周 阳， 李晓春

(中南大学 物理与电子学院，湖南 长沙 410000)

用于图像分割的双变异遗传算法*

周 阳， 李晓春

(中南大学 物理与电子学院，湖南 长沙 410000)

针对遗传算法(GA)收敛结果不稳定、易陷入局部最优解等问题，提出了一种基于全局的改进双变异遗传算法(DMGA)，并应用于图像的灰度阈值分割；分析了仿真初始参数对于图像分割结果的影响。实验结果表明：图像分割精度高，效果好，结果可靠,相对于传统GA，DMGA具有更好的全局和局部搜索能力，收敛结果稳定。

双变异遗传算法； 图像分割； 灰度阈值

0 引 言

遗传算法(genetic algorithm,GA)模拟自然进化过程，从问题解的串集开始搜索最优解，相比于其它(如粒子群优化算法[1])单个初始值迭代求最优解的算法，它覆盖面大[2]，具有更佳的全局搜索能力。而且，GA具有自组织、自适应和自学习的优点，仅需适应度函数值来评估个体，因而广泛应用于图像分割[3]、复杂函数系统优化[4]、系统识别[5]、神经网络设计[6]等众多领域[7,8]。Zhou Wei等人[9]将GA运用于虚拟企业的合作伙伴的选择和优化；Teoh Yeong Yeap等人[10]将GA运用于低通滤波器的设计；Guo Pengfei等人[11]将GA用于离散变量的优化。

本文采用一种特别的双变异方法，使得种群个体的多样性以及父代优良基因的遗传得到了较好的处理，有利于全局搜索最优解，并且可以适当地降低杂交概率pc和变异概率pm值，提高种群的收敛性，较好地解决了收敛速度和全局搜索之间的平衡问题。

1 双变异遗传算法

双变异遗传算法(double-mutation genetic algorithm,DMGA)与传统GA的最大区别在于变异操作的处理。……