高 欣， 卓东风， 刘国洋

（太原科技大学 电子信息工程学院，山西 太原 030024）

0 引言

在对图像的研究中，图像分割[1]是由图像处理到图像分析的重要步骤。图像分割是根据图像的灰度、颜色、几何特性等，把图像分成各具特色的区域，将图像中感兴趣的部分分割出来，图像分割的好坏直接影响到图像分析的结果，因此具有很重要的意义。图像分割的常用方法有阈值分割法，边缘检测法和区域分割法等，其中阈值分割法是最基本，应用最广泛的分割方法。许多学者已经提出了很多阈值分割的方法，其中OTSU提出的最大类间方差准则[2-3]来选取阈值的方法被认为是阈值分割的经典方法。由于多数图像不是简单的单峰，对于那些灰度直方图的灰度级分布谷底不明显的复杂图像，单一的使用 OTSU准则并不能从图像中稳定可靠的将目标分割出来，很难达到满意的效果。很多人用遗传算法和 OTSU法结合来解决上述问题，但是传统的遗传算法容易出现早熟收敛现象。为此本文对基本遗传算法进行改进，提出一种改进的遗传算法与 OTSU法则结合的优化算法。本文根据指数变换法的特点提出了一种基于指数变换的非线性的动态适应度函数[4]，使得对种群中个体的评价更为合理，从而保证算法的收敛性，避免早熟，提高全局搜索能力。

1 相关算法

1.1 OTSU分割方法

1979 年，N.OTSU提出最大类间方差法（称为OTSU法），是一种性能良好的自动阈值选择方法，直接计算出阈值，不需要对直方图做预处理，计算简单，稳定有效，优于其他阈值化算法，受到广泛关注。……