is not only higher quality but also quicker compute speed.

Keywords image segmentation the genetic algorithm threshold variance fitness function

- II -

哈尔滨工业大学毕业设计（论文）

目录

摘要...............................................................................................................................I Abstract....................................................................................................................... II

第1章绪论 (3)

1.1 课题背景 (3)

1.2 遗传算法的生物学基础 (4)

1.2.1 遗传与变异 (4)

1.2.2 进化 (5)

1.2.3 遗传与进化的系统观 (5)

1.3 遗传算法的发展史 (6)

第2章基于灰度的图像分割 (8)

2.1 图像分割概述 (8)

2.1.1 图像分割的应用领域 (8)

2.1.2 图像分割的通用定义 (9)

2.2 灰度门限法 (10)

2.2.1 灰度门限法简介 (10)

2.2.2 灰度门限的确定 (11)

2.2.3 最大类间方差阈值分割法 (12)

2.3 本章小结 (15)

第3章遗传算法 (16)

3.1 遗传算法概述 (16)

3.2 遗传算法的特点 (17)

3.3 遗传算法的应用 (17)

3.4 基本遗传算法 (19)

3.4.1 基本遗传算法的构成要素 (19)

3.4.2 基本遗传算法的形式化定义 (20)

3.4.3 基本遗传算法的实现 (20)

3.4.4 基本遗传算法的应用步骤 (23)

3.5 本章小结 (26)

第4章软件实现与分析 (27)

- 1 -

哈尔滨工业大学毕业设计（论文）

4.1 用MATLAB实现遗传算法 (27)

4.2 最大类间方差图像分割中的遗传算法 (30)

4.3 图像分割遗传算法的性能分析 (32)

4.4 实验结果分析 (33)

4.5 本章小结 (35)

结论 (36)

致谢 (37)

参考文献 (38)

附录1 (39)

附录2 (45)

附录3 (51)

- 2 -

哈尔滨工业大学毕业设计（论文）

第1章绪论

1.1课题背景

图像分割是计算机视觉及模式识别中一个非常困难的研究内容，是视觉图像理解，如目标检测、特征提取、目标识别操作的基础，图像分割的好坏直接影响到图像理解[6]。最简单的图像分割方法是采用对比度、边缘、灰度检测的方法，这些方法利用了前景与背景的灰度变化来进行分割，其前提是假设目标与背景相比有明显的灰度对比或颜色变化，但在实际处理中，由于受到光照不均等因素的影响，其对比特征并不明显，因此上述算法存在许多局限性。

采用灰度直方图统计的分割方法利用了图像整体的灰度特征，使得图像分割性能得到了很大程度的改进，如双峰法及P-tile法，特别是1980年由日本的大津展之提出的最大类间方差动态阈值图像分割方法，使图像分割的效果得到了明显的提高[13]。它利用图像的灰度值，通过计算目标与背景两大类间的最大方差而动态得到图像分割的阈值，然后据此进行图像分割。但这种算法对于每一灰度值都要反复计算其对应方差，计算量非常大，例如对于灰度为256级的图像而言，设每计算一个方差的时间为T，则总的方差运算时间为256T。为了消除光照不均的影响，对图像采用局部阈值分割方法，其运算时间将会更多，因此，按传统的方法计算最大类间方差已经限制了这种算法的发展。1990年Flavagetto提出将图像单元分成一个个子区，然后进行代运算计算区间的可信度，最后保留可信度高区域作为最后的分割结果，这种方法比前一种方法性能要好。一般而言，并不能求出最佳的分割结果。为了加快求最优解的速度，对上述过程采用适应于并行计算的遗传算法，但传统的GA算法会因收敛性与最优解之间的矛盾使得求解过程很难达到速度与最优解稳定两全，在决定收敛速度时，只是采用一个不变的概率进行遗传运算，其求解过程并不稳定，特别是对于直方图异常复杂的情况，图像处理的效果并不理想。

本文结合遗传算法的特点对其进行改进，提出了一种新的求解类间方差最大值的遗传算法，改进后的遗传算法能非线性快速稳定地查找到最优的分割阈值，从而有效分割了背景与目标，使图像的分割达到最佳效果。

- 3 -