结合实数编码遗传算法的模糊阈值方法

提出了一种新的结合实数编码遗传算法的模糊阈值分割方法。结合遗传算法内在并行运算的特点,此方法在选取多阈值时的效率明显高于传统的模糊阈值法。适应度函数中引入一个新的衡量分割结果的连通性的因子———连通度,克服了传统阈值方法中未考虑像素空间拓扑关系的缺陷。实验证明,此方法比传统模糊阈值方法在运行效率和分割子区域的空间连通性上都有很大程度的改进。

基于模糊度测度和改进遗传算法的图像分割

为了利用模糊集理论进行图像分割,本文提出了一种模糊度测度函数,它衡量了背景模糊集和某一个二值图像的相似性:模糊度越小,这种相似程度越大;并且对模糊度的计算只需要进行简单的比较运算和加法运算,便于硬件实现。本文利用遗传算法求取最佳阈值,针对遗传算法的某些不足之处.我们利用精英策略和模拟退火的思想,对其做了一些修正。实验结果表明:相对于Shannon熵方法和模糊熵方法,本文方法取得了较好的分割结果,并且具有较强的抗噪声能力。