[发明专利]一种基于改进型遗传算法的图像边缘检测的方法及系统

说明书

技术领域

本发明涉及计算机视觉和图像领域，尤其涉及一种基于改进型遗传算法的图像边缘检测的方法及系统。

背景技术

随着计算机技术的飞跃发展，人们越来越多地利用计算机来帮助人类获取和处理视觉图像信息。据统计，在人类从外界获取的信息中有80％来自于视觉，这包括图像、图形和视频等，它是人们最有效的信息获取和交流方式，图像也因其所含的信息量大、表达直观而在多媒体处理技术中占有非常重要的位置。

图像最基本的特征是边缘，所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。它存在于目标与北京、目标与目标、区域与区域之间，不仅是图像边缘检测所以来的最重要的特征，也是纹理特征的重要信息源和形状特征的基础，而图像的纹理形状特征的提取又常常依赖于图像边缘检测。图像的边缘是由灰度不连续性所反应的。

经典的边缘提取方法是考察图像的每个像素在某个区域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，用简单的方法测边缘，这种方法称为边缘检测局部算子法。边缘检测算子检查每个像素的邻域并对灰度变化率进行量化，也包括其梯度方向的确定，大多数使用基于方向导数掩模求卷积的方法。

公开号为CN104715491A的专利提供了一种基于一维灰度矩的亚像素边缘检测方法，包括以下步骤：S1：采用中值滤波方式对待处理图像进行去噪处理；S2：采用Canny边缘检测算子方法对待处理图像进行像素级边缘检测；S3：采用一维灰度矩方法对图像的像素进行边缘检测，完成该图像的亚像素边缘检测。该发明首先利用中值滤波器进行去噪的处理，其次利用Canny算子进行像素级边缘检测，然后在空间域的笛卡尔坐标下利用一维灰度矩进行像素边缘检测。该发明属于一阶算子边缘检测技术，其方法的实质是一个准高斯函数做平滑运算，然后根据一阶微分算子来定位导数最大值，在实际工作应用中实现较为复杂，且运算偏慢。

发明内容

本发明要解决的技术问题目的在于提供一种基于改进型遗传算法的图像边缘检测的方法及系统，用以解决现有的边缘检测存在检测精度不高的问题。

为了实现上述目的，本发明采用的技术方案为：

一种基于改进型遗传算法的图像边缘检测的方法，包括步骤：

S1、计算个体适应度并选择预设范围内的个体适应度进入下次迭代；

S2、根据所述个体适应度调整变异概率并根据所述变异概率执行变异操作；

S3、判断经过变异操作的个体是否达到迭代次数，若是，根据获取的最优解得出对应的灰度阈值。

进一步地，还包括步骤：

根据所述灰度阈值进行图像边缘检测。

进一步地，所述步骤S1具体包括：

采用最大类间方差函数计算所述个体适应度。

进一步地，所述最大类间方差函数具体为：

f(t)＝w₁(t)*w₂(t)*(u₁(t)-u₂(t))²；

其中，t为用来处理图像的阈值；w₁(t)为图像中灰度值小于阈值t的像素的个数；w₂(t)为图像中灰度值大于阈值t的像素的个数；u₁(t)为图像中的灰度值小于阈值t的像素的平均灰度值；u₂(t)为图像中灰度值大于阈值t的像素的平均灰度值。

进一步地，步骤S2根据下式调节变异概率：

其中，P_Mmax、P_Mmin分别是最大变异率和最小变异率，f_max为种群的最大适应度值；为种群的平均适应度值；f为个体适应度值。

一种基于改进型遗传算法的图像边缘检测的系统，包括步骤：

选择模块，用于计算个体适应度并选择预设范围内的个体适应度进入下次迭代；

变异模块，用于根据所述个体适应度调整变异概率并根据所述变异概率执行变异操作；

判断模块，用于判断经过变异操作的个体是否达到迭代次数，若是，根据获取的最优解得出对应的灰度阈值。

进一步地，还包括：

检测模块，用于根据所述灰度阈值进行图像边缘检测。

进一步地，所述计算模块具体包括：

计算单元，用于采用最大类间方差函数计算所述个体适应度。

进一步地，计算单元中，所述最大类间方差函数具体为：