基于遗传算法的自动阈值选取方法研究.pdf

总第219期 计算机与数字工程 V01．36No．1 2008年第1期 Computer＆DigitalEngineering 34 基于遗传算法的自动阈值选取方法研究‘ 李刚1’ 杨锦园2’ (信阳师范学院计算机科学系1’信阳464000)(华中科技大学控制科学与工程系2’武汉430074) 摘要利用传统的Otsu理论进行图像阈值选取，计算量较大，现将遗传算法和Otsu理论有机结合，提出了一种简捷 的自动识别最优阈值的方法，该方法将遗传算法引入图像分割，利用遗传算法所具有的快速寻优的特点，大大缩短了计算 时间。实验结果表明：新算法不仅提高分割质量，而且缩短寻优时间。 关键词图像分割阈值遗传算法 中图分类号TP391．9 1 引言 2 Otsu分割方法 图像分割是指把图像分成各具特性的区域并 用一个二维矩阵将一幅灰度图像描述为F。。。 提取出感兴趣目标的技术和过程。这里所说的特 性可以是灰度、颜色、纹理等，而目标可以是单个区 ×N是图像的大小，且f(x，Y)∈{0，1，…，L一1}，L 域，也可以是多个区域。图像分割的好坏直接影响 为图像的灰度级总数。灰度级i出现的次数为ni， 图像特征的提取、图像识别的精度。因此，图像分 出现的概率为： 割方法的正确性和自适应性在一定程度上影响着 目标检测和识别的智能化程度，其分割速度影响着 P；=志且豁i=1。 (1) 实用性。70年代起图像分割问题就引起了关注， 用阈值t将全部像素分成两类：C。(目标类)包含了 很多研究人员为此付出了大量的心血【1’2J，但是至 it的像素和c2(背景类)包含了it的像素。C。 今仍没有一个通用而且有效的分割方法能满足不 和c2出现的概率为： 同目的的需要，而且也不存在一个分割是否成功的 客观标准¨1。 t01=∑--60(z) (2) 阈值分割是一种区域分割技术，也是简单有效 ￡一1 t02=．∑．pf=1一to(t) (3) 的图像分割方法之一。如何确定一个最优的阈值 才能保证有效的分割效果，一直是阈值分割的难 为了有效描述两个类之间的距离D，我们定义 题【4J。目前，已有大量的阈值处理方法，其中自适 了c。和C：的类内中心，分别为： 应阈值被认为是一种可能产生对多数图像分割都 肛l= f 1= i ) 4 ot／pV∑_oip／to(t_)( 适用的处理技术，主要是针对图像应用不同判据可 I—u ·一” ￡一I 工一l 以产生适合的阈值。Nakagawa和Rosenfeld用错 (5) 心=．∑．咖i／t02=．∑．ipi／(1一∞(￡)) I o‘+I l=t+l 误分类的总几率最小来选择阈值，Otsu用不同类 则：