遗传算法在图像处理中的应用

遗传算法在图像处理中应用摘要：首先分析遗传算法的特点,然后根据已经得到普遍认同的理论及方法中进行归纳和总结,在此基础上,根据其在图像处理中具体实例得到这一方法的深入理解和总结，为此，我会加入自己的一些想法，希望可以为此做出自己的一些贡献。关键词：遗传算法；图像处理；自动选择；自动控制；0引言遗传算法是基于生物系统进化原理进行计算机模拟而发展起来的一种高效的随机搜索的优化方法。不同于传统优化计算方法，它是借鉴生物学的自然选择和遗传机制，以及群搜索和种群中个体（染色体）之间的信息交换为策略的随机搜索算法。在遗传算法中，优化的问题的解被称为个体，它表示一个变量序列，叫做染色体。它一般被表达为简单的字符串或者数字串，这一过程被称为编码。算法生成一定数量的个体，有时候操作者也可以对这个随机产生过程进行干预。在本文中，我将对此展开详细的论述，并以此为基础，阐明遗传算法在图像处理中的应用。1遗传算法的一些特点遗传算法是进化算法其中的一种，他可以通过魔方自然界的遗传和选择机理来寻找最优解。而选择，交叉和变异是遗传算法的三个基本原理。遗传算法的优点：1.与问题领域无关且快速的搜索能力。2.搜索使用评价函数启发，过程简单。3.使用概率机制进行迭代，具有随机性。4.搜索从群体出发，具有潜在的并行性，可以进行多个个体的同时比较。5.具有可扩展性，容易与其他算法结合。遗传算法的缺点：1.遗传算法的必成较复杂，要对问题首先进行编码，找到最优解之后还要对问题进行编码。2.没有足够的时间利用网络的反馈信息，所以算法的搜索速度较慢。3.算法对初始种群的选择有一定的依赖性，能够结合启发算法进行改进。4.算子的实现也有许多参数，如交叉率和变异率，并且这些参数很重要，但大部分都是靠经验来选择。遗传算法具有良好的全局搜索能力，可以快速的将空间中的所有搜索出来，并且利用它并行性这一特点，可以方便的进行计算，加快求解的速度。但是其在局部的搜索能力还不是十分完善，导致单纯的遗传算法比较费时，搜索的效率比较低。遗传算法中比较那解决的是，既要维持群体的多样性，还要使优良个体得以保留。2遗传算法的研究现状1.编码：建立一个问题的解和编码空间的映射，每个不同的候选解用一个单独的串号。2.初始种群的设定，将种群初始化。3.将每一个染色体进行编码，使其成为适合计算式适应度函数形式。4.将适应度大的个体选择出来进行繁殖下一代。适应度大的个体。繁殖下一代成功的可能性大。5.将被选中的两个个体进行交叉互换。6.按照基因突变的概率转串中的概率。3三维图像数据读取流程首先对采集来的数据进行标准化处理。标准化的方法为：以数据行为基准，以每行内连续1O个数据为一个体，每行产生1O个个体，共有100行数据，1000个个体，由这些个体构成一个种群。见下式；式中：d为第i行第列的原始数据，其中1≤≤100，1≤J≤100~g¨为第行第t列的个体，其中1≤胚100，1≤f≤10。种群构成后，即可进行第2步——交叉，即在考虑被处理图形特点的基础上，把某一行个体中的5个数据，与相邻行同列个体中的5个数据进行交叉，即常用的变异方法有近旁变异和反转变异2种(图1)。笔者采用近旁变异法，即当某一个体中的某一值与相邻值之差的绝对值大于一个定数(该定数可通过对结球菜特点的统计分析取得)，就使它等于相邻值的平均值。经过交叉和变异后进行评价。若评价价结果表明已求得最佳解，就停止操作，图像处理工作结束；否则继续操作，直到满足评价条件为止。图像增强就是将原来不清楚的图像变得清晰或把某些特征强调出来，以改善图像的视觉效果或便于对图像进行其他处理川。图像增强技术主要有频域法、空域法。频域法是把原图像进行某种变换(如傅里叶变换，小波变换)，在变换域中进行处理以达到增强的目的，空域法直接对原始图像进行处理，主要包括直接灰度变换、直方图均衡、平滑滤波等。基于GA的图像恢复方式，突破了原有的理论，而且其开放的结构易于与其他方式融合，如与模糊逻辑相结合的模糊GA等。利用GA恢复图像不仅较好的克服了噪声的影响，而且使图像更平滑，边缘没有条纹效应，视觉效果好。强大的全局搜索能力是遗传算法图像恢复方行之有效的主要原因。值得指出的是，用GA进行图像恢复的计算量很大，而且图像恢复属于不良设定问题，解又不是唯一的，因此应改进编码技术，解决通常GA“早熟”问题，以及使用大的群体规模，依赖于选择和交叉算子提高整体质量。4结束语GA在图像处理方面的应用多数处于理论性仿真阶段，实际系统中的应用还比较少。如何针对图像处理方面的特点选择适用图像分析和处理的GA结构或合适的参数是今后进一步研究的内容。随着理论研究的深人，可以肯定，GA以其特有的算法特点使其在图像处理问题中的应用会越来越广;同时，广泛的数学方法和强大的计算机模拟工具的出现，必将使研究取得长足的进展，使GA在图像处理中的作用更趋完善。参考文献1．[周激流，吕航．一种基于新型遗传算法的图像自适应增强算法的研究[J]．计算机学报，2001，24(9)：959—964．]2.种劲松，周孝宽，王宏琦．基于遗传算法的最佳熵阈值图像分割法[J]．北京航空航天大学学报，1999，6：747—750．]3.[潘永湘，李守智，刘庆丰．多种群遗传算法在图像恢复巾的应用研究[J]．西安理工大学学报，2001，17(2)：156～158．]4．[郑军，诸静．基于自适应遗传算法的图像匹配[J]．浙江大学学报(工学版)，2003，37(6)：689—692．]