关于图像分割算法的优化仿真研究

Otsu图像分割法是常用的图像阈值分割方法,其最佳阈值选取直接影响到图像分割的质量。传统的最佳阈值的寻找采用穷尽式搜索方法,计算复杂度大,耗时较多,分割的精度低,易产生图像误分割。为了提高图像分割准确性,提出一种遗传算法与O tsu相结合的图像分割方法。新方法将图像分割问题看作为一个全局数值优化问题,将图像灰度信息转换成遗传算法的种群,每个个体代表一个可行的阈值向量,以灰度图像的灰度最大类间方差作为适应度值,通过选择、交叉和变异等遗传操作获得图像最佳分割阈值,以获得的最佳阈值对图像进行分割。用实例对新方法进行验证实验,结果表明,相对于传统Ostu图像分割算法,改进的O tsu分割方法提高了图像分割准确性,运算量减少,加快了分割速度,非常适应于图像实时处理。