李丽丽，曹永军，陈再励（.顺德职业技术学院，广东顺德，5800；.广东省智能制造研究所，广东广州，50070；.华南智能机器人创新研究院，广东佛山，585）

基于改进遗传算法的图像分割技术研究

李丽丽1，曹永军2，陈再励3
（1.顺德职业技术学院，广东顺德，528300；2.广东省智能制造研究所，广东广州，510070；3.华南智能机器人创新研究院，广东佛山，528315）

目前，在图像分割中有着众多类型的分割方法，其中应用最为常见的是以边缘检测为基础的分割法和基于区域分割基础上的分割法两种，在其实践应用过程中也形成了相应的阂值型、区域跟踪型以及边缘检测型等几种主要类型方法。在此基础上，本文针对阂值型分割方法进行了改进，并基于实验对其有效性进行了论证。

图像处理；分割技术；阂值；改进遗传算法

0　引言

现阶段，随着计算机技术发展水平的不断提高，社会信息化以及数字化进程也不断加快；同时，图像分割技术作为图像处理领域中的一项关键性技术也得到了显著的发展。在当代图像分割处理领域，随着图像处理需求的日趋多元化和复杂化发展，致使传统的图像处理方法逐渐暴露出了越来越多的缺陷及不足，而且一系列组合优化搜索空间问题也呈现出一种日益加剧的趋势，最终导致传统遗传算法的应用已经很难高效的求得最优解。

1　遗传算法概述

遗传算法，是在生物界多年发展进化过程中衍生出的基本原理的基础上而形成的一种搜索进化算法。遗传算法具有着突出的自动学习能力、大量的处理数据以及随意性的对象处理等特点。该算法的最大优点就在于计算过程中采用数据的大量性，在计算过程中，将所遇到的所有问题，都可以模拟为生物群众的某一具体物种的单体或群体，并利用从群体中所挑选出的个体，促使单体之间进行互相融合；而后通过这些GA计算过程而得出可用于下一繁衍计算的单体或群体，如此反复计算，最终得到最优解。

2　图像分割技术与阂值分割概念

2.1图像分割技术。图像分割技术的原理就是：在基于所需处理图像特征的基础上进行分割，并在分割过程中对特定的区域进行保存，具体涵盖了图像的灰度特征、颜色信息以及图像所表现出的边界性特征等多项内容。在图片或视频的处理过程中所进行的图像分割，就是一种针对特定特征进行跟踪判断的处理方法，该方法的应用在图片和视觉的处理过程中占据了重要的位置。

2.2阂值分割技术。阂值分割法在应用过程中，凭借其简单性和直观性，逐渐成为了一种最流行、最经典以及最简单的图像分割方法；阂值分割法的主要原理为：在图像处理过程中，为更好的实现图片与背景的有效区分，采取若干个阂值将图像的灰度划分为不同的几个等级，并结合具有相似属性的像素隶属于相同区域的特性，完成最佳阂值的选择。

3　基于改进遗传算法的图像分割技术研究

通过改进处理后的遗传算法图像分割技术具体实施步骤如下所述；

（1）编码：一般情况下，图像都具有着256灰度级，因此需要将各个染色体编码界定为8位的二进制编码，相应的分割阈值用000000000--111111111之间的8位2进制代码来表示。

（2）种群的初始化：为更好的保证种群的多样化，在处理过程中随机形成的n对个体中所对应的适应度值也会有高低不同的差异；如果这种种群具有较大的规模，则需增加对其评估次数和计算量；而如果种群规模较小，则很有可能会出现不成熟收敛的现象。所以，在此环节中，要特别注重种群规模的合理设置。通常情况下，在处理过程中会将种群规模界定为20，最大繁殖代数界定为50.

（3）对种群中各个染色体适应度进行计算：适应度，在遗传算法中作为了判定个体优劣程度的主要指标。所以，如何合理的设计适应度函数对于遗传算法的效率和性能也就显得意义重大。在本次研究中，主要采取了一种OTSU法进行图像分割的质量测试公式，其目标函数为：

上式中，w0所表示为灰度值小于门限k时的概率和；w1所表示为灰度值大于门限k时的概率和；u0和u1表示的分别为以上两大区间的平均灰度值；整个图像的平均灰度用v来表示。其中计算得到f值越大，则也说明图像分割的效果及质量也就越好。

4　实验结果与分析

为更好的验证基于改进遗传算法的图像分割技术的有效性，本研究特针对传统遗传算法和改进后遗传算法的图像分割结果进行实证分析；在实验过程中，将改进后遗传算法的种群规模和最大繁殖代数界定为20和50，同时其变异概率和交叉概率分别为0.01和0.6，在实验过程中对256*256的LENA图像和对实际拍摄的组织物图像进行了分割.

基于传统遗传算法的OTSU法和基于改进后遗传算法在图像分割过程中所需的运算时间以及阈值比较见下表1所示；

表1　两种不同算法的运算时间及阈值对比

通过本次实验论证得出：基于改进遗传算法的图像分割技术，在应用过程中在进化至第15代左右即可得到最佳阈值；结合20次的实验比较分析，首先在LENA的图像分割过程中，两种分割方法的质量基本一致，但在分割速度方面，基于改进遗传算法的图像分割技术相对较快，有着明显优势；其次，在对实拍组织物进行分割操作时，通过应用基于改进遗传算法的图像分割技术来进行相关阈值的搜索，所得结果不仅同全局最优阈值更为接近，而且其收敛速度也较快，同时在分割处理之后的图像所存在的噪声点分布也较少。总之，基于改进遗传算法图像分割技术相比于传统的OTSU算法，在图像分割质量以及精度等方面有着一种更为明显的优势。

5　结语

基于改进遗传算法的图像分割技术，相比于传统的图像分割技术，在应用过程中，不仅能够促使算法的优化速度得到了进一步加快，克服了早熟收敛的问题，同时还具有着一种更优的全局收敛性和更快的搜索效率；而且在运算时间方面也明显优于传统方法，从进而促使计算时间得到了有效的缩短，并促使传统阈值方法的图像分割效果得到了进一步提高。

［1］李茂民.一种基于改进遗传算法的图像分割研究及应用［D］.江西理工大学，2010.

［2］李辉. 基于改进遗传算法的图像分割［D］.东北师范大学，2004.

李丽丽，女（1981.02—），汉族，吉林磐石人，硕士，工程师，研究方向：机器视觉、人工智能、图像处理。

曹永军，男（1981.2-），汉族，河南商丘，硕士，高级工程师，研究方向：智能控制与系统，机器视觉。

陈再励，男（1989-），汉族，湖南邵阳，硕士，工程师，研究方向：智能控制、图像处理。

Research on image segmentation based on Improved Genetic Algorithm

Li Lili1，Cao Yongjun2，Chen Zaili3
（1.Shunde Polytechnic Shunde Guangdong 528300；2.Guangdong Institute of intelligent manufacturing Guangzhou Guangdong 510070；3.Southern China intelligent robot Innovation Research Institute Foshan Guangdong，528315）

At present，in the image segmentation with many types of segmentation method， which used the most common is to detect edges is based segmentation method based on region segmentation segmentation method based on the two，in the process of its application in practice also formed the corresponding threshold value type and region tracking type and edge detection etc.several main types.Based on this.In this paper，according to the threshold value segmentation method are introduced，and demonstrate the validity of the experiment by.

Image Processing；Segmentation；Threshold；Genetic Algorithm