一種基于遺傳算法的圖像分割方法

王亞文，趙 明

（河南師范大學，河南 新鄉 453007）

一種基于遺傳算法的圖像分割方法

王亞文，趙 明

（河南師范大學，河南 新鄉 453007）

圖像閾值分割技術在圖像分割中具有重要的意義。遺傳算法既可以對全局信息高效利用，也減少了存儲空間和計算量。利用遺傳算法的優點，文章提出了一種用改進遺傳算法優化圖像閾值并對圖像進行分割的方法。通過實驗對比，文章表明該方法具有快速、穩定分割的特點。

最大熵；改進遺傳算法；圖像分割

圖像分割是圖像處理和計算機視覺中基本而且關鍵的技術之一，在圖像分割方法中，閾值法是常見的方法之一[1]。遺傳算法是基于自然選擇和基因遺傳學原理的搜索算法，因為具有較強的全局搜索能力，可用于實時處理，該算法的魯棒性、并行性和自適應性極強，已被應用于各種優化問題[2]。本文針對遺傳算法的特點，提出了一種新的圖像分割方法。

1 基于遺傳算法確定圖像閾值

運用遺傳算法全局優化的特點進行圖像閾值分割的主要過程如下所示：

（1）確定種群規模，初始化第一代種群。確定種群個體長度，將交叉概率和變異概率設為固定值。

（2）求出個體的適應度值。

（3）對終止條件進行判斷：如果滿足終止條件，循環終止，執行下一步；如果不滿足終止條件，下一次的父代種群將由該種群執行選擇、交叉、變異等操作形成的子代種群所構成，并且轉入步驟（2）執行。

（4）顯示出最優化的結果，退出[3]。

2 基于遺傳算法的圖像分割

依據遺傳算法進行全局優化的特點，提出了一種基于遺傳算法的圖像分割方法，該方法的分割效果良好。具體實施步驟如下：

（1）初始化：設置種群規模的大小為40，最大繁殖代數為70，將閾值矢量用16位二進制表示，閾值s用前8位表示，閾值t用后8位表示，取雙閾值為兩個0～255之間的數，并用二進制染色體數組表示。

（2）適應度函數：采用最大熵準則作為適應度函數。

（3）遺傳算子的選擇。對于選擇算子，采用精英選拔結合輪盤賭法的方法。該方法具體分兩步：首先把適應度較大的個體保留下來，以10%的比例直接遺傳到下一代，然后通過輪盤賭法選擇最優個體；對于變異算子，使用二進制變異，將進化過程分為3個階段，在每個階段采用不同變異概率。第一階段為了在較大的范圍內變異以維持多樣性，使用較小的變異概率；第二階段為了增加算法局部搜索的能力，使用較大的變異概率；第三階段趨于穩定，以中等的概率在中間范圍內變異；對于交叉算子，采用兩點交叉，在前8位閾值s和后8位閾值t中各選擇一個交叉點，對交叉點后的部分交換。在前期選擇較大的交叉概率快速獲得新個體，在后期選擇較小的交叉概率使個體趨于穩定[4]。

（4）結束條件設定：結束條件分為兩種，當兩代平均適應度之比落在區間[1，1.002]或者達到最大的迭代次數都將止運行，輸出結果。

圖1 遺傳算法用于圖像分割流程

3 實驗結果與分析

首先對Cameraman圖像用濾波去噪得到圖2，再用最大熵閾值分割得到圖3，將圖2用改進的遺傳算法分割得到圖4。

圖2 Cameraman去噪圖像

圖3 Cameraman最大熵分割結果

圖4 Cameraman 改進遺傳算法分割結果

由圖2—3結果對比可見，本文方法優于傳統的最大熵閾值分割方法，分割結果較好。

4 結語

遺傳算法是針對全局的一種尋優算法，可以高效利用全局信息是其最大優點[5]。本文利用遺傳算法優化圖像閾值分割，通過和經典的最大熵閾值分割對比，實驗證明分割結果優于最大熵閾值分割方法。此外，該算法具有良好的魯棒性和穩定性，能夠很好地提高圖像分割的精度。

[1]庹謙.最大熵結合遺傳算法的圖像閾值分割算法研究[D].昆明：昆明理工大學，2016.

[2]宋家慧.基于遺傳算法的最大熵閾值的圖像分割[J].電子工程師，2005（2）：60-63.

[3]李宏言，盛利元，陳良款，等.基于二維最大熵原理和改進遺傳算法的圖像閾值分割[J].計算機與現代化，2007（2）：34-37.

[4]SEZGIN M.Survey over image thresholding techniques and quantitative performance evaluation[J].Electronic Imaging, 2004（1）：146-168.

[5]汪筱紅，須文波.遺傳算法在最大熵多閾值分割的應用研究[J].貴州大學學報（自然科學版），2007（4）：401-403.

An image segmentation method based on improved genetic algorithm

Wang Yawen, Zhao Ming
（Henan Normal University, Xinxiang 453007, China）

Image threshold segmentation is of great significance in image segmentation. Genetic algorithm can make efficient use of global information and greatly reduce the storage space and calculation. Based on the advantages of genetic algorithm, this paper proposes a method to optimize the image threshold and segment the image with improved genetic algorithm. The experimental results show that the method has the characteristics of fast and stable segmentation.

maximum entropy; improved genetic algorithm; image segmentation

河南師范大學2015年度國家級大學生創新創業訓練項目；項目編號：201510476058。

王亞文（1995— ），男，河南焦作。