電子發燒友網>電子資料下載>物聯網>遺傳算法的基本原理基于遺傳算法的圖像分割

遺傳算法的基本原理基于遺傳算法的圖像分割

2734680 2023-07-18 | doc | 0.08 MB | 次下載 | 免費

資料介紹

　　摘要：遺傳算法是對生物進化論中自然選擇和遺傳學機理中生物進化過程的模擬來計算最優解的方法。遺傳算法具有眾多的優點，如魯棒性、并行性、自適應性和快速收斂，可以應用在圖像處理技術領域中圖像分割技術來確定分割閾值。圖像分割是圖像處理技術的研究對象之一，它對于圖像特征提取、圖像識別等圖像處理技術等有著重要意義。主要研究基于遺傳算法的圖像分割效果，采用Matlab 軟件進行仿真實驗，對不同圖像分割算法的效果進行比較。實驗表明，遺傳算法是處理圖像分割的優秀算法，圖像分割效果相比于傳統的圖像分割算法效果更佳。

　　對遺傳算法的研究主要集中在算法的理論基礎，算法結構，算法參數選擇，算法與其他算法的比較，算法的應用等方面。

　　在算法的數學基礎研究方面，Holland的模式理論奠定了GA的數學基礎，進而Bertoni和Dorigo推廣了此研究。模式定理中模式適合度是難以計算和分析的，Bethke運用了walsh函數和模式轉換發展了有效的分析工具，Holland擴展了這種算.Goldberg首先運用．walsh模式轉換法設計出了最小GA一欺騙問題并進行了詳細分析。遺傳算法全局收斂性的分析已經取得了突破，使用的主要數學工具是馬爾科夫鏈。Goldberg和Segrest首先使用了馬爾科夫鏈分析了遺傳算法，Eiben等用馬爾科夫鏈證明了保留最優個體的GA的概率性全局收斂，Rudolph用齊次有限馬爾科夫鏈證明了帶有復制、交換、突變操作的標準遺傳算法收斂不到全局最優解，不適合于靜態函數優化問題，建議改變復制策略以達到全局收斂用。Back和Muhlenbein研究了達到全局最優解的遺傳算法的時間復雜性問題。