資源描述：
《基于改進(jìn)遺傳算法的圖像分割方法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于改進(jìn)遺傳算法的圖像分割方法 摘要：由于圖形圖像本身受噪聲、偏移場效應(yīng)和局部體效應(yīng)等的影響，使得傳統(tǒng)的分割算法遠(yuǎn)未達(dá)到理想的效果。為解決上述問題，提出基于改進(jìn)遺傳算法的圖像分割方法。首先在遵循圖形圖像數(shù)據(jù)完整性、一致性與大小適度的情況下確定分割區(qū)域，并依據(jù)相關(guān)原理選擇合適的分割屬性，根據(jù)改進(jìn)遺傳算法構(gòu)建分割算法模型，獲取最佳的分割策略。實驗結(jié)果表明，改進(jìn)的分割算法，不但保證了分割區(qū)域的完整性，界域也較為清晰?！ ￡P(guān)鍵詞：圖形圖像；分割；區(qū)域選擇；遺傳算法 中圖分類號：TP391文獻(xiàn)標(biāo)識碼：A文章編
2、號：1009-3044（2016）15-0193-03 Abstract：Becauseoftheinfluenceofimagenoise、migrationandthelocal，thetraditionalsegmentationalgorithmisfarfromtheidealresult.Basedontheimprovedgeneticalgorithmtotheimagesegmentation.Firstofalltomeetimagedatacompleteness，consist
3、ency，andsegmentationregiondataunderthecaseofmoderatesize，andaccordingtotherelevantprinciplestochoosetheappropriatesegmentationproperties，basedontheimprovedgeneticalgorithmtobuildthemodelofsegmentationalgorithm，getthebestsegmentationstrategy.Theexperiment
4、alresultsshow7thattheimprovedsegmentationmethodisnotonlytoensuretheintegrityofthesegmentedregion，boundeddomainisalsomoreclear. Keywords：Image；Segmentation；Componentselection；Geneticalgorithm 1概述 對圖形圖像進(jìn)行分割是當(dāng)前圖像處理和分析的熱點。圖形圖像分割主要是指將圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技
5、術(shù)。近年來許多學(xué)者把圖形圖像處理和其他學(xué)科知識相結(jié)合，提出了許多新的圖像分割方法，并將其應(yīng)用于醫(yī)學(xué)圖像的研究?，F(xiàn)階段主要有基于聚類的圖像分割方法[1]、基于神經(jīng)網(wǎng)絡(luò)的圖像分割方法[2]、利用遺傳算法進(jìn)行圖像分割[3，4]、基于活動輪廓模型和水平集等的圖像分割方法[5]等。有效的圖形圖像分割方法，可以提高圖形圖像處理能力及工作效率，因此受到專家學(xué)者的重點關(guān)注，擁有廣闊的發(fā)展?jié)摿6]。傳統(tǒng)的分割方法受到個體差異的影響，同時，圖形圖像處理應(yīng)用對圖形圖像分割的準(zhǔn)確度和分類算法的速度要求較高，又由于圖像本身受噪
6、聲、偏移場效應(yīng)和局部體效應(yīng)等的影響，使得傳統(tǒng)的分割算法遠(yuǎn)未達(dá)到理想的效果?！ 榱吮苊馍鲜龇椒ǖ娜毕?，提出基于改進(jìn)遺傳算法的圖像分割方法。首先在遵循圖形圖像數(shù)據(jù)完整性、一致性與大小適度的情況下確定分割片區(qū)，并依據(jù)相關(guān)原理選擇合適的分割屬性，根據(jù)改進(jìn)遺傳算法構(gòu)建分割算法模型，獲取最佳的分割策略。實驗結(jié)果表明，改進(jìn)的分割算法，不但保證了分割區(qū)域的完整性，界域也較為清晰。7 2圖形圖像分割模型 傳統(tǒng)的圖形圖像分割方法未能充分考慮到圖像本身受噪聲、偏移場效應(yīng)和局部體效應(yīng)等的影響。在進(jìn)行圖形圖像分割區(qū)域劃分時
7、，容易造成較為嚴(yán)重的數(shù)據(jù)富集，嚴(yán)重影響了圖形圖像分割的性能，為此，提出基于改進(jìn)遺傳算法的圖像分割方法?！ ?.1確定分割區(qū)域數(shù) 在進(jìn)行分割區(qū)域劃分時，往往需確認(rèn)分割區(qū)域數(shù)量。分割區(qū)域中的圖像數(shù)據(jù)信息既需滿足完全性又需滿足一致性。此外在進(jìn)行分割區(qū)域時還應(yīng)充分考慮區(qū)域的大小，若區(qū)域過大，則圖形圖像的分割結(jié)果就體現(xiàn)不出形狀特征等所需的價值信息，相反，若分片過小，則算法系統(tǒng)時間比例過大?！ ±没バ畔⒘縖7]建立分割區(qū)域數(shù)量選擇模型。假定原圖像和分割后圖像，它們的熵和聯(lián)合熵公式表達(dá)為： 其中、為和的概率分布
8、，為它們的聯(lián)合概率分布?；バ畔⒘抗奖磉_(dá)為： 互信息熵差（differenceofmutualinformation，）公式表達(dá)如下： 和均為原圖像的分割后的圖像，且其分割區(qū)域數(shù)分別為和）。為了便于不同分割后的圖像進(jìn)行比較，對作歸一化處理，得到： 在研究中發(fā)現(xiàn)，原圖像及分割后的圖像之間的值，隨著分割后的圖像中分割區(qū)域數(shù)的增加而增加，且收斂于其最大值；隨著分割后的圖像分割區(qū)域數(shù)的增加，隨之遞減而振蕩下降，且收斂于0?！ ?.2選擇分割區(qū)
