论文部分内容阅读
图像分割是图像分析、识别和理解的基础。图像分割主要是指将图像分割成各具特征的区域，并提取感兴趣目标的技术，其研究多年来一直受到人们的高度重视。由于待分割图像的可变性比较大，且混有噪声，造成了图像分割的种种困难。到目前为止还不没有一种通用的、能使各种类型的图像达到最优分割质量的图像分割方法。
自L. A．zadeh于1965年提出模糊理论以来，模糊理论己经成为一种重要的智能信息处理方法。模糊优化算法是模糊理论中的一个重要的分支，是现今模糊理论中应用最广泛的领域之一，并取得了丰富的成果。由于图像所具有的模糊性，近年来一些学者将模糊理论引入到图像处理中，应用模糊理论进行图像分割、图像增强以及边缘检测。
遗传算法是一种高效并行的全局搜索方法，具有较好的鲁棒性、并行性和自适应性，非常适合于大规模搜索空间的寻优。遗传算法己广泛应用于许多学科及领域，在图像阈值分割中的应用也取得了较好的效果。但是基本遗传算法由于适应度函数设计不当、参数设置不当等原因，使得算法容易出现早熟现象。
近年来一些学者将遗传算法和模糊理论引入到图像分割中，较传统方法取得了更好的分割效果。本论文是在对传统图像分割算法、遗传算法和模糊理论进行深入研究的基础上完成的。所做的主要研究工作如下：
1．对现有的图像分割算法做了分析和研究，其中涉及边缘检测型、边界跟踪型和阈值型三类。由于，阈值型是一种传统的图像分割方法，实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术，本文提出的改进分割算法都是基于阈值型的；
2．本论文对遗传算法的工作过程及性能做了分析研究，在此基础上，研究了其在图像分割中应用的原理和现状。为了验证遗传算法对于图像分割算法的有效性，对基于遗传算法的最大类间方差分割法做了实现；
3．对模糊理论的基本原理，进行了系统的总结和介绍，并在此基础上，研究了模糊理论在图像分割中应用的原理和现状。文章针对目标和背景两类的图像分割问题，考虑二维灰度直方图，介绍了一种更符合图像空间分布特点的隶属函数，建立了对应的二维图像模糊熵，并采用遗传算法对二维图像模糊熵的各个参数进行优化，根据最大模糊熵准则，确定目标和背景的最佳分割阈值。通过实验，结果表明，基于遗传算法的二维最大模糊熵阈值分割法具有较好的分割性能和较快的分割速度，对噪声有一定的抑制能力；
4．在深入研究遗传算法运行机理的基础上，结合模糊理论和遗传算法，通过对普通遗传算法的改进，提出了一种改进的遗传算法。在该改进的遗传算法中，引入了佳点距离的概念，并在此基础上，提出了一种模糊惩罚函数，从而建立了一种模糊评价函数，使得对种群中的个体的评价更具合理性，客观性。同时，在遗传算法进化的不同阶段，建立不同的模糊评价函数，从而提高遗传算法的搜索能力。最后，将改进的遗传算法应用于图像分割，对基于最大类间方差的分割算法和二维最大模糊熵的分割算法做了优化，通过与基于传统遗传算法的分割方法的实验比较，证明基于改进遗传算法的分割算法具有分割精度高、效果好、速度快的特点。