基于基因編碼算法的圖像邊緣提取研究

邵明省

(鶴壁職業(yè)技術學院 電子信息工程學院， 河南 鶴壁　458030)

?

基于基因編碼算法的圖像邊緣提取研究

邵明省

(鶴壁職業(yè)技術學院 電子信息工程學院， 河南 鶴壁458030)

摘要：為了提高圖像邊緣檢測的質量，采用基因編碼算法.首先確定基因頭部和尾部的組成，給出了基因表達式樹形式，對圖像像素進行基因編碼，接著圖像背景與圖像目標之間的灰度差異作為基因表達式樹不同的分支，與分支具有同樣灰度的像素合并為一類，最后給出了基因編碼適應度函數(shù)，其選擇基于標準誤差方法.實驗仿真表明，算法提取的灰度圖像邊緣沒有斷點，沒有偽邊緣信息，數(shù)據(jù)分析較好.

關鍵詞：基因編碼；像素；邊緣提取

0引言

在計算機圖像處理技術中，圖像邊緣是圖像最基本的特征，其在圖像目標識別、區(qū)域閾值分割、灰度增強以及圖像像素編碼壓縮等領域得到了廣泛的應用[1-2].目前，圖像邊緣提取檢測方法有：Prewitt算法，其灰度值大于或等于閾值的像素點都是邊緣點[3]，這種判定會造成邊緣點的誤判，因為許多噪聲點的灰度值也很大，而且對于幅值較小的邊緣點，反而丟失其邊緣；Sobel算子，沒有將圖像的主體與背景區(qū)分，提取的圖像輪廓有時并不能令人滿意[4]；Canny算法，對噪聲過于敏感(有噪聲的情況下效果很差)是它的主要缺點.本研究采用基因編碼算法(Gene Encoding Algorithm，GEA)提取灰度圖像的邊緣，提取的邊緣沒有斷點，沒有偽邊緣信息，數(shù)據(jù)分析較好.

1基因編碼算法

1.1基因描述

1.1.1基因構成.

在基因編程算法中，基因個體被編碼成線性符號串的形式，由頭部與尾部組成，基因頭部通過隨機函數(shù)符和終結符表示，基因尾部只能通過終結符表示，基因尾部功能是使基因生產正確的函數(shù)表達式，但是基因尾部信息即使在當代無效，但經過若干次遺傳后可轉為有效的基因尾部[5-6]，其頭部和尾部長度滿足，

t=h×(n-1)+1

式中，h為頭部長度，由所要解決的問題決定，t為尾部長度，n為基因中所有函數(shù)符號的最大操作數(shù)目.

圖1基因表達式樹示意圖

例如，個體基因的頭部h=5，那么基因尾部t=6，n=11；

98754612300

Q+**xxyyxyx

其中，Q+**x為有效的部分，xxyyxyx為尾部，xyx為填充部分，保證基因具有一定的長度.

1.1.2基因編碼.

設每個基因個體含有g個功能基因，功能基因具有相同的取值范圍，h為功能基因頭部長度，F(xiàn)為函數(shù)符集合，大小為f=|F|，其最大運算目數(shù)為n，占位符為T，位置基因區(qū)間大小為R，精度為P，其最大取值為U，編碼空間為gs，其中，s=(f+1)h×(U+1)R/P+h(n-1)+1.假設圖像像素決策空間為2維，其取值范圍分別為[0，1]和[0，255]，其中，[0，1]為各個像素灰度出現(xiàn)的概率，[0，255]為像素灰度范圍，設功能基因頭部長度為4，占位符為“？”，函數(shù)集為{+，-，*，/}，構造個體C1=((G1，G2)，2，B，s)，其中，G1=(‘*++-？？？？？’，{+，-，*，/}，‘？’，4，GP1，Op)，G2=(‘*/+*？？？？？’，{+，-，*，/}，‘？’，4，GP2，Op)，B={{0，1}，{0，255}}.

1.2圖像邊緣像素提取

位于空間位置和灰度值相同的像素點作為同一個基因樹的分支，背景與圖像目標之間的灰度差異作為基因表達式樹不同的分支，與分支具有同樣灰度的像素合并為一類[6-8]，這樣圖像中邊緣特征信息分布在不同的分支中.

圖像的連通域為G=(V,E,W)，其中，V=(v1,v2,…，vn)是連接點的集合，E是邊的有限集合，W=(wij)n×n表示權重，且wij=wji，并設連接點的度約束為bi(i=1,…，n)，則數(shù)學模型為，

(1)

基因編碼適應度函數(shù)選擇基于標準誤差方法，

(2)

式中，Pij為第j個樣本依據(jù)第i個個體所對應的表達式值；Tj為第j個樣本值；Ei為第i個個體表達式誤差；fi為第i個個體適應度.

把信息墑作為分割評價效果函數(shù)，

(3)

式中，N為圖像灰度值,kli為分割區(qū)域中分支間i個節(jié)點中灰度值為l出現(xiàn)的概率.

2實驗仿真

2.1視覺分析

實驗仿真程序編寫為MATLAB 7.0，硬件參數(shù)為當前常用配置，為了減少數(shù)據(jù)計算誤差，多次進行蒙特卡羅計算取其均值，每個基因每代最大可對應4個節(jié)點.圖像灰度級最大為255，大小為40 mm×40 mm，對不同的算法進行對比實驗，其仿真結果如圖2和圖3所示.

圖2原圖1提取效果

圖3原圖2提取效果

從檢測的結果看，本研究算法可以很精確提取灰度圖像的邊緣，提取的邊緣沒有斷點，也沒有偽邊緣信息，而其他算法都有斷點現(xiàn)象出現(xiàn).

2.2數(shù)據(jù)分析

針對圖2提取前后的信息墑比較，如表1所示.

表1　提取前后信息墑比較

從表1可以得知，GEA算法對圖像提取前后的信息墑改變不大，可以保持原始圖像的信息.

為了對比處理的實效性，針對圖2提取處理時間進行比較，如表2所示.

表2　提取處理時間比較

從表2可知，GEA算法處理速度較快，可以滿足圖像處理實時性的要求.

3結語

本研究所提算法首先確定基因頭部和尾部的組成，給出了基因表達式樹的形式，給出了圖像像素進行基因編碼實例，接著，將背景與圖像目標之間的灰度差異作為基因表達式樹不同的分支，與分支具有同樣灰度的像素合并為一類，最后給出了基因編碼適應度函數(shù)，選擇基于標準誤差方法.仿真實驗表明，本研究算法提取了灰度圖像的邊緣，提取的邊緣沒有斷點，沒有偽邊緣信息，數(shù)據(jù)分析較好.

參考文獻：

[1]陸瑩,牛蕊,王偉,等.基于小波變換的圖像邊緣提取算法[J].測繪與空間地理信息,2015,38(3)：21-23,27.

[2]林麗君,殷鷹,何明格,等.基于小波模極大值的磁瓦裂紋缺陷邊緣檢測算法[J].電子科技大學學報,2015,44(2)：283-288.

[3]馬歌,肖漢.基于OpenCL的Prewitt算法的并行實現(xiàn)[J].現(xiàn)代電子技術,2014,37(20)：103-106.

[4]薛賓田,馮子亮.基于圖割和Sobel算子的視頻分割算法[J].四川大學學報(自然科學版),2015,52(2)：281-286.

[5]周霞,沈炯.多目標免疫GEP算法及其在多項式NARMAX模型辨識中的應用[J].控制與決策,2014,29(6)：1009-1015.

[6]姜王月,崔夢天,吳江,等.基于條件云的基因表達式編程算法[J].計算機應用研究,2015,32(4)：1107-1109,1148.

[7]葉小嶺,周建華,熊雄.一種基于GEP的地面氣溫觀測資料的質量控制方法[J].熱帶氣象學報,2014,30(6)：1196-1200.

[8]王瑞和,仲冠宇,周衛(wèi)東,等.基于基因表達式編程算法的磨料射流切割深度預測模型[J].中國石油大學學報(自然科學版),2015,39(1)：60-65.

Image Edge Extraction Research Based on Genetic Encoding Algorithm

SHAOMingsheng

(School of Electronic Information Engineering,Hebi Polytechnic, Hebi 458030, China)

Abstract:In order to improve the quality of image edge detection,gene encoding algorithm is adopted.First,the paper confirms that the genes consist of heads and tails,then the form of gene expression tree is given,and finally,the image pixel is genetically encoded.After that,the gray difference between the image background and the image object is used as a kind of different branch of the gene expression tree.The image pixel with the same gray level as that of the branch is combined in one category.Finally,the fitness function selection of gene encoding based on standard error method is put forward.Experimental simulation shows that the proposed algorithm would extract the edge of gray image without breaking point and false edge information but with better data analysis.

Key words:gene encoding;pixel;edge extraction

文章編號：1004-5422(2016)02-0153-03

收稿日期：2015-11-10.

基金項目：河南省教育廳高等學校重點科研課題(15B510009)資助項目.

作者簡介：邵明省(1980 — )， 男， 碩士， 講師， 從事計算機圖像處理技術研究.

中圖分類號：TP391.41

文獻標志碼：A