基于遗传算法的图像分割
基于遗传算法的图像分割
摘要：图像分割是模式识别与图像分析的预处理阶段，是图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术，在图像识别与图像分析中具有重要的意义。本文介绍了图像分割的一般模型、基于阈值选取的图像分割方法，讨论了遗传算法的概念、实现过程、数学理论基础、特点、应用及发展前景。鉴于遗传算法的优化原理，提出了一种基于遗传算法的图像分割方法，该方法将遗传算法引入图像分割，利用遗传算法的快速寻优特点，优化了求解阈值的过程，极大地减少了计算量和存储空间。
关键词：遗传算法，图像分割，阈值
The Image Segmentation Based on Genetic Algorithm
Abstract: Image segmentation, as the pretreatment of the pattern recognition and image analysis, as the key step
of the image processing to image analysis, and also as one computer vision technology, is very important on
image recognition and image analysis. This paper introduces the general model of image segmentation, and image
segmentation method based on the threshold value, and discusses the concept, the realization process of genetic
algorithm, mathematics theory foundation, characteristics, application and development prospect.In view of the
optimization of genetic algorithm, this paper proposes a image segmentation method based on genetic algorithm,
the genetic algorithm is introduced into image segmentation, the method using the fast optimization characteristics
of genetic algorithm, optimization of the process of solving the threshold, greatly reduce the amount of calculation
and storage space.
Key words: genetic algorithm, image segmentation, threshold
1．引言
遗传算法是基于进化论自然选择机制的、并行的、统计的、随机化搜索方法。对此，科学家进行了大量的研究工作，并成功地将它们运用于各种类型的优化问题。在分割复杂图像时，人们往往采用多参量进行信息融合，在多参量参与最优值的求取过程中，优化计算是最重要的。把自然进化的特征应用到计算机算法中，将能解决很多困难。遗传算法的出现为解决这类问题提供了新而有效的方法，它不仅可以得到全局最优解，而且大量缩短了计算时间。
2.图像分割
2.1图像分割的一般模型
图像分割是依据图像的灰度、颜色或几何性质将图像中具有特殊含义的不同区域区分开来，这些区域是互不相交的，每一个区域都满足特定区域的一致性。比如对同一物体的图像，一般需要将图像中属于该物体的像素（或物体特征像素点）从背景中分割出来，将属于不同物体的像素点分离开。分割出来的区域应该同时满足：
1、分割出来的图像区域具有均匀性。
2、分割出来的图像区域具有连通性。
3、相邻分割区域之间针对选定的某种差异显著性。
4、分割区域边界应该规整，同时保证边缘的空间定位精度。
假设一幅图像中所有像素的集合为F ，有关均匀性的假设为 P (.)。分割定义把F
划分为若干子集 {S1,S2,„,Sn}，其中每个子集都构成一个空间连通区域。以上四个条件进行数学描述，即：
如果加强分割区域的均匀性约束，分割区域很容易产生大量的空白和不规整的边缘；若过分强调分割后不同区域之间的性质差异，则会造成非同质区域的合并和丢失一部分有意义的边界。图像分割和机器视觉界的研究者们为了研究满足上述定义的分割算法做了长期的努力。图像分割的算法都是针对某一类型的图像或某一具体应用的，通用方法和策略仍面临巨大的困难，同时并不存在一个判断分割是否成功的客观标准，因此，图像分割被认为是计算机视觉的一个瓶颈。
图像分割方法可以大致分为四个方面：
1、利用图像灰度统计信息的方法，典型的有一维直方图阈值化方法和二维直方图阈值化方法。
2、利用图像空间区域信息和光谱信息的图像分割方法，典型的包括区域分裂-合并生长法、纹理分割法和多光谱图像分割法等。
3、利用图像中灰度变化最强烈的区域信息方法——边缘检测方法，这一类方法是
Marr理论中主要倡导的方法，它在图像分割研究领域中占的比例最大，典型的有 Canny
算法，Marr-Hildreth 算法和基于多尺度的边缘检测方法。
4、利用图像分类技术进行图像分割的像素分类方法。典型的有统计分类方法、模糊分类方法与神经网络分类方法等。
2.2 基于阈值选取的图像分割方法
阈值的方法实质是利用图像的灰度直方图信息得到用于分割的阈值。基于阈值选取的图像分割方法是提取目标物体与背景在灰度上的差异，把图像分为具有不同灰度级的目标区域和背景区域的组合。
阈值分割方法大致可分为：
1、单阈值的方法：用一个阈值区分背景和目标；
2、双阈值的方法：用两个阈值区分背景和目标；
3、半阈值的方法：大于（或小于）阈值部分为白，其余保留原灰度；
4、多阈值的方法：又称自适应门限方法，据多峰灰度直方图，区分背景和多个目标；
通常单阈值、双阈值的方法是利用整幅图像的整体信息，而多阈值分割法则是利用局部图像的信息。
2.2.1直方图阈值
1、双峰直方图
一幅含有一个灰度与背景有明显差异的图像包含有两个峰的灰度直方图，这两个峰分别对应于对象内部与外部较多数目的点。两峰之间的波谷对应于对象边缘附近相对较少数目的点。对于双峰直方图的情况，可根据峰的形状确定阈值。如，将分割阈值取在直方图的谷底位置，一般取在波谷的正中位置，这种方法称为双峰谷底法。该方法简单，但不能用于灰度直方图峰值相差悬殊且平坦波谷的那些图像。
有一条不成文的约定，即图像中的对象像素一般少于背景像素。因此，对象与背景不能简单地以二值化后的值是 0 还是 1 来判定。
2、多峰直方图
多峰直方图图像一般比较复杂，通常内含多种对象，每个峰对应一个对象，单次二值化对它没有多大意义。一种有效的算法称为循环分解法，这种算法首先根据图像特征将图像分成几个子图像，例如通过二值化分成两个子图像，然后再在子图像内作进一步的分解，直到不能再分解为止。这种算法需要制作一些模板，分解只在模板定义的区域中进行。这种算法充分考虑了图像的局部特性，可以获得比较精细的分割。 多峰直方图图像二值化时，阈值一般可取在分割后两类像素点接近的波谷处。
3、单峰直方图
单峰直方图的图像也是在图像处理中经常遇见，但是缺乏有效的分割方法。微分处理后得到的梯度（边缘）图像大都属于这种类型。单峰直方图图像一般可分为下面两种情况：
(1) 双峰直方图图像的两个峰的位置过于接近，以至波形中部失去了下凹的波谷。
(2) 背景与对象区域面积相差悬殊，对象区域无法在直方图中构成波峰。
对于情况(1)，阈值可选择在波形的“肩部”，即选在波形底部斜率由陡向平的转折处。对于情况(2)，可先在波形的“肩部”确定一个位置，将对应于背景区域的最大峰消除，然后用循环分解法进行分割。为了避免不利影响，通常将作为边框或边缘图中的 0 背景（或它们的反相值 255）排除在直方图统计之外。
2.2.2最大熵阈值
将信息论中熵的概念应用于图像分割时,通过分析图像灰度直方图的熵，找到最佳阈值。
设分割阈值为，i为灰度i出现的概率，i∈{0 ,1,2,„,L−1}，L-1i=0Pi=1。定义目标O用来描述 {0 ,1,„,τ}的灰度分布，背景B 用来描述 {τ + 1,τ+2,„,L−1}的灰度分布，则它们的概率分布为：
定义与这两个概率分布相关的熵为：
式中
定义准则函数（）为H (O)与H (B)之和，即：
使准则函数（）取最大值的灰度级τ即是所求出的最优阈值*，即：
2.2.3 二维最大熵阈值 通过图像的一维灰度直方图选取阈值应用于最大熵法虽然处理速度快，但由于噪声干扰和照明等因素的影响，使得图像的一维灰度直方图没有明显的峰和谷时，为此利用一维灰度值分布选取的阈值往往难以获得满意的分割效果，甚至还可能产生错误的分割。为此，许多学者在一维灰度直方图阈值分割算法上引入了图像的二次统计特性，达到改善图像的分割质量。
设原图像X={mnx}的灰度级数为 L ，大小为 M×N，由X采用3×3或5×5点阵平滑得到的平滑图像为Y={mny}，它的灰度级数和大小也为L和M×N。由X和Y可以构成一个二元组（像素的灰度级和该像素的邻域平均灰度级），每一个二元组属于二维平面上的一个点。称二元组
为图像 X 的“广义图像”。
设 X 的广义图像(X,Y)中二元组 (i,j)出现的总数为ijf显然
(i,j)出现的频率为
图 2.1 二维直方图的灰度平面
设 A区和B 区具有不同的概率分布，用
A区和B 区的后验概率对各区域的概率进行归一化，使分区熵之间具有可加性。若阈值设在 (s,t)，则
定义离散二维熵为
则A区和B区的二维熵分别为
式中
定义熵的判别函数为
（2.2） （2.1）
（2.3）
（2.4）
（2.5）
（2.6） （2.7）
（2.8）
（2.9）
（2.10）
（2.11）
（2.13） （2.12）
（2.14）
（2.15）
医学图像的分割技术及其新进展
医学图像的分割技术及其新进展3楚存坤,李月卿,王昌元(泰山医学院,山东泰安 271000)关键词:医学图像分割;图像分割评价中图分类号:R319 文献标识码:A 文章编号:100427115(2007)0420315203 近几年,计算机断层成像(ComputedTomo2graphy,CT),核磁共振成像(MagneticResonanceIm2age,MRI),超声成像(ultrasoundimage,USI)等医学成像技术已经广泛应用在医疗的诊断、术前计划、术后监测等各个环节中,其目的是全面而精确地获得病人的各种数据,为诊断、治疗计划、手术和术后评估提供正确的数字信息。只有把感兴趣的目标从图像的复杂景物中提取出来,才有可能进一步对它们进行定量分析或者识别。目前,医学图像分割主要以各种细胞、组织与器官的图像来作为处理的对象或内容。图像分割是根据某种均匀性或一致性原则将图像分成若干个有意义的部分,使得每一部分都符合某种一致性的要求[1]。1 医学图像分割技术的发展111 传统图像处理领域中的医学图像分割技术11111 基于阈值的方法阈值分割法是将灰度图像变为二值图像以达到分割目的的方法,它是一种PR(并行区域)法。阈值法的过程是决定一个灰度值,用以区分不同的类,这个灰度值就叫做“阈值”。把灰度值大于阈值的所有像素归为一类,小于阈值的所有像素归为另一类。阈值法是一种简单但是非常有效的方法,特别是不同物体或结构之间有很大的强度对比时,能够得到很好的效果。此分割法通常是交互式的。因为阈值法能够实现实时操作,所以它更能够建立在用户视觉估计的基础上。阈值法一般可以作为一系列图像处理过程的第一步。其主要局限是,最简单形式的阈值法只能产生二值图像来区分两个不同的类。另外,它只考虑像素本身的值[2],一般都不考虑图像的空间特性,这样就对噪声很敏感。针对它的不足,有许多经典阈值法的更新算法被提了出来[3,4]。11112 基于边缘检测的方法基于边缘检测的分割方法是通过检测相邻像素特征值的突变性来获得不同区域之间的边缘。边缘点的判定是基于所检测点的本身和它的一些邻近点,主要包括局部微分算子,如Roberts梯度算子,Sobel梯度算子和Canny算子等,当然,针对不同的图像,还有许多其它不同的算子、手段来检测出这些边缘点。例如,Fan等人[5]利用非线性小波阈值法对植入式超声图像中的腔内膜-内壁和外膜等形成的边界进行了检测,Sedelaar等人[6]利用非线性La2place滤波器实现了对前列腺超声图像的自动分割。一个好的边缘检测算子不仅具有微分特性以获得灰度变化信息,它还应该能够根据需要适合任何尺度下的边缘检测,因为图像中的灰度是以不同尺度发生变化的。实验发现,边缘检测方法获得的边缘信息往往会因这些信息不够突出而产生间隙,不能形成包围物体的封闭曲线,这就要求根据这些离散的边缘点采用一定的跟踪、连接算法勾勒出有意义的物体边界。另外,边缘检测分割方法对噪声较大的图像还会产生较多的伪边缘,为去除噪声提出了较高的要求。这个问题在医学超声图像分割中显得尤为突出[7]。112 近年新发展医学图像分割技术为解决上述传统图像分割技术中存在的问题,近年来,研究者们对于各种新的图像分割算法进行了广泛的研究和使用,并取得了许多令人鼓舞的成果。11211 基于活动轮廓模型的医学图像分割活动活动轮廓模型又称Snake模型,自Kass等人[8]于1988年提出以来,已广泛应用于数字图像分析和计算机视觉等领域。这种模型最显著的优点是将图像数据、初始轮廓的选取、目标轮廓特征以及知识的约束条件都集成在一个特征提取过程中。主动轮廓线的运动过程就是寻找能量函数最小点的过程,从人工定义的初始位置开始,在使能量函数递减的算法的驱使下产生形变,直到到达目标的边缘。近年来的大量研究表明,主动轮廓线模型具有良好的提取和跟踪特定区域内目标轮廓的能力,因此非常适用于医学图像如CT、MR和超声图像的处理,以获取特定器官及组织的轮廓。Yoshida等人[9,10]基于513泰 山 医 学 院 学 报JOURNALOFTAISHANMEDICALCOLLEGE Vol128 No14 2007
一种混合遗传算法在彩色图像分割中的应用
２００６年５月 第５期（总第１７７期） 润滑与密封 ＬＵＢＲＩＣＡＴ１０Ｎ ＥＮＧＩＮＥＥＲＩＮＧ Ｍａｙ ２００６ Ｎｏ．５（ｓｅｒｉａｌ Ｎｏ．１７７）
一种混合遗传算法在彩色图像分割中的应用
宋华南李国璋傅建平
（军械工程学院河北石家庄０５０００３）
摘要：磨粒图像分割是磨粒识别的基础，其分割精度直接影响到磨粒自动识别的精度。在廓粒｝刳像ＲＧＢ彩色卒问， 选择其３个正变彩色特征，应用遗传算法和类问最大方差法对其分割．依据Ｆｉｓｈｅｒ判别函数选择其最佳特征Ｌｊ最佳闺 值，实现了磨粒彩色图像的分割。大量磨粒图像分割实践证明，该分割方法具有分割精度较高、计算速度快、自适应性 强等特点，是铁谱磨粒彩色图像自动分割较理想方法之一。 关键词：铁谱技术；遗传算法；图像分割；模式识别 中图分类号：ＴＰ３９１ 文献标识码：Ａ文章编号：０２５４—０１５０（２００６）５—１３５—３
Ｒｅｓｅａｒｃｈ ｏｎ Ａｕｔｏ－ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ Ｆｅｒｒｏｇｒａｐｈ Ｗｅａｒ Ｐａｒｔｉｃｌｅ Ｃｏｌｏｒ Ｉｍａｇｅ
Ｓｏｎｇ Ｈｕａｎａｎ Ｌｉ Ｇｕｏｚｈａｎｇ Ｆｕ ｄｉａｎｐｉｎｇ
（Ｏｒｄｎａｎｃｅ Ｅｎｇｉｎｅｅｒｉｎｇ Ｃｏｌｌｅｇｅ，Ｓｈｉｊｉａｚｈｕａｎｇ Ｈｅｂｅｉ ０５０００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｗｅａｒ ｐａｒｔｉｃｌｅ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｉｓ ｔｈｅ ｂａｓｅ ｏｆ ｗｅａｒ ｐａｒｔｉｃｌｅ ｒｅｃｏｇｎｉｔｉｏｎ，ａｎｄ ｉｔｓ ｓｅｇｍｅｎｔａｔｉｏｎ ｐｒｅｃｉｓｉｏｎ ａｆｆｅｃｔｓ ｏｎ ｗｅａｒ ｐａｒｔｉｃｌｅ ｒｅｃｏｇｎｉｔｉｏｎ ｐｒｅｃｉｓｉｏｎ ｄｉｒｅｃｔｌｙ．Ｉｎ ｔｈｅ ＲＧＢ ｃｏｌｏｒ ｓｐａｃｅ ｏｆ ｗｅａｒ ｐａｒｔｉｃｌｅ ｃｏｌｏｒ ｉｍａｇｅ，ｔｈｒｅｅ ｖｅｒｔｉｃａｌ－ｉｎ－
ｔｅｒｓｅｃｔａｎｔ ｃｈａｒａｃｔｅｒ ｗｅｒｅ ｃｈｏｓｅｎ．ｉｔｓ ｉｍａｇｅｓ ｗｅｒｅ ｓｅｇｍｅｎｔｅｄ ｕｓｉｎｇ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ａｎｄ ｍａｘｉｍｕｍ－ｖａｒｉａｎｃｅ ａｌｇｏｒｉｔｈｍ ｉｎ ａ１ｌ
图像分割综述
I 摘 要
图像分割是把图像划分为有意义的若干区域的图像处理技术，分割技术在辅助医学诊断及运动分析、结构分析等领域都有着重要的研究价值和广泛的应用发展前景。
在阅读大量文献的基础上，本文对图像分割技术的理论基础、发展历程及图像分割方法的热点、难点问题进行了分类综述，对不同分割算法优缺点进行了总结和归纳，并对图像分割的发展趋势进行了初步的展望和预测。在此基础上，为了对图像分割理论有更直观的认识，本文选取并行边界算法和分水岭算法这两种方法，用MATLAB软件进行了基础的仿真，并对结果进行了分析和总结，
本文重点对一些近年来新兴的算法，比如水平集（Level-set）算法、马尔科夫随机场算法（Markov）、模糊算法、遗传算法、数学形态学算法等进行了概略性的探讨，对这些新兴算法的特点、原理、研究动态进行了分析和总结。
关键词：图像分割；边界；区域；水平集；马尔科夫
II Abstract
Image segmentation is an image processing technology that divides the image into a
number of regions. Image segmentation has very important significance in
supporting medical diagnosis, motion analysis, structural analysis and other fields.
Based on recent research, a survey on the theory and development of image
segmentation, hot and difficult issues in image segmentation is given in this article.
And describes the characteristics of each method as well as their respective
SIMPLE算法解析
SIMPLE算法解析
SIMPLE算法（Sequential IMage Partitioning framework with
Learned Evolutionary optimization)是一种用于图像分割的算法。这个算法结合了序列化图像分割和深度学习优化的思想，旨在提高图像分割的准确性和效率。
图像分割是计算机视觉领域中的一个重要任务，它将图像划分成多个具有语义意义的区域，通常用于目标检测、图像分析和计算机辅助诊断等应用。在传统的图像分割方法中，通常通过手动选择特征和设计规则来实现图像分割。然而，这些方法需要大量的人工参与，并且往往无法解决复杂场景下的图像分割问题。
序列化分割阶段首先将图像切分成若干个小块，并对每个小块进行分割。这个过程使用了一种遗传算法来寻找最佳的分割方案。遗传算法是一种模仿自然进化过程的优化方法，它通过不断演化和选择适应度高的解决方案来寻找最优解。在序列化分割阶段中，遗传算法通过对小块的分割组合进行来找到最佳的图像分割方案。
深度学习优化阶段通过使用深度卷积神经网络（CNN）对序列化分割结果进行优化。该网络学习如何根据输入图像的上下文信息进行调整，使得分割结果更加准确。深度学习优化阶段使用了大量的标注图像来进行训练，通过不断迭代训练来提高网络的性能。
整个SIMPLE算法的流程如下：首先，将输入图像切分为多个小块。然后，使用遗传算法对这些小块进行分割，找到最佳的分割方案。接下来，将分割结果输入深度学习网络进行优化，得到最终的图像分割结果。 SIMPLE算法的优点是能够根据图像的上下文信息进行分割，从而获得更加准确的分割结果。同时，使用遗传算法进行分割方案的，可以大大减少计算量。此外，深度学习优化阶段可以通过大量的标注图像进行训练，从而获得更好的性能。
然而，SIMPLE算法也存在一些局限性。首先，该算法对图像的初始分割方案比较敏感，如果初始方案不好，可能会导致后续的优化效果不佳。此外，该算法在处理复杂场景时可能会遇到困难，因为复杂场景往往包含大量的细节和噪声，使得分割任务变得复杂。
遗传算法在最大熵多阈值分割的应用研究
第17卷第4期 湖南工程学院学报 Vo1.17.No.4
2007年12月 JournalofHunanInstituteofEngineering Dec.2007
收稿日期68作者简介汪筱红(6),女,硕士研究生,讲师,研究方向计算智能,图像处理遗传算法在最大熵多阈值分割的应用研究
汪筱红1,须文波2
(1.无锡广播电视大学信息工程系,江苏无锡214021;2.江南大学信息工程系,江苏无锡214021)
摘 要:图像分割最大熵多阈值算法存在计算复杂度高的弊端,目前针对这个问题所提出的各类算法
效果都不太理想.依据遗传算法种群多样性好、收敛速度快的特点,将遗传算法应用到图像分割中,提出了一种基于最大熵多阈值分割技术的图像分割算法.仿真实验表明,新算法不仅能够对图像进行准确的
分割,而且运行时间明显少于传统的分割算法.
关键词:图像分割;遗传算法;多阈值;最大熵
中图分类号:TN911.72 文献标识码:A 文章编号:1671-119X(2007)04-0049-03
0 引言
图像阈值分割是应用最为广泛的一种图像分割
方法,它是利用图像的灰度特征来选择一个或多个最佳阈值,并将图像中的像素点按照阈值划分为若
干个区域,从而提取出感兴趣的目标.目前,已有很
多阈值分割方法,如直方图阈值法、最大类间方差
法、最大熵阈值法和模糊阈值法等[1],但各种算法都有其应用的局限性.最大熵阈值分割方法不需要
先验知识,在对背景复杂的图像进行分割时,取得了比传统方法更理想的结果,而且对于非理想双峰直
方图的图像也可以进行分割.但是在确定阈值时,尤
其是确定多阈值时,存在计算量大、计算速度慢等缺
点[3].具有鲁棒性、自适应性的遗传算法(GA)是一种
较好的优化搜索算法,它采用全局并行搜索技术寻
找优化群体中的最优个体.因此在多阈值分割处理中,可以引入遗传算法来缩短计算时间.本文将遗传
算法应用于基于最大熵原理的多阈值图像分割方法
中,有效地降低了算法的复杂度、提高算法的速度.
测控技术与仪器专业毕业设计题目汇总
大学生电脑主页 - – 大学生喜欢的都在这里
测控技术与仪器专业毕业设计题目汇总
【本文由大学生电脑主页 ( )收集整理，大学生电脑主页——大学生的百事通】
基于遗传算法的图像阈值分割方法的研究 探地雷达回波信号数据采集系统的设计
基于支持向量机软测量的研究
盲信号处理及其应用研究
神经网络在模式识别中的应用研究
计算机绘制曲线的方法途径与及其应用
光纤布喇格光栅温度和应变同时测量系统
光纤加速度传感研究与系统设计
分布式光纤温度传感器系统的设计
等精度频率计的设计
分布式光纤电压测量系统的设计与研究
光纤光栅不均匀受力特性分析
轧机扭振测量无线感应电源的设计
水泥篦冷机熟料温度测量方法的研究
分布式光纤微弯压力传感器的研究
水泥篦冷机料层厚度测量方法研究
超声波水流量计的设计
基于小波理论的图像压缩技术研究
基于信号消噪的语音增强技术的研究
光纤小波滤波器的研究
智能变频空调器的模糊控制技术的研究
高双折射光纤应变测量系统的研究
玻璃钢玻瓦生产线温度控制方法的研究
测试信号分析网络虚拟实验平台设计
数字图像相关法动态位移测量研究及其应用
光孤子通信的仿真研究
光纤自适应偏振模色散补偿系统的研究
基于Sagnac效应的光纤电流传感系统的研究
图像处理中几种算法的研究与应用
倒立摆智能模糊控制系统的研究 大学生电脑主页 - – 大学生喜欢的都在这里
基于网络环境的数字信号处理ICAI系统
图像边缘检测在关节镜图像处理中的应用
光纤波长扫描干涉方法在位移测量中的应用
光纤光栅扭转传感器的研究
基于信息熵的振动信号分析技术研究
参数自整定模糊PID控制器的设计
基于FPGA的分布式声表面波应变传感系统
智能模糊控制在全自动洗衣机中的应用研究
ABS系统的应用与设计
光孤子源的研究
取样光栅特性的理论研究
智能化RLC测量仪的设计
基于虚拟仪器的光纤电压传感器的研究
智能测厚仪的设计
OTSU算法在图像分割中的应用研究
OTSU算法在图像分割中的应用研究
作者： 燕红文 邓雪峰
来源：《农业开发与装备》 2018年第11期
摘要：分析了OTSU算法计算过程，针对该算法在抗干扰能力差问题。分析了二维、三维OTSU算法，并进行相关的算法性能提升。最终得到二维、三维OTSU算法自身运行效率低，可结合遗传算法提高算法效率。
关键词：OTSU算法；图像分割；遗传算法
0 引言
图像分割技术是计算机视觉中的关键技术。被广泛应用到医学、农业、产品监控等领域。然而图像分割的好坏直接影响到图片处理效果，最终影响到产品质量。由此可见图像分割技术的重要性。当前图像分割处理算法有多种，比如边缘分割、直方图分割、阀值分割。其中阀值分割中OTSU算法具有计算简单、性能优异等优点被广泛应用。本文就OTSU算法在图像分割中的应用进行研究。
1 OTSU算法原理
通过实验结果表明所改进的算法相对三维OTSU算法提高1 400倍效率。
由于三维OTSU算法复杂程度高，程序运行效率低。集合其它智能算法可降低运行时间。将改进粒子算法应用到三维OTSU算法中，实验结果表明加入粒子算法可提高程序运行效率同时还能提高算法抗干扰能力。
3 结语
图像识别中图像分割技术直接影响到识别效果。OTSU算法具有简单、运行效率高特征，但是抗干扰能力差。为此出现了二维、三维OTSU算法，这些算法能力提高算法抗干扰能力，但是算法复杂程度比一维高。目前提高算法效率可用遗传算法等智能算法可提高算法效率。
参考文献
[1] 杨陶，田怀文，刘晓敏，等.基于边缘检测与Otsu的图像分割算法研究[J].计算机工程，2016，42（11）：255-260.
[2] 袁健，程国涛.基于二维直方图双斜率划分的快速Otsu图像分割算法[J].计算机应用研究，2017，34（6）：1905-1908.
图分割问题中的遗传算法
第１４卷第２期 ２００２年２月 系统仿真学报 ＪＯＵＲＮＡＬ ＯＦ ＳＹＳＴＥＭ ＳＩＭＵＬＡＴ１０Ｎ Ｖｏｌ ｌ４ＮＯ ２ Ｆｅｂ．２００２ 丈章糖号：１ｏ０４－７３１ｘ（２０ｏ２）Ｏ２—０１９３—０３
图分割问题中的遗传算法
李世平。，杨方廷 ．纪良雄 ，战守义 （ 北京理工人学计算机系北京１０００８１． 北京仿真中心．北京１００８５４） 捕要：研究了 南水北调”大型仿真项目中影响系统运行速度的瓶颈问题一如何获取水质评价 参教 文中提出一种多线程的解决方法．将对每一个水质评价参数的计算设计成不同的绒程 并 将这些残程分配到网络中其他结点上．利用其他计算机的空阑时间来进行水质评价参数的计算 该方法根据网络中各个节点的使用状况 以图分割问题为模型，利用遗传算法对线程进行合理分 配．从而为解击该问题提供了新连径 关键诃：仿真 遗传算法：组合优化；分肃式计算；多线程 中图分类号：ＴＰ３０１ ６文献标识码：Ａ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍｓ ｉｎ Ｇｒａｐｈ Ｓｅｇｍｅｎｔａｔｉｏｎ Ｐｒｏｂｌｅｍ ｕ Ｓｈｉ－ｐｉｎｇ，Ｙ＆ＮＧ Ｆａｎｇ—ｒｉｎｇ．ＪＩＬｉａｎｇ—ｘｉｏｎｇ，ＺＨＡＮＳｈｏｕ—ｙｉ ’Ｄｅｐｔ ｏｆＣｏｍｐｕ￣ｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉａｅｅｄｎｇ，Ｂ刨ｉｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆＴｅｃｈｎｏｔｏｇｙ．Ｂ １００（￣１，Ｃｔｆｉｎａ Ｂ 】ＩＩｇ ＳｉｍｕｌａｔｉｏｎＣｅｎｔｅｒ．Ｂｅｉｊｉｎｇ ｉ００￣５４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｂｏｔｔｌｅ—ｎｅｃｋ ｐｒｏｂｌｅｍ—ｈｏｗ ｔｏ ｇｅｔ ｗａｔｅｒ ｑｕａｌｉｔｙ ｅｓｔｉｍａｔｉｎｇ ｐａｒａｍｅｔｅｒｓ，ｗｈｉｃｈ ａｆｆｅｃｔｓ ｔｈｅ ｓｙｓｔｅｍ—ｒｕｎｎｉｎｇ ｓｐｅｅｄ ｏｆ［ｕｒｇｅ ｓｃａｌｅ ｓｉｍｕｌａｔｉｏｎ ｐｒ０ｉｅｃｔ＿＿．‘Ｓｏｕｔｈ—ｔｏ—Ｎｏｒｔｈ Ｗａｔｅｒ Ｔｒａｎｓｆｅｒ Ｐｒｏｊｅｃ（ ，ｉｓ ｓｔｕｄｉｅｄ．Ａ ｍｕｌｔｉ—ｔｈｒｅａｄｓ ｍｅｔｈｏｄ ｉｓ ａｄｖａｎｃｅｄ．Ａｆｔｅｒ ｔｈｅ ｃａｌｃｕｌａｔｉｎｇ ｏｆ ｅａｃｈ ｗａｔｅｒ ｑｕａｌｉｔｙ ｅｓｔｉｍａｔｉｎｇ ｐａｒａｍｅｔｅｒ ｂｅｉｎｇ ｄｅｓｉｇｎｅｄ ａｓ ａ ｔｈｒｅａｄ，ｔｈｅｓｅ ｔｈｒｅａｄｓ ａｒｅ ａｓｓｉｇｌｌｅｄ【０ｏｔｈｅｒｎｏｄｅｓ ａｎｄｔｈｅｓｅｐａｒａｒａｅｔｅｒｓ ａｒｅ ｃａｌｃｕｌａｔｅｄｉｎｉｄｌｅｔｉｍｅ Ａｃｃｏｒｄｉｎｇｔｏｔｈｅ ｃｏｎｄｉｔｉｏｎｏｆｅａｃｈ ｎｏｄｅａｎｄ ｕｓｉｎｇ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｇｒａｐｈ ｄｉｖｉｓｉｏｎ ａｓ ｍｏｄｅ１．ｔｈｅ ａｓｓｉｇｎｍｅｎｔ ｏｆ ｔｈｒｅａｄｓ ｉｓ ｂａｓｅｄ ｏｎ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍｓ，ｔｈｅｒｅｂｙ ｎｅｗ ｗａｙ ｔｏ ｓｏｌｖｅ ｔｈｉｓ ｐｒｏｂｌｅｍ ｉｓ ｐｒｏｖｉｄｅｄ Ｋｅｙｗｏｒｄｓ：ｓｉｍｕｌａｔｉｏｎ：ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ；ｃｏｍｂｉｎｅｄ ｏｐｔｉｍｉｚａｔｉｏｎ；ｄｉｓｔｒｉｂｕｔｅｄ ｃｏｍｐｕｔａｔｉｏｎ；ｍｕｌｔｉ ｔｈｒｅａｄ§ １弓瞎 南水北调”是国家水力部的大型仿真项日 它融台 汁算机图形与图像技术、动画技术、数据库技术、建模技 术以及计算机网络挂术 在开发过程中，作者发现水质评价 参数计算问题的解决好坏会成为影响整个系统运行速度的 关键所在 本文提出了一种基于遗传算法的线程分配算法， 并进行了尝试－从而为解决系统运行速度问韪提供了新速径。 ２问题的提出 ２．１水质评价参数计算中所遇到的问题 是初的计算模型里十几个水质评价参数是在同一台计 算机上 串行的方式进行计算的，这实质上成为整个仿真系 统运行速度的瓶预，既影响图形的宴时显示，又使整个系统 延行时间过长。经过分析 本文提出丁用遗传算法来进行线 程分配，利用空闲计算机进行分布式并行计算的方法。为丁 描述上的方便，文中称网络中的计算机为结点。比如，计算 术质评价参数的计算机叫做水质结点。 ２．２问题的分析与解决 系统的运行始于调度结点将计算好的调度数据全部存 啦一日期；２００１４）６－１２ 作ａｌｔｑｌＪ４１＂：李世 ｌ９７３．１，男，山西临衽｝＾，博士，研究方向为计算机仿真 与虚拟现实：战守义，博导，研究方向为计算机仿真与虚拟现实＝ 入数据库 之后系统启动各个运行部分，水质结点从数据库 服务器取回所需初始数据开始进行评价参数的计算 图１显 示了系统整体框架。在水质评价参数的计算过程中，调度结 点、总控台结点 及数据库控制结点基本上是空闲的。因此， 本文提出了利用这几台计算机进行分布式计算的尝试 这意 味着计算对象可 分放在网络上资源最有利的位置而不仅 仅是放在同一台计算机上。在新的模型中，如何为网络中的 每台计算机合理分配线程成了主要问题＝接下来是问韪的具 体解决方案
改进的聚类算法在医学图像分割中的应用
DOC格式论文，方便您的复制修改删减
改进的聚类算法在医学图像分割中的应用
（作者:___________单位: ___________邮编: ___________）
【摘要】 针对医学图像的特点，设计了一种聚类分析的图像分割算法，并且将遗传算法引入聚类，利用遗传算法的并行性和随机搜索性，从DBSCAN算法出发，针对其局限性提出了一种基于取样的DBSCAN算法及其遗传优化，从而达到较好的分割效果。
【关键词】 医学图像; 聚类算法; 遗传算法; 分割
随着医学技术的发展，有关医学诊断的各种图像在现代疾病辅助诊断中占有相当重要的地位，在分析和阅读灰阶医学图像时，图像的对比度、边缘特征和信噪比等对诊断的正确性致关重要。但是在图像拍摄中避免不了的一些噪声(量子噪声、颗粒噪声、CCD暗电流噪声等)及病变变化微小情况下的不清晰的图像信息，影响了疾病的正确诊断，因此为了提高疾病的正确诊断率，医学图像处理技术就显得尤为重要[1]。
近年来，医学图像处理技术中的分割技术是国际上图像分割领域的一个新的研究热点。该方法将图像映射为带权无向图，把像素视DOC格式论文，方便您的复制修改删减
作节点。利用最小剪切准则得到图像的最佳分割，该方法本质上将图像分割问题转化为最优化问题。是一种点对聚类方法。对数据聚类也具有很好的应用前景。这种分割技术对医学诊断有很大的帮助。
1 聚类算法
近年来，大量数据被存储到空间数据库中，如何提高查询效率和从大量数据中提取有用的模式显得尤为重要。聚类分析是将物理或抽象的对象组成的集合分组成为由类似的对象组成的多个簇，使得处于相同簇中的对象具有最大的相似性，而处于不同簇中的对象具有最大的差异性的方法及过程.聚类可以定义如下：在数据空间A中，数据集由许多数据点(或数据对象)组成，数据点 xi=(xi1，……,xid)∈A，xi 的每个属性(或特征、或维度) 既可以是数值型的，也可以是枚举型的.数据集A相当于是一个n×d矩阵.假设数据集X中有n个对象xi(i=1，…，n)。聚类的最终目的是把数据集X划分为K个分割Cm(m=1，… ，K)，也可能有些对象不属于任何一个分割，这些就是噪声Cm。所有这些分割与噪声的并集就是数据集X ，并且这些分割之间没有交集，即：x=c1∪，…,ck∪cnCi∩Cj = (i≠j )这些分割Cm就是聚类[2]。
基于遗传算法的干涉图像样的最佳熵研究
２００７年第６期 影 塾查
基于遗传算法的干涉图像样
的最佳熵研究
李耀军，严超华
（南昌航空工业学院自动化学院，南昌 ３３００６３）
摘要：将遗传算法用于计算云纹干涉图像的二值化阈值，提出基于改进遗传算法的图像分割方法，采ｍＯｕｕ￣ 式，找出分割图像最优阈值。通过算法实现表明，利用遗传算法所得到的最佳阚值进行二值化处理，效果非常好。
关键词：干涉图像；遗传算法；二值化；阈值；图像分割
中图分类号：０３４８ １２；ＴＰ３９１ 文献标识码：Ａ 文章编号：１００１—０２７０（２００７）０６—００２３—０３
Ｒｅｓｅａｒｃｈ ｏｎ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍｓ Ｂａｓｅｄ Ｍｏｉｒｅ Ｉｍａｇｅ Ｂｉｎａｒｉｚａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ
ＬＩ Ｙａｏ－ｊｕｎ。ＹＡＮ Ｃｈａｏ—ｈｕａ
（Ｃｏｌｌｅｇｅ ｏｆ Ａｕｔｏｍａｔｉｏｎ。Ｎａｎｃｈａｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ
Ａｅｒｏｎａｕｔｉｃａｌ Ｔｅｃｈｎｏｌｏｇｙ。Ｎａｎｃｈａｎｇ ３３００６３）
Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ｅｌａｂｏｒａｔｅｓ ｏｎ ｈｏｗ ｔｏ ａｐｐｌｙ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ ｔｏ ｃａｌｃｕｌａｔｅ ｔｈｅ ｂｉｎａｒｉｚａｔｉｏｎ
ｔｈｒｅｓｈｏｌｄ ｖａｌｕｅ ｏｆ ｔｈｅ ｍｏｉｒｅ ｉｍａｇｅ．Ｉｎ ｏｒｄｅｒ ｔｏ ｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍ ｈｏｗ ｔｏ ｓｅｇｍｅｎｔ ａｎ ｉｍａｇｅ，ａｎ ｉｍａｇｅ
ｓｅｇｍｅｎｔａｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｉｍｐｒｏｖｅｄ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ ｉｓ ｐｒｏｐｏｓｅｄ．Ｔｈｅ ｍｅｔｈｏｄ ｃａｎ ｆｉｎｄ ｏｕｔ ｔｈｅ
ｏｐｔｉｍａｌ ｔｈｒｅｓｈｏｌｄ ｏｆ ｔｈｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｏｂｊｅｃｔ ｂｙ ｔｈｅ Ｏｔｓｕ ｆｏｒｍｕｌａ．Ｉｔ ｉｓ ｐｒｏｖｅｄ ｔｈｒｏｕｇｈ ａｌｇｏｒｉｔｈｍ