基于改进遗传算法的阈值图像分割方法

来源 :软件工程 | 被引量 : 0次 | 上传用户:haungmg666
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文提出一种新的基于改进遗传算法和阈值图像分割相结合的人像图像分割方法.这种新的改进方法以遗传算法为基础,利用遗传算法具有较高的搜索效率、明显的搜索精度,提升了图像分割阈值的精度获取,提高了图像分割的抗噪能力,在提升阈值稳定的同时,提升了阈值的获取速度及获取精度,解决了传统算法应用于人像图像分割时分割效果不理想、分割精度较低的缺点.经过实验验证,利用本文改进算法能达到较好分割效果,具有较好的抗噪能力,从而缩短分割图像时间.
其他文献
近年来,随着数字化技术的深度发展和应用,在政策与市场的双轮驱动下,商业银行利用互联网、大数据等技术对线下小微企业信贷流程进行了再造,创新推出线上信贷业务模式,大幅降低了小微企业贷款过程中信息不对称问题,小微企业融资呈现出“扩面、增量、降价”的趋势.但在线上信贷产品快速发展的同时,新的风险点不断显现,商业银行线上信贷业务风险控制面临着新的挑战.论文基于近年来商业银行线上信贷业务发展实践,梳理了业务开展中数据风险、模型风险、欺诈风险、贷后管理风险、法律风险、处置风险等面临的新挑战,提出了完善商业银行线上信贷业
为了提高乳腺癌病理图像良恶性诊断的准确率,提出了一个基于卷积神经网络(CNN)对乳腺癌病理图像的诊断方法.利用这种方法,能够快速地对乳腺癌病理图像自动进行良恶性诊断.乳腺癌病理图像具有非常复杂的结构,利用VGG16架构的卷积神经网络对病理图像进行特征提取,利用数据增强的方法扩充数据集,使用迁移学习,将在ImageNet数据集上训练得到的权重作为该网络的初始化参数,该模型在乳腺癌数据集Breakhis上得到的准确率可以达到95%,而在经过解冻部分训练层、调整学习率等优化操作之后,分类准确率最高可以达到99%