遺傳算法在圖像處理中應(yīng)用

課程：

新技術(shù)講題目

：遺傳算在圖像處理的應(yīng)用

：學(xué)號

：..

目錄摘要21.引言32.遺傳算法的基本原和基本性質(zhì)3.遺傳算法在圖像處中的應(yīng)用63.1在圖像增強(qiáng)中的用63.2在圖像恢復(fù)中的用73.3在圖像分割中的用83.4在圖像壓縮中的用103.5在圖像匹配中的用114.遺傳算法在圖像處中的問題及發(fā)展方向12參考文獻(xiàn)121

遺傳算法在圖處理中應(yīng)用摘要遺傳算法是一種模擬生命進(jìn)化機(jī)制于生物自然選擇與遺傳機(jī)理的隨機(jī)搜索與優(yōu)化方法近幾年來遺傳算法廣泛應(yīng)用在生物信息學(xué)系統(tǒng)發(fā)生學(xué)算科學(xué)、工程學(xué)、經(jīng)濟(jì)學(xué)、化學(xué)、制造、數(shù)學(xué)、物理、藥物測量學(xué)和其他領(lǐng)域之中，這種算法得到快速發(fā)展尤其是在計(jì)算機(jī)科學(xué)人工智能領(lǐng)域中本文將在系統(tǒng)并且深入的介紹遺傳算法基本理論的基礎(chǔ)上點(diǎn)綜述遺傳算法在數(shù)字圖像處理中的主要應(yīng)用深入研究目前遺傳算法在圖像處理領(lǐng)域中存在的問題并對這些問題作出了一些個(gè)人的見解，闡述了遺傳算法在圖像處理應(yīng)用的發(fā)展方向。關(guān)鍵詞

：

遺傳算法，數(shù)字圖像處理AbstractGeneticAlgorithmisasimulationthelifemechanism,randomsearchandoptimizationmethodwhichisbasedonthenaturalselectionandgeneticmechanism.Inrecentyears,duetotheenormouspotentialofsolvingplexoptimizationproblemsandthesuccessfulapplicationsintheindustrialfield,theGeneticAlgorithmdevelopedrapidly,Especiallythefieldofartificialintelligenceinputerscience.Thisarticlenotonlydescribesthebasictheoreticalfoundationofgeneticalgorithms,butalsofocuson2

GeneticAlgorithmindigitalimageprocessing.Moreover,itstudiestheproblemsoftheGeneticAlgorithminthefieldofimageprocessingthedirectionofdevelopmentthefutureauthorelaboratesthepersonalopinionintheend.

：

GeneticAlgorithm,Digitalimageprocessing引言遺傳算法GeneticAlgorithm是一類借鑒生物界的進(jìn)化規(guī)律（適者生存，優(yōu)勝劣汰遺傳機(jī)制化而來的隨機(jī)化搜索方法由美國的J.Holland教授1975年首先提出其主要特點(diǎn)是直接對結(jié)構(gòu)對象進(jìn)行操作不存在求導(dǎo)和函數(shù)連續(xù)性的限定具有在的隱并行性和更好的全局尋優(yōu)能力采用概率化的尋優(yōu)方法能自動(dòng)獲取和指導(dǎo)優(yōu)化的搜索空間，自適應(yīng)地調(diào)整搜索方向，不需要確定的規(guī)則。遺傳算法的這些性質(zhì)，已被人們廣泛地應(yīng)用于組合優(yōu)化、機(jī)器學(xué)習(xí)、信號處理、自適應(yīng)控制和人工生命等領(lǐng)域它是現(xiàn)代有關(guān)智能計(jì)算中的關(guān)鍵技術(shù)尤其是對研究智能領(lǐng)域的人來說遺傳算法的身影更是無處不在在智能傳感器學(xué)習(xí)，模式識別計(jì)算智能圖像理解等課程中對遺傳算法在各個(gè)領(lǐng)域的應(yīng)用都有所提及。圖像處(imageprocessing)用計(jì)算機(jī)對圖像進(jìn)行分析，以達(dá)到所需結(jié)果的技術(shù)又稱影像處理圖像處理一般指數(shù)字圖像處理數(shù)字圖像是指用數(shù)字?jǐn)z像機(jī)掃描儀等設(shè)備經(jīng)過采樣和數(shù)字化得到的一個(gè)大的二維數(shù)組該數(shù)組的元素稱為像素，其值為一整數(shù)，稱為灰度值。圖像處理技術(shù)的主要容包括圖像壓縮，增3

強(qiáng)和復(fù)原，匹配、描述和識別3個(gè)部分。常見的處理有圖像數(shù)字化、圖像編碼、圖像增強(qiáng)、圖像復(fù)原、圖像分割和圖像分析等。圖像處理一般指數(shù)字圖像處理。圖像處理是計(jì)算機(jī)視覺中德一個(gè)重要研究領(lǐng)域然而在圖像處理過程中如掃描、特征提取、圖像分割等不可避免地會(huì)存在一些誤差，從而影響圖像的效果。于是究者就開始探索怎么樣才能使這些誤差最小從而使計(jì)算機(jī)視覺達(dá)到實(shí)用化的重要要求最終遺傳算法憑借其在這些圖像處理中的優(yōu)化計(jì)算方面獨(dú)特的優(yōu)勢成為各種算法的佼佼者，得到了廣泛的應(yīng)用。遺傳法的基本原理和基性質(zhì)遺傳算法是具有“生+檢測”的迭代過程的搜索算法，它的基本處理流程圖如下圖所示。由上圖可知，遺傳算法模擬了自然選擇和遺傳進(jìn)化中發(fā)生的繁殖、交配和突變現(xiàn)象，從任意一個(gè)初始種群出發(fā)，通過隨機(jī)選擇、交叉和變異操作，產(chǎn)生新的4

更適應(yīng)環(huán)境的個(gè)體使群體進(jìn)化到搜索空間中越來越好的區(qū)域這樣一代一代不斷繁殖、進(jìn)化，最后收斂到一群最適應(yīng)環(huán)境的個(gè)體上，求得問題的最優(yōu)解。遺傳算法對于復(fù)雜的優(yōu)化問題無需建模和復(fù)雜運(yùn)算要利用遺傳算法的三種算子就能得到最優(yōu)解。GA把問題的解表示成染色體（也稱串的求解步驟如下：）參數(shù)編碼。這個(gè)要素是要建立一個(gè)空間映射，就是問題的解空間與編碼空間的映射，每個(gè)不同的候選解用有一個(gè)單獨(dú)的串號。（2）初始群體的設(shè)定。將種群進(jìn)行初始化。（3）適應(yīng)度函數(shù)的設(shè)計(jì)。在種群中，將每個(gè)個(gè)體的染色體進(jìn)行解碼，變成適合計(jì)算式適應(yīng)度的函數(shù)形式。（4）選擇。將適應(yīng)度大的個(gè)體作為優(yōu)秀個(gè)體繁殖下一代，適應(yīng)度越大被選擇繁殖下一代的可能性也就越大。（5）交叉。將選中的兩個(gè)用于繁殖下一代的位置相同個(gè)體的位置進(jìn)行交叉互換。（6）變異。按照基因突變的概率翻轉(zhuǎn)串中的基因。（7）重復(fù)步驟（4）到步驟（6）使得結(jié)果滿足已設(shè)定的遺傳條件。GA結(jié)構(gòu)較為簡單，算法也不復(fù)雜，但是又具有良好的選擇效果，具有自適應(yīng)性、子組織性和自學(xué)習(xí)性等特點(diǎn)，具有許多其它算法沒有的優(yōu)點(diǎn)，主要有：（1是對參數(shù)編碼進(jìn)行操作,而非對參數(shù)本身,減少約束條件的限制,如連續(xù)性、可導(dǎo)性、單峰性等。（2）GA是多點(diǎn)搜索,減少了陷于局部優(yōu)解的風(fēng)險(xiǎn)。（3僅用適應(yīng)度函數(shù)來指導(dǎo)搜索,不需要其他推導(dǎo)和附加信息對問題5

依賴性小。（4）GA的尋優(yōu)規(guī)則是概率性的而非確定性的。研究者們在應(yīng)用GA過程中也不斷研究改進(jìn)GA的性能，使GA更能滿足時(shí)代的需要如在選擇策略中提出了精英選擇態(tài)選擇和競爭選擇等新的機(jī)制;在變異環(huán)節(jié)提出了兩點(diǎn)多點(diǎn)和一致變異作為傳統(tǒng)一點(diǎn)變異的改進(jìn)和補(bǔ)充;在編碼環(huán)節(jié)中應(yīng)用格雷碼和動(dòng)態(tài)編碼等克服傳統(tǒng)二進(jìn)制編碼和定點(diǎn)十進(jìn)制整數(shù)編碼所就帶來的問;此外,還提出自適應(yīng)技術(shù)動(dòng)態(tài)改變GA控制參,克服采取傳統(tǒng)的靜態(tài)控制參數(shù)策略引起的多樣性和收斂性不均衡問題以及用梯度方法單純型法或模擬退火方法精細(xì)調(diào)整的混合GA,以提高算法的收斂速度用均勻分布的初始群體代替隨機(jī)產(chǎn)生的初始種群;研究了分布式GA、遷徙GA和并行GA等,進(jìn)一步推動(dòng)了GA的發(fā)展。遺傳法在圖像處理中的用在圖像增強(qiáng)中的用圖像增強(qiáng)技術(shù)是將不清晰的圖像經(jīng)過優(yōu)化處理變成一比之前更加清楚者變成一使得特點(diǎn)更加鮮明的照片以便于對圖像再進(jìn)行后期的加工目前圖像增強(qiáng)方法主要包括將圖像進(jìn)行某種變換的頻域法和對直接對原始圖像進(jìn)行處理的空域法兩種基于遺傳算法的圖像增強(qiáng)技術(shù)的實(shí)現(xiàn)則是利用遺傳的選擇方法找到一個(gè)最優(yōu)或者局部最優(yōu)的方法具體的操作方法是首先將每一個(gè)目標(biāo)值設(shè)置一個(gè)基位，用實(shí)數(shù)進(jìn)行編碼，這樣問題就轉(zhuǎn)化成求解這個(gè)目標(biāo)基位組合的題目。然后對適應(yīng)度進(jìn)行設(shè)計(jì)適應(yīng)度設(shè)計(jì)為個(gè)體進(jìn)化提供動(dòng)力在設(shè)置適應(yīng)度的時(shí)6

候既要考慮圖像的整體和局部的質(zhì)量問題，也要將結(jié)構(gòu)和細(xì)節(jié)考慮進(jìn)去。再后，對遺傳算子進(jìn)行設(shè)計(jì)先根據(jù)前面設(shè)置的適應(yīng)度值將個(gè)體從大到小進(jìn)行排列從中選擇優(yōu)秀的個(gè)體進(jìn)入下一個(gè)程序當(dāng)中了防止遺傳算法在計(jì)算的過程中過早收斂對種群的多樣性進(jìn)行保護(hù)在計(jì)算過程中采用交叉操作的方法產(chǎn)生新的個(gè)體對進(jìn)化方向進(jìn)行微調(diào)用變異操作的方法對一個(gè)被選中的變異操作來說，就是采用“1”→”和1”→”的方式進(jìn)行變異。最后，設(shè)置算法的結(jié)束條件般算法的結(jié)束條件就是迭代次數(shù)達(dá)到了最大進(jìn)化代數(shù)或者最大適應(yīng)度的值變化不明顯。例如，對于一幅數(shù)字圖像f(.),f(x,y)是圖像在x行y列的像素值?！?x,y)為增強(qiáng)后的圖像在對應(yīng)點(diǎn)的像素值。則有：fx,)g其中g(shù)(.)是一個(gè)對比度擴(kuò)函數(shù)。m(x,y)為x行y列處像素值占在它的某個(gè)鄰域的局部均值。K>0是一個(gè)控制參數(shù)，其大小直接影響到圖像的處理質(zhì)量。因此，數(shù)字圖像的增強(qiáng)過程可以轉(zhuǎn)化為尋找求最優(yōu)參數(shù)k的過程。進(jìn)而，可用遺傳算法按照上述過程進(jìn)行尋優(yōu)。在圖像恢復(fù)中的用圖像恢復(fù)就是把一個(gè)退化(或劣化圖像盡量恢復(fù)到它的原始面目,是數(shù)字圖像處理中的一個(gè)重要分支。目前已提出許多有效的圖像恢復(fù)方法如逆濾波法、維納濾波法、奇異值分解偽逆法、最大熵恢復(fù)法等。由于引起圖像退化的原因未知或不能用函數(shù)表達(dá),使得上述方法面臨較多的約束問題或是計(jì)算量過大問題,由于難以確定退化函數(shù)h,限制了其實(shí)際應(yīng)用的效果。GA用于灰度圖像的恢復(fù),一般將染色體編碼成以各像素的灰度值為元素的7

2維矩,即一個(gè)染色體就代表一幅圖像每個(gè)基因?qū)?yīng)一個(gè)像素,采用自然數(shù)編碼。每個(gè)個(gè)體的適應(yīng)度函數(shù)為fgh*fii

2其中,fi為個(gè)體i代表的推測恢復(fù)圖,g為觀測到的退化圖像,h為退化過程,函數(shù)值越大表示個(gè)體越好。在交叉操作時(shí)一般采用窗口交叉,即在父代染色體矩陣中選擇相同大小的窗口,進(jìn)行交換變異操作采用臨近小圍的平均值替換需要變異的某一基因值。此外，GA也用于彩色圖像的恢復(fù)，并且取得了很好的效果?；贕A的圖像恢復(fù)方式,突破了原有的理論,而且其開放的結(jié)構(gòu)易于與其他方式融合,如與模糊邏輯相結(jié)合的模糊GA等。利用GA恢復(fù)圖像不僅較好的克服了噪聲的影響,而且使圖像更平滑,邊緣沒有條紋效應(yīng),視覺效果好。強(qiáng)大的全局搜索能力是遺傳算法圖像恢復(fù)方法行之有效的主要原因。在像分割中的用圖像分割是自動(dòng)目標(biāo)識別的關(guān)鍵和首要步驟，其目的是將目標(biāo)和背景分離，為計(jì)算機(jī)視覺的后續(xù)處理提供依據(jù)目前圖像分割的方法很多常用的包括閾值法、邊緣檢測法和區(qū)域跟蹤法。其中域值法是圖像分割的最常用方法。當(dāng)前常用的域值分割方法如最小誤差閾值法、最大類別方差法（Otsu法）以及最佳直方圖熵法。下面我們以Kapur等人提出的最佳熵法（KSW熵法）為例討論遺傳算法在圖像分割中的應(yīng)用。KSW熵法是一種不需要先驗(yàn)知識，而且對于非理想雙峰直方圖的圖像也可以較好分割的方法。其缺點(diǎn)是在確定閾值時(shí)，尤其是確定多閾值時(shí)，計(jì)算量很大。將信息論中Shannon熵概念用于圖像分割時(shí)測量圖像灰度直方圖的熵由此找出最佳閾值其出發(fā)點(diǎn)是使圖像中目標(biāo)與8

lttltt背景的信息量最大。根據(jù)shannon熵的概念，對于灰度圍{0,1,?,255}直方圖，其熵測量為H=-T

li

ii其中pi為第i個(gè)灰度出現(xiàn)的概率。設(shè)閾值t將圖像劃分為目標(biāo)與背景兩類，則令pt

i

pHit

i

plnii由閾值t分為A,B兩類后，兩類的概率分布分別為p0/pt,pt,?

,pl/pl;pt+1/(1-pt),pt-2/(1-pt),?,pt-1/(1-pt),與每個(gè)分布有關(guān)的熵分別為HA(t)和HB(t)tpp1HtilntApptitty'(y)bxbyb0123

HtptHt)Bi

pi1pt

ln

pi1pt

pt

HHTt1pt圖像的總熵H(t)為HA(t)和HB(t)之和，即：HHH)lnpp)tTtp1tt當(dāng)該函數(shù)取最大值時(shí)即為圖像的最佳分割此將其作為遺傳算法中的適應(yīng)度函數(shù)。(1)編碼們選取有255個(gè)灰度級的灰度圖于圖像灰度值在0-255之間，故將各個(gè)染色體編碼為8位二進(jìn)制編碼，代表某個(gè)分割閾值。初始代個(gè)體的值為隨即產(chǎn)生，其對應(yīng)的適應(yīng)度值也各有高低。9

(2)群體體模型。若個(gè)體數(shù)過多，則每一代適應(yīng)度值的計(jì)算機(jī)過大，因此個(gè)體數(shù)應(yīng)設(shè)置合理。我們在此將個(gè)體數(shù)設(shè)為10,最大繁殖代數(shù)為50.(3)解碼。對二進(jìn)制染色體數(shù)組解密為0-255之間的值，以求其適應(yīng)度值。(4)適應(yīng)度函數(shù)。采用H（t式作為適應(yīng)度函數(shù)。(5)算法的基本操作：選擇：遺傳算法的收斂定義指出保留最優(yōu)個(gè)體（精英策略的遺傳算法全局收斂此本文在進(jìn)行選擇操作時(shí)行輪盤賭選擇蒙特卡羅法再采用精英策略交叉叉互換的目的是產(chǎn)生不同于父體的子體。交叉率越大，交叉操作的可能性也越大；如果交叉率太低，收斂速度可能降低。單閾值分割由于只有一個(gè)參數(shù)所以采用單點(diǎn)交叉在此設(shè)交叉率為0.6變異：變異是子代基因按小概率擾動(dòng)產(chǎn)生的變化本文選取變異概率為0.1終止準(zhǔn)則：規(guī)定算法執(zhí)行到最大代數(shù)50代）或經(jīng)過某些代進(jìn)化，群體的最高適應(yīng)度不再發(fā)生變化（穩(wěn)定條件），算法停止，具有最高適應(yīng)度值的個(gè)體即為分割閾值。在像壓縮中的用圖像壓縮技術(shù)最主要的原理就是將擁有自相似性的對象用這一組簡單的代數(shù)關(guān)系式進(jìn)行表達(dá)的過程。將互相不重疊的小塊定義為值域塊，然后進(jìn)行編碼，并使經(jīng)過映射后的定義域塊與值域塊的距離在某種度量值下最小分解和處理過程中由于值域塊的數(shù)量過于龐大壓縮搜索過程任務(wù)繁重遺傳算法的強(qiáng)大全局搜索能力就能很好的派上用場，發(fā)揮良好的效果。有研究者用區(qū)域塊左上角的坐標(biāo)y和區(qū)域塊的旋轉(zhuǎn)變換z(有8種旋轉(zhuǎn))進(jìn)行染色體編碼搜索最優(yōu)定義域塊時(shí)使用的兩個(gè)參數(shù)是定義域塊相對于值域塊位移的水平和垂直分量(xi,yi),用10位二進(jìn)制串對其進(jìn)行編碼每個(gè)參數(shù)用5位編;有一種帶分類的編碼法這樣的編碼具有特征集中,搜索速度快的特點(diǎn),10

能夠改進(jìn)遺傳算法的速度,克服壓縮中分類匹配算法的局部最優(yōu)和隨機(jī)搜索問題。在像匹配中的用圖像匹配是圖像處理中一個(gè)重要的課題,在計(jì)算機(jī)視覺、動(dòng)目標(biāo)跟蹤與識別、序列圖像壓縮中運(yùn)動(dòng)補(bǔ)償、醫(yī)學(xué)圖像處理等領(lǐng)域有廣闊的應(yīng)用前景.在對圖像的理解中,匹配技術(shù)起著重要的作,是實(shí)現(xiàn)圖像理解的基礎(chǔ)。下面介紹一種基于遺傳算法的圖像校準(zhǔn)函數(shù)辨識方法。假設(shè)灰度圖像A上一點(diǎn)（，y）的灰度為A，y）。定義下面的非線性變換：x'(x,y)aaayaxy0123y'(,y)bxbbxy02經(jīng)過以上變換得到圖像A現(xiàn)在要考慮的是確定系數(shù)a0，a2和b0，b1，b2，b3，使圖像A與歪斜圖像B之間的誤差最小，則我們根據(jù)獲得的變換圖像推斷歪斜圖像B中發(fā)生了變化的部分。將遺傳算法應(yīng)用于變換函數(shù)的辨識，考慮對系數(shù)(a0,a1,a2,a3,b0,b1,b2,b3)進(jìn)行個(gè)體色體編碼，個(gè)體的適應(yīng)度可根據(jù)其系數(shù)計(jì)算變換后圖像A’與歪斜圖像B之間的誤差進(jìn)行評價(jià)，誤差值可按下式計(jì)算。個(gè)體的誤差值越小，則其適應(yīng)度越大。11

(A'(x',y')(x',y'))

y'由于未考慮歪斜圖像灰度的變（除局部的變化外在對于歪斜之外的變化很大的場合，用這種方法進(jìn)行圖像校準(zhǔn)