资料下载
遗传算法的基本原理 基于遗传算法的图像分割
香香技术员
分享资料个
摘要：遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。遗传算法具有众多的优点，如鲁棒性、并行性、自适应性和快速收敛，可以应用在图像处理技术领域中图像分割技术来确定分割阈值。图像分割是图像处理技术的研究对象之一，它对于图像特征提取、图像识别等图像处理技术等有着重要意义。主要研究基于遗传算法的图像分割效果，采用Matlab 软件进行仿真实验，对不同图像分割算法的效果进行比较。实验表明，遗传算法是处理图像分割的优秀算法，图像分割效果相比于传统的图像分割算法效果更佳。
对遗传算法的研究主要集中在算法的理论基础，算法结构，算法参数选择，算法与其他算法的比较，算法的应用等方面。
在算法的数学基础研究方面，Holland的模式理论奠定了GA的数学基础，进而Bertoni和Dorigo推广了此研究。模式定理中模式适合度是难以计算和分析的，Bethke运用了walsh函数和模式转换发展了有效的分析工具，Holland扩展了这种算.Goldberg首先运用．walsh模式转换法设计出了最小GA一欺骗问题并进行了详细分析。遗传算法全局收敛性的分析已经取得了突破，使用的主要数学工具是马尔科夫链。Goldberg和Segrest首先使用了马尔科夫链分析了遗传算法，Eiben等用马尔科夫链证明了保留最优个体的GA的概率性全局收敛，Rudolph用齐次有限马尔科夫链证明了带有复制、交换、突变操作的标准遗传算法收敛不到全局最优解，不适合于静态函数优化问题，建议改变复制策略以达到全局收敛用。Back和Muhlenbein研究了达到全局最优解的遗传算法的时间复杂性问题。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
