杜雯超 ，陈其松 ，周 莹

（1.贵州大学 大数据与信息工程学院，贵州 贵阳 550025；2.贵州财经大学 计算机信息学院，贵州 贵阳 550003）

0 引言

在对图像进行研究和分析时，人们往往只对某些部分区域感兴趣（称作目标或前景），其余的部分则被称作背景。为了识别、分析的需要，有必要将目标和背景分离出来。图像分割[1，2]就是将一幅数字图像细分为若干个小的子区域的过程，是进行图像处理和图像分析并进而进行图像理解的关键步骤，图像分割的好坏，对后面的分析和理解具有很大的影响。因此，好的分割方法非常重要。利用阈值分割对图像进行分割，关键是找到恰当的阈值将前景和背景区分开来，在众多的阈值分割中，如何准确快速地确定最优阈值是基于阈值分割的关键问题。而遗传算法是一类借鉴生物界的进化规律演化而来的随机全局化搜索算法，是一种具有鲁棒性、并行性和自适应性的优化算法。本文将改进的自适应遗传算法应用到图像分割中，提出了一种基于改进遗传算法的最大类间方差比的图像阈值分割算法，新算法不仅能够对图像进行准确的分割，而且能够以较少的计算代价得到最优阈值。

1 遗传算法

遗传算法（Genetic Algorithm）[3]是一种借鉴生物界自然选择和进化机制发展而来的高度并行的搜索算法。遗传算法包括三个基本的操作：选择、交叉和变异。遗传算法的交叉概率Pc和变异概率Pm的选择是影响遗传算法行为和性能的关键，直接影响算法的收敛性，Pc的大小决定种群的更新和搜索速度的快慢。……