论文题目:Multi-Thresholding Image Segmentation Using Genetic Algorithm(遗传算法多阈值图像分割)
一、综述
作者使用遗传算法对多对象和背景的图像进行分割。
二、研究内容与方法
(1)介绍
图像分割的准确率受预处理结果影响较大。
作者结合多阈值分割和遗传算法,通过寻找阈值,将阈值问题转换成优化问题。最大化目标与背景之间的方差,最小化目标自身的背景像素间的方差。
(2)图像阈值
由于灰度图像处理简单,因此一般将彩色图像转换为灰度图像进行预处理。最常用的灰度级为256(0-255)。
图像阈值是一种用在灰度图上的分割方法。该方法旨在寻找一个合适的阈值,将背景和目标对象分隔开来,像素值低于阈值为背景,否则为目标对象。
基于阈值的算法通常被分为单极阈值和多级阈值。通常若图像中包含n个对象和背景,则定义n 个阈值。
如何寻找适合分割的阈值:将彩色图像转换成灰度图,绘制图像的一维直方图,直观显示具有相同灰度级的像素个数。二分类只有一个阈值,尝试所有0—L-1的数,找到划分最好的那个值作为阈值;多分类需要找到多个阈值,那么如何寻找拥有好的性能的多组阈值是接下来要做的。
(3)遗传算法
遗传算法是一种模仿基因的元启发式算法,当不存在一个确定的方法或着确定的方法计算复杂时可以用该算法做最优近似。
遗传算法具有N个种群,则初始值为N个随机解。然后选择最优解杂交生成新的解。生成的最优解参与下一次迭代同时舍去最差解。迭代的时候更新这些解,收敛至近似最优解。
遗传算法要考虑很多因素。1.表示