[發(fā)明專利]一種基于遺傳算法和最大熵閾值分割算法的圖像分割方法

在審

• 申請?zhí)枺?/td>: 201510215839.1
• 申請日: 2015-04-29
• 公開（公告）號: CN104867132A
• 公開（公告）日: 2015-08-26
• 發(fā)明（設(shè)計）人: 周云華;才正國;李鳳榮;尚琳;何為;王營冠
• 申請（專利權(quán)）人: 中國科學(xué)院上海微系統(tǒng)與信息技術(shù)研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 上海泰能知識產(chǎn)權(quán)代理事務(wù)所 31233
• 代理人: 宋纓;孫健

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)字圖像處理技術(shù)領(lǐng)域，特別是涉及一種基于遺傳算法和最大熵閾值分割算法的圖像分割方法。

背景技術(shù)

圖像閾值分割時利用圖像中提取的目標與物體在灰度特性上的差異，把圖像視為具有不同灰度級的兩類區(qū)域(背景與目標)的組合。因此，選取一個適當?shù)拈撝担瑢D像中每個像素點判定應(yīng)該歸于目標還是背景區(qū)域，從而產(chǎn)生相應(yīng)的二值圖像。

目前主要采用的圖像閾值分割方法有：基于灰度直方圖的閾值方法、自適應(yīng)閾值法、最大熵閾值分割法、最大類間方差閾值分割法等。其中最大熵閾值分割法具有計算量大、容易陷入局部最優(yōu)的缺點。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是提供一種基于遺傳算法和最大熵閾值分割算法的圖像分割方法，能夠在短時間內(nèi)收斂到較好的分割閾值。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：提供一種基于遺傳算法和最大熵閾值分割算法的圖像分割方法，包括以下步驟：

(1)計算圖像的灰度直方圖；

(2)對圖像的灰度值進行編碼，隨機產(chǎn)生M個初始種群；

(3)利用最大熵閾值分割算法計算種群中每一個個體的適應(yīng)度；

(4)對種群進行遺傳操作得到新種群，遺傳操作包括選擇操作、交叉操作和變異操作；

(5)判斷兩次種群中最優(yōu)解的逼近程度，如果小于接受概率則結(jié)束，并獲得分割閾值，否則返回步驟(3)；

(6)根據(jù)分割閾值處理待分割圖像。

所述步驟(3)中采用f(aj)=lnpt(1-pt)+Htpt+HT-Ht1-pt,(j=1,2···n)]]>計算每一個個體的適應(yīng)度，其中，a_j表示染色體，t表示染色體a_j解碼后對應(yīng)的灰度值，n表示染色體數(shù)目，p_i表示灰度值i在圖像中出現(xiàn)的概率，p_t表示灰度值t在圖像中出現(xiàn)的概率。

所述步驟(4)中的選擇操作是通過種群中每個個體的適應(yīng)度計算個體被選中進入下一代的概率，利用輪盤賭的方法選擇進入下一代的個體，將他們復(fù)制到下一代種群中，再從新種群中隨機選擇一個個體，用上一代中適應(yīng)度最高的個體替換，其中，每條染色體被選中的概率為其中n表示染色體的數(shù)目，a_j表示染色體，f(a_j)表示染色體a_j的適應(yīng)度。

所述步驟(4)中的交叉操作是將選擇操作產(chǎn)生的種群中的個體，兩兩配對，按照固定的交叉概率進行單點交叉操作。

所述步驟(4)中的變異操作是將交叉操作產(chǎn)生的種群中的個體，按照固定的變異概率進行變異操作。

有益效果

由于采用了上述的技術(shù)方案，本發(fā)明與現(xiàn)有技術(shù)相比，具有以下的優(yōu)點和積極效果：本發(fā)明將遺傳算法與最大熵閾值分割算法相結(jié)合，利用遺傳算法并行性和全局擇優(yōu)的特點，提高傳統(tǒng)最大熵閾值分割算法的速度，能夠在短時間內(nèi)收斂到較好的分割閾值。

附圖說明

圖1是本發(fā)明的流程圖。

具體實施方式