[发明专利]一种基于遗传算法的图像分割方法和系统

权利要求书

1.一种基于遗传算法的图像分割方法，其特征在于，包括：

获取初始种群，并将初始种群进行初始化；

计算初始种群中每个个体的初始适应度值，选取较优个体进入到下一代；

根据预设条件调整进入下一代的个体的初始适应度值，获取调整后的适应度值；

执行交叉操作和变异操作，并更新种群；

判断新种群是否满足终止条件，若满足则获得分割阈值，否则，进入计算初始种群中每个个体的适应度值的步骤；

根据分割阈值处理待分割图像；

所述获得分割阈值的步骤具体包括：获取最优解，根据该最优解得出对应的灰度阈值；

所述交叉操作包括：将选取操作产生的种群中的个体的交叉率进行以下变化：当个体适应度值高于平均适应度值时，随着个体适应度值的增加交叉率加速减小；当个体适应度值小于平均适应度值时，随着个体适应度值的增加，交叉率减速减小；

所述变异操作包括：将所述交叉操作产生的种群中的个体的变异率进行以下变化：当个体适应度值高于平均适应度值时，随着个体适应度值的增加变异率加速减小；当个体适应度值小于平均适应度值时，随着个体适应度值的增加，变异率减速减小。

2.根据权利要求1所述的图像分割方法，其特征在于，所述方法进一步包括：计算待分割图像的图像灰度直方图；

对图像的灰度值进行编码，生成初始种群。

3.根据权利要求1所述的图像分割方法，其特征在于，所述根据预设条件调整进入下一代的个体的初始适应度值的步骤具体包括：根据公式

和公式

调整进入下一代的个体的初始适应度值；其中，Si是第i代种群的适应度期望的最大差值；S0是初始种群的适应度期望的最大差值；Ri是第i代种群的适应度的最大差值；c1是调整参数；i＝1,2,…,k，其中k是进化的最大代数；fn是在调整前个体i的初始适应度值；fn'是调整后个体i的适应度值；是种群的平均适应度值；Si是第i代种群的适应度期望的最大差值。

4.根据权利要求3所述的图像分割方法，其特征在于，所述根据预设条件调整进入下一代的个体的初始适应度值，获取调整后的适应度值的步骤中，调整后的每个个体的适应度值的相对位置与调整前的每个个体的适应度值的相对位置相比保持不变。

5.根据权利要求3所述的图像分割方法，其特征在于，所述根据预设条件调整进入下一代的个体的初始适应度值，获取调整后的适应度值的步骤中，每个个体的适应度值的差值以相同比例调整。

6.根据权利要求3所述的图像分割方法，其特征在于，所述根据预设条件调整进入下一代的个体的初始适应度值，获取调整后的适应度值的步骤中，调整前的平均适应度值与调整后的平均适应度值相同。

7.根据权利要求1所述的图像分割方法，其特征在于，所述选取较优个体进入到下一代的步骤具体包括：

将当代种群中的个体按照适应度值由大到小选择预设数量的个体，将它们复制到下一代种群中。

8.根据权利要求1所述的图像分割方法，其特征在于，所述判断新种群是否满足终止条件，若满足则获得分割阈值的步骤具体包括：判断新种群是否达到预设迭代次数，若达到则获得分割阈值。

9.一种基于遗传算法的图像分割系统，其特征在于，包括：

获取模块，用于获取初始种群，并将初始种群进行初始化；

计算选取模块，用于计算初始种群中每个个体的初始适应度值，选取较优个体进入到下一代；

调整模块，用于根据预设条件调整进入下一代的个体的初始适应度值，获取调整后的适应度值；

执行模块，用于执行交叉操作和变异操作，并更新种群；

判断模块，用于判断新种群是否满足终止条件，若满足则获得分割阈值，否则，进入所述计算选取模块处理；

图像处理模块，用于根据分割阈值处理待分割图像；

所述获得分割阈值的步骤具体包括：获取最优解，根据该最优解得出对应的灰度阈值；

所述交叉操作包括：将选取操作产生的种群中的个体的交叉率进行以下变化：当个体适应度值高于平均适应度值时，随着个体适应度值的增加交叉率加速减小；当个体适应度值小于平均适应度值时，随着个体适应度值的增加，交叉率减速减小；

所述变异操作包括：将所述交叉操作产生的种群中的个体的变异率进行以下变化：当个体适应度值高于平均适应度值时，随着个体适应度值的增加变异率加速减小；当个体适应度值小于平均适应度值时，随着个体适应度值的增加，变异率减速减小。