结合灰度均衡和改进遗传算法的图像阈值分割

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (16): 194-197.

• 图形、图像、模式识别 • 上一篇下一篇

结合灰度均衡和改进遗传算法的图像阈值分割

梁云1，2，徐东风1，王栋1

1.华南农业大学信息学院，广州 510642
2.中山大学信息科学与技术学院，广州 510275

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-01 发布日期:2011-06-01

Image segmentation based on gray equalization and improved genetic algorithm

LIANG Yun1，2，XU Dongfeng1，WANG Dong1

1.College of Information，South China Agricultural University，Guangzhou 510642，China
2.School of Information Science and Technology，Sun Yat-sen University，Guangzhou 510275，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-01 Published:2011-06-01

摘要/Abstract

摘要： 图像分割是图像处理、模式识别、计算机视觉等领域的重要技术。为实现高质量的数字图像分割，提出了一种结合图像灰度均衡和改进遗传算法的数字图像阈值分割方法。创新点在于一方面采用结合了最大类间方差法的改进遗传算法，并对遗传算法性能加以改进;另一方面，对图像进行了灰度均衡的图像前处理，使得算法具有更广泛的适应性。实验显示，方法克服了常见的图像阈值分割方法在处理灰度图像时出现的图像细节难以保留的问题，能够稳定地获得图像的最优阈值，实现保留图像细节的分割效果。

关键词: 图像分割, 遗传算法, 最大类间方差, 灰度均衡

Abstract: Image segmentation is an important technology in the image processing，pattern recognition and computer vision area.In order to obtain high-quality image segmentation，it proposes a novel method for digital image segmentation based on gray equalization and improved genetic algorithm.On the one hand，this method combines the genetic algorithm and Otsu，and improves the performance of genetic algorithm;on the other hand，it uses the gray equalization to enhance the image before the solving process of genetic algorithm.From the experiments，the method can overcome the problem which is the common image threshold segmentation methods in preserving the detail of gray image.It can obtain the best threshold value stably and achieve the high quality image segmentation effects.

Key words: image segmentation, genetic algorithm, Otsu, gray equalization

梁云1，2，徐东风1，王栋1. 结合灰度均衡和改进遗传算法的图像阈值分割[J]. 计算机工程与应用, 2011, 47(16): 194-197.

LIANG Yun1，2，XU Dongfeng1，WANG Dong1. Image segmentation based on gray equalization and improved genetic algorithm[J]. Computer Engineering and Applications, 2011, 47(16): 194-197.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[3]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[4]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[5]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[6]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[7]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[8]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[9]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[10]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[11]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[12]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[13]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[14]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[15]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.

结合灰度均衡和改进遗传算法的图像阈值分割

Image segmentation based on gray equalization and improved genetic algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics