一种基于遗传算法的图像分割方法

王亚文，赵 明

（河南师范大学，河南 新乡 453007）

一种基于遗传算法的图像分割方法

王亚文，赵 明

（河南师范大学，河南 新乡 453007）

图像阈值分割技术在图像分割中具有重要的意义。遗传算法既可以对全局信息高效利用，也减少了存储空间和计算量。利用遗传算法的优点，文章提出了一种用改进遗传算法优化图像阈值并对图像进行分割的方法。通过实验对比，文章表明该方法具有快速、稳定分割的特点。

最大熵；改进遗传算法；图像分割

图像分割是图像处理和计算机视觉中基本而且关键的技术之一，在图像分割方法中，阈值法是常见的方法之一[1]。遗传算法是基于自然选择和基因遗传学原理的搜索算法，因为具有较强的全局搜索能力，可用于实时处理，该算法的鲁棒性、并行性和自适应性极强，已被应用于各种优化问题[2]。本文针对遗传算法的特点，提出了一种新的图像分割方法。

1 基于遗传算法确定图像阈值

运用遗传算法全局优化的特点进行图像阈值分割的主要过程如下所示：

（1）确定种群规模，初始化第一代种群。确定种群个体长度，将交叉概率和变异概率设为固定值。

（2）求出个体的适应度值。

（3）对终止条件进行判断：如果满足终止条件，循环终止，执行下一步；如果不满足终止条件，下一次的父代种群将由该种群执行选择、交叉、变异等操作形成的子代种群所构成，并且转入步骤（2）执行。

（4）显示出最优化的结果，退出[3]。

2 基于遗传算法的图像分割

依据遗传算法进行全局优化的特点，提出了一种基于遗传算法的图像分割方法，该方法的分割效果良好。具体实施步骤如下：

（1）初始化：设置种群规模的大小为40，最大繁殖代数为70，将阈值矢量用16位二进制表示，阈值s用前8位表示，阈值t用后8位表示，取双阈值为两个0～255之间的数，并用二进制染色体数组表示。

（2）适应度函数：采用最大熵准则作为适应度函数。

（3）遗传算子的选择。对于选择算子，采用精英选拔结合轮盘赌法的方法。该方法具体分两步：首先把适应度较大的个体保留下来，以10%的比例直接遗传到下一代，然后通过轮盘赌法选择最优个体；对于变异算子，使用二进制变异，将进化过程分为3个阶段，在每个阶段采用不同变异概率。第一阶段为了在较大的范围内变异以维持多样性，使用较小的变异概率；第二阶段为了增加算法局部搜索的能力，使用较大的变异概率；第三阶段趋于稳定，以中等的概率在中间范围内变异；对于交叉算子，采用两点交叉，在前8位阈值s和后8位阈值t中各选择一个交叉点，对交叉点后的部分交换。在前期选择较大的交叉概率快速获得新个体，在后期选择较小的交叉概率使个体趋于稳定[4]。

（4）结束条件设定：结束条件分为两种，当两代平均适应度之比落在区间[1，1.002]或者达到最大的迭代次数都将止运行，输出结果。

图1 遗传算法用于图像分割流程

3 实验结果与分析

首先对Cameraman图像用滤波去噪得到图2，再用最大熵阈值分割得到图3，将图2用改进的遗传算法分割得到图4。

图2 Cameraman去噪图像

图3 Cameraman最大熵分割结果

图4 Cameraman 改进遗传算法分割结果

由图2—3结果对比可见，本文方法优于传统的最大熵阈值分割方法，分割结果较好。

4 结语

遗传算法是针对全局的一种寻优算法，可以高效利用全局信息是其最大优点[5]。本文利用遗传算法优化图像阈值分割，通过和经典的最大熵阈值分割对比，实验证明分割结果优于最大熵阈值分割方法。此外，该算法具有良好的鲁棒性和稳定性，能够很好地提高图像分割的精度。

[1]庹谦.最大熵结合遗传算法的图像阈值分割算法研究[D].昆明：昆明理工大学，2016.

[2]宋家慧.基于遗传算法的最大熵阈值的图像分割[J].电子工程师，2005（2）：60-63.

[3]李宏言，盛利元，陈良款，等.基于二维最大熵原理和改进遗传算法的图像阈值分割[J].计算机与现代化，2007（2）：34-37.

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

[5]汪筱红，须文波.遗传算法在最大熵多阈值分割的应用研究[J].贵州大学学报（自然科学版），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

河南师范大学2015年度国家级大学生创新创业训练项目；项目编号：201510476058。

王亚文（1995— ），男，河南焦作。