遗传算法的最佳熵在图像分割中的应用

以区域一致性、区域对比度和形状测量参数为评价准则，对基于遗传算法的最佳熵阈值分割方法与传统的几种全局阈值分割方法进行了对比研究，结果表明：基于遗传算法的图像分割，得到的图像目标清晰，分割效果较优，有一定的应用前景。     

二维熵图像阈值分割的遗传算法

在研究二维熵阈值分割原理的基础上,将遗传算法用于最优阈值的求取,探讨了其快速算法和全局寻优方面的优良特性,研究结果表明,本算法收敛速度快,稳定性好,适合于多阈值的求取。     

基于遗传算法的图像多阀值自动分割方案

图像多阈值分割是图像处理的基本技术之一。遗传算法则是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应的搜索算法。本文将遗传算法引入图像分割,提出一种新的图像多阈值分割方案,并加以改进。该方案能够快速正确的实现分割,且不需事先认为的确定分割类型。实验结果令人满意。     

基于神经网络与遗传算法的纹理图像分割

运用两维自动回归模型、分形维数、均值和方差从每一小区域的数据中抽取纹理特征，把纹理特征作为自组织特征映射神经网络的输入层进行训练确定最优的纹理区域分割数，最后运用遗传算法优化图像分割。实验结果证明神经网络和遗传算法相结合能有效地分割纹理图像。     

免疫遗传算法在图像分割中的应用

为了提高在连续多帧图像中背景提取的计算速度,提出了一种利用免疫思想的改进型遗传算法.该算法利用灰度图像的直方图熵作为评价标准对图像进行背景分割.相对于传统方法,可以大幅度提高连续多帧图像的背景提取速度.     

基于遗传算法的三维重构图像阈值分割

图像阈值分割是三维重构中图像处理的一个重要内容最佳熵阈值的图像分割具有很多优点,但同时也需要大量的运算时间,从而限制了其实际应用．将遗传算法应用于最佳熵阈值的确定中,提出一种新的图像阈值分割方法,以灰度图像的直方图熵作为评价标准,把图像阈值分割问题定义为一个优化问题．利用遗传算法寻优的高效性,搜索到能使分割质量达到最优的分割参数——图像分割阈值．实验结果表明,采用遗传算法不仅可以实现正确的图像分割．而且使得分割速度大大提高．     

基于遗传算法的图像多阈值自动分割方案

图像多阈值分割是图像处理的基本技术之一。遗传算法则是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应的搜索算法。本文将遗传算法引人图像分割,提出一种新的图像多阈值分割方案,并加以改进。该方案能够快速正确地实现分割,且不需事先认为的确定分割类数。实验结果令人满意。     

基于遗传算法的超声图像水平集分割

文章提出了超声图像自动分割的新方法。其基本思想是在水平集分割方法的基础上，以能量函数作为评价函数，把图像分割问题变成一个优化问题，利用遗传算法的寻优高效性，搜索到能使分割质量到达最优的轮廓曲线。应用此方法对肝脏超声图像进行肿瘤的边缘提取，得到比较好的结果，从而完成图像的自动分割。     

一种基于改进遗传算法的图像分割方法

图像阈值分割技术在图像分析和图像识别中具有重要的意义.最大类间方差法具有很多的优点,但同时也有弱点,计算需要大量的时间.因此,需要引入优化算法.本文试将遗传算法用于解决图像分割问题中,提高算法的求解性能.经过对图像分割问题求解的实验,算法得到了很好的效果.     

用遗传-神经网络方法进行图像分割的研究

目标图像因其背景复杂、照度不均而难以通过常规分割方法得到有效分割，本文使用一种遗传-神经网络算法来分割图像，即对神经元网络引入遗传算法进行训练，并且采用了自适应的遗传参数，提出了分两个级别加以训练．实验表明，该算法可以正确分割图像，能够大幅度提高分割效率，有效提高图像分割的鲁棒性和精度，对具有不同目标大小和信噪比的图像也能得到较好的分割效果．     

一种结合遗传算法的自适应目标分割方法

文中将遗传算法（ＧＡｓ）与最小误差阈值法相结合，构成了一种自适应的目标分割方法．该方法改善了传统的阈值方法中目标大小的限制，扩大了算法所能有效分割的目标大小范围，抗噪声性能也较好．并对该方法与类间方差法（Ｏｔｓｕ）的分割结果进行了比较．     

基于小波分析和遗传算法的乳腺X线图像分割

首先运用维纳滤波对X线图像进行处理,可以有效地去除图像中的伪影和噪音。其次,利用多尺度小波对图像进行增强,有利于分割过程中取得更好的效果。最后,用小波变换对图像直方图进行处理,并根据遗传算法对图像中的疑似肿块进行分割。实验表明,该算法能更加快速、清晰地分割出肿块。     

最小类内方差和区域生长相结合的图像分割法

针对视频车辆检测中,光照不均匀、对比度不强的多目标图像分割,提出了一种基于最小类内方差和区域生长相结合的快速阈值分割算法.首先对最小类内方差法进行改进,快速确定差分图像的最佳分割阈值,再用区域生长法分割得到目标.理论分析和实验结果表明,该分割算法不仅适用于简单的车辆图像分割,而且对于复杂的车辆图像也取得了较好的分割效果.该算法计算量小,分割精度有一定优势,有助于下一步的目标识别.     

基于遗传算法的传感器优化布置

为解决空间网格结构模态测试中的传感器位置优化布置问题,提高采集数据信息的完备性,采用遗传算法优化传感器布置位置.在解的编码过程中采用二维数组,每一行存储一个可行解;采用强制变异避免遗传算子操作过程中出现同一个位置重复布置的问题.为了提高收敛速度,将基于模态矩阵QR分解的传感器优化布置结果作为第一代父群.对单层球面网壳进行优化计算后,将基于遗传算法的优化结果和QR分解得到的结果进行了应变能指标和相关性矩阵(MAC)的比较,发现前者不仅在应变能指标有大幅度的提高,而且相关性矩阵也有相应改善.     

白细胞图像分割

研究从血液细胞中分离出白细胞,采用数学形态学的方法对图像进行预处理,使用灰度阈值法分割出白细胞核,定位出细胞的具体区域,用面积最大法提取整个白细胞。实验结果表明,本文提出的方法可以正确有效的分离出白细胞。     

结合粒子群算法优化归一割的图像阈值分割方法

为了快速得到图像分割的最佳阈值,依据图论知识,利用灰度级相似矩阵代替像素级权值矩阵,将归一化切割准则作为优化函数.利用粒子群优化算法代替穷举法优化归一化划分准则,提出粒子群算法优化归一割的图像阈值分割方法.实验表明在分割性能上有较大的提高,在分割速度上也有较大的改进,能够满足实时性要求.     

基于遗传算法的图像分割阈值选取

图像分割是模式识别和图像分析的预处理阶段,通常采用聚类的方法进行.图像分割技术被认为是计算机视觉中的一个瓶颈.基于扩展的Otsu最优阈值图像分割方法,提出了一种用遗传算法进行图像分割的方法,并给出了遗传算法中基本参数的设定.实验结果表明,基于图像的像素方差信息,利用遗传算法全局搜索图像的双阈值,这样不但图像分割效果好,而且缩短了计算时间,并具有遗传算法鲁棒性和自适应的特点,比传统的Otsu方法有明显的优点.在遗传算法中引入了优生算子、变异算子和新个体,避免了局部早熟,提高了收敛速度和全局收敛能力.GA作为一种并行算法,提高速度的潜力十分巨大.     

一种利用遗传算法的快速匹配算法

将遗传算法引入图像匹配过程,提出了一种基于相关匹配的遗传相关匹配方法．实验结果表明,该方法既保留了相关匹配强的抗噪声能力,又克服了一般相关匹配运算量大的缺点．