龙源期刊网httpwwwqika
comc

基于遗传算法的最佳熵双阈值图像分割
作者：黄莅辰来源：《中国科技博览》2015年第22期
摘要本文首先介绍了最佳熵双阈值的确定方法，然后针对遗传算法早熟现象的问题，提出了一种基于遗传算法的最佳熵双阈值改进算法。该算法首先运用最佳熵双阈值分割算法确定阈值选取模型，然后利用改进的遗传算法对最终的阈值进行获取，最终完成图像分割，从而进一步改善了图像分割效果。对比实验表明，改进后的算法在视觉效果和处理时间2个方面都优于之前传统的基于遗传算法的最佳熵双阈值分割算法。关键词遗传算法；图像阈值；图像分割中图分类号：TP3914文献标识码：A文章编号：1009914X（2015）22031701遗传算法是基于进化论而出现的一种搜索方法，且当前诸多学者已经对这种搜索方法进行了较为深入的研究工作，实践中也将这些方法用到了各种优化问题之中12。在对复杂的图像进行分割时，以往我们多采用参数信息，而在多参数参与求取最值的过程中，优化计算显得十分重要，而如何将自然进化应用到计算机算法之中将有助于解决图像分割中解决的诸多问题3，遗传算法的诞生为这些问题的解决提供了有效的途径，并且大大缩短了计算时间。1最佳熵双阈值的确定方法在对图像进行分割时，图像阈值的选取十分重要，将Sha
o
熵原理应用于图像分割，其目的就是将图像中背景与目标的分布信息量实现最大化、最优化，即找出最佳的分割阈值，根据灰度范围0，1，…，L1的图像直方图熵的定义公式为：2遗传算法的改进21改进算法描述遗传算法虽然可以实现最优化阈值的选取，但是在实现过程中会出现早熟现象，这会导致算法性能的下降，只能取得次优值4。为了解决这一问题，笔者对遗传算法进行了改进，通过改变算法变异概率提高了算法性能，该改进措施的前提是要计算群体的聚集程度，群体的聚集程度判断公式为：注：Div：群体多样性；N：群体规模；fi：第i个个体适应度；f：群体平均适应度；fmax：群体最大适应度。
f龙源期刊网httpwwwqika
comc
Pm1与Pm2的取值可以根据实际情况进行选择，通过大量实践证明Pm应在0005之间，通过这样的算法，可以确保群体多样性维持在一定的水平之上，且可以防止算法出现早熟现象。22改进的基于遗传算法的最佳熵双阈值分割算法步骤采用改进的基于遗传算法的最佳熵双阈值算法对图像进行分割时，可进行如下步骤操作：（1）编码：采取二进制编码，染色体长度为十六位，前八位为门限值a，后八位为门限值b；r