胡承刚，高建瓴，喻明豪，白羽飞，陈 楠

（贵州大学 大数据与信息工程学院，贵阳 550025）

0 引 言

遗传算法最早由美国Michigan 大学的教授John Holland模拟生物遗传和进化提出［1］。二十世纪80 年代，De Jong 基于遗传算法的思想在计算机上进行数值优化实验，归纳总结形成其基本框架。遗传算法通过将目标函数的自变量映射为生物遗传进化中的染色体，对染色体编码来实现向下进化，并找到使目标函数最优的染色体；同时，遗传过程中加入了交叉和变异操作，来优化下一代染色体。遗传算法中染色体的编码方式有浮点数编码和二进制编码两种方式。不同的染色体编码方式和采取的变异算子、交叉算子的差异同样造成了遗传算法不同［2］。由于遗传算法是一种全概率搜索优化算法，所以其对于目标函数的性质没有要求，比如：可微、连续等，所以在很多实际问题中都有应用，比如：数值函数寻优、多目标优化、机器学习、图像处理，最优路径规划、神经网络的训练等。

图像分割是区分图像中的对象和背景的过程。对于许多依赖于计算机视觉的应用，如医学成像、卫星图像中的物体定位、机器视觉、手指打印和人脸识别等许多应用来说，图像分割是一项必不可少的预处理任务。图像分割的准确性将对图像处理的后续阶段的有效性产生很大的影响。图像分割问题已被研究数年，但由于图像的不同模态直方图等特征，图像分割问题仍是一个有待进一步研究的问题。基于深度学习的图像分割虽然有不错的效果，但是需要大量标注数据来训练神经网络；……