刘紫燕，吴俊熊，毛　攀，帅　暘

(贵州大学　大数据与信息工程学院，贵州 贵阳 550025)



基于遗传模拟退火算法的Otsu图像分割研究

刘紫燕，吴俊熊，毛攀，帅暘

(贵州大学大数据与信息工程学院，贵州 贵阳 550025)

针对目前基本遗传算法在优化图像分割算法中存在的易于早熟、陷入局部最优的不足，以最大类间方差函数为适应度函数，提出了一种基于改进遗传算法的图像阈值分割算法。对交叉、变异算子进行自适应改进，同时将模拟退火算法融入到遗传算法中，使得对个体的评价更合理，既能克服种群退化现象，又改善算法的全局搜索能力，避免遗传算法陷入局部最优。实验结果显示，与Otsu图像分割法以及基于遗传算法的图像分割方法相比，使用该方法得出的阈值范围更加稳定，执行效率更高，在图像分割中获得的分割效果更佳。

图像分割；最大类间方差；遗传算法；模拟退火算法

图像分割[1](Image Segmentation)是图像处理领域不可或缺的重要步骤，长期以来受到专家学者的重视和研究，更在工程实践中得到广泛运用。常用的图像分割方法主要有三类：阈值分割法、边缘检测法和区域分割法等。其中阈值分割法由于实现的简单性而成为图像分割领域的一种重要方法[2]。但是，如何合理选择阈值，获得更佳的图像分割效果，一直以来都是学者需要解决的问题。目前常用的阈值法存在以下缺点：最小误差法[3]计算量大，不利于处理实时图像，而且仅对小目标图像具有好的分割效果；……