基于遺傳算法的數(shù)字圖像處理方法研究

李亞男 趙娜

摘要：隨著科技不斷增強(qiáng)，計(jì)算機(jī)技術(shù)廣泛應(yīng)用在數(shù)字圖像處理方面，并帶動(dòng)了數(shù)字圖像處理的迅猛發(fā)展。數(shù)字圖像處理方法已被廣泛地應(yīng)用于生活中的各個(gè)領(lǐng)域。此文簡(jiǎn)單闡述遺傳算法在數(shù)字圖像處理方面的主要應(yīng)用，探討了目前遺傳算法在圖像識(shí)別方面的進(jìn)展和成果以及改進(jìn)方向。

關(guān)鍵詞：遺傳算法；數(shù)字圖像處理；圖像識(shí)別

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）08-0141-02

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Research on Digital Image Processing Method Based on Genetic Algorithm

LI Ya-nan， ZHAO Na*

（Tianjin Agricultural University， Tianjin 300384，China）

Abstract： With the continuous enhancement of technology， computer technology is widely used in digital image processing， and has driven the rapid development of digital image processing. Digital image processing methods have been widely used in various fields of life. This paper briefly describes the main application of genetic algorithm in digital image processing， and discusses the progress and achievements of genetic algorithm in image recognition and the direction of improvement.

Key words： genetic algorithm； digital image processing； image recognition

1 概述

數(shù)字圖像處理是指利用計(jì)算機(jī)處理圖像信號(hào)并且將它轉(zhuǎn)換成數(shù)字信號(hào)的過程。這個(gè)優(yōu)點(diǎn)就是內(nèi)容豐富，有靈活的變通能力，處理過程的精度高，可以進(jìn)行復(fù)雜的非線性處理。通常來說，只要利用不同的軟件就可以處理其內(nèi)容[1]。困難的是它的處理速度，特別是在進(jìn)行復(fù)雜的處理。目前，遺傳算法已經(jīng)在圖像校準(zhǔn)、圖像恢復(fù)、圖像邊緣特征提取、圖像分割、圖像壓縮、三維重建優(yōu)化以及圖像檢索等圖像處理領(lǐng)域取得了成功應(yīng)用。它的發(fā)展涉及有計(jì)算機(jī)科學(xué)、數(shù)學(xué)、物理學(xué)以及生物學(xué)等學(xué)科，因此這些相關(guān)的學(xué)科對(duì)數(shù)字圖像處理的發(fā)展有越來越大的影響。

隨著計(jì)算機(jī)科學(xué)與技術(shù)和人工智能的快速發(fā)展，數(shù)字圖像處理技術(shù)向更高、更深的層次探索?，F(xiàn)在已經(jīng)準(zhǔn)備研究怎么用計(jì)算機(jī)系統(tǒng)來解釋圖形圖像，很像是人類的視覺系統(tǒng)所理解的外部世界，這被稱為是計(jì)算機(jī)視覺。隨著科技和計(jì)算機(jī)硬件和軟件技術(shù)的進(jìn)步，計(jì)算機(jī)視覺開始用于智能識(shí)別，采用基于遺傳算法方法進(jìn)行數(shù)字圖像處理。

2 遺傳算法的原理

遺傳算法是一種利用生物界的進(jìn)化規(guī)律演化而來的隨機(jī)搜索方法，也是計(jì)算機(jī)技術(shù)、人工智能領(lǐng)域中用于解決最優(yōu)化問題的一種搜索啟示式算法。該方法能夠生成有效的解決方案來優(yōu)化這類問題。到目前為止，遺傳算法已經(jīng)在圖像壓縮、圖像分割、圖像恢復(fù)、等圖像處理領(lǐng)域應(yīng)用廣泛。

根據(jù)達(dá)爾文的進(jìn)化學(xué)說，個(gè)體在自然生長(zhǎng)環(huán)境下，有些強(qiáng)壯個(gè)體經(jīng)過長(zhǎng)期的進(jìn)化規(guī)律，能夠適應(yīng)環(huán)境、繁殖后代進(jìn)而生存下來。在后代個(gè)體中，大部分與自己的上一代有著相似的性狀，這種現(xiàn)象稱為遺傳；而個(gè)別個(gè)體與自己的上一代有著很大的差距，便稱之為變異。遺傳和變異現(xiàn)象的產(chǎn)生都是為了更加適應(yīng)不斷變化的自然環(huán)境，以便于更好地生存下去。受到達(dá)爾文進(jìn)化論中適者生存、優(yōu)勝劣汰規(guī)律的啟發(fā)設(shè)計(jì)了一種選代思想，這種思想是指當(dāng)?shù)玫揭粋€(gè)初始的解，當(dāng)這個(gè)解與所想那個(gè)精確的解相差很大時(shí)，就要通過某種方法接近那個(gè)精確解，這就像上課的時(shí)候?qū)Ω叽畏匠糖蟾粯?，而每次得到的解都比上一次得到的解更加接近于精確解。

在“軟計(jì)算”領(lǐng)域中的一個(gè)重要研究課題就是本文中提到的遺傳算法，把它與計(jì)算機(jī)程序結(jié)合起來的思想出現(xiàn)在遺傳算法的應(yīng)用中。在標(biāo)準(zhǔn)遺傳算法中，由問題的可行解也就是定長(zhǎng)字符串借助于復(fù)制、變異等諸如此類的遺傳操作不斷進(jìn)化得到的最優(yōu)解。程序設(shè)計(jì)運(yùn)用遺傳算法的思想，通常采用樹的結(jié)構(gòu)來表示在計(jì)算機(jī)中運(yùn)行的程序，用來解決日常生活中的實(shí)際問題。對(duì)于生活中的人工智能的問題可看作編寫一個(gè)計(jì)算機(jī)程序，即在程序中需要特定輸入產(chǎn)生特定輸出用來實(shí)現(xiàn)程序歸納。所以說遺傳的程序設(shè)計(jì)用了歸納的方法。

假設(shè)用長(zhǎng)度為A的m個(gè)二進(jìn)制字符串稱為初始群體，把它標(biāo)記為bi（i=1，2，…，m）組成遺傳算法的初始群體。在每一個(gè)二進(jìn)制字符串中，一個(gè)二進(jìn)制位就是染色體基因。根據(jù)進(jìn)化論，對(duì)群體如下三種操作：

1）遺傳中的選擇：

將群體中較適應(yīng)環(huán)境的個(gè)體選擇出來。這些選中的個(gè)體用來繼續(xù)繁殖下一代，所以也會(huì)將這一操作稱為再生。由于是根據(jù)個(gè)體對(duì)環(huán)境的適應(yīng)度選擇用于繁殖下一代而決定其繁殖量的，故有時(shí)也稱作非均勻再生。

2）遺傳中的交叉：

挑選出用于繁殖下一代的個(gè)體，對(duì)兩個(gè)不同個(gè)體的基因的相同位置進(jìn)行交換繼而產(chǎn)生新的個(gè)體。

3）遺傳中的變異：

在生物體父代與子代之間或是子代的個(gè)體之間存在的差異。在二進(jìn)制字符串中，如若在某一位置的基因是1，那么它的變異就是將之變成0；反之亦然。[3]

3 遺傳算法在數(shù)字圖像處理中的應(yīng)用

遺傳算法是借鑒自然界生物選擇和進(jìn)化機(jī)制發(fā)展起來的一種高度并行的搜索算法，它利用群體搜索技術(shù)，假設(shè)每個(gè)種群都代表一組解，它適用于普遍的搜索算法解決不了的問題和非線性問題。在函數(shù)優(yōu)化、人工智能、機(jī)器處理、圖像處理和模式識(shí)別等領(lǐng)域都可以用遺傳算法來解決。

1）圖像分割

自動(dòng)目標(biāo)識(shí)別的關(guān)鍵就是圖像分割，它的目的是把目標(biāo)和背景分離，為后續(xù)的計(jì)算機(jī)視覺處理提供了重要依據(jù)。到目前為止圖像分割的方法有很多，常用的是閾值法、邊緣檢測(cè)法和區(qū)域跟蹤法。其中最常用的方法就是閾值法——它是一種簡(jiǎn)單有效的方法，用一個(gè)或幾個(gè)閾值來分割圖像的灰度級(jí)，這樣就可以認(rèn)為屬于同一部分的像素即為同一物體[4]。各種閾值法一般是對(duì)某種特定圖像的分割效果較佳，面對(duì)其他類別圖像的分割效果相對(duì)較差。因此，在實(shí)際應(yīng)用時(shí)應(yīng)針對(duì)具體的應(yīng)用背景和給定的圖像類別，選擇適當(dāng)?shù)姆指罘椒?。閾值法最?dú)特的就是計(jì)算簡(jiǎn)單，被廣泛運(yùn)用在重視運(yùn)算效率的應(yīng)用場(chǎng)合。

基于遺傳算法中圖像分割的思想是：通常把圖形圖像的像素用T（也就是閾值）按灰度值把它分成兩類，一類是目標(biāo)圖像，另一類則是背景圖像。目標(biāo)圖像的像素是灰度值在0-T之間組成，背景圖像的像素是灰度值在T+1-L-1（其中L指灰度級(jí)數(shù)）之間組成。全局閾值分割有半閾值法與二值法這兩種。通常二值法是在局部閾值時(shí)，它是在全局閾值分割的基礎(chǔ)上進(jìn)行的，局部閾值分割的步驟是這樣的：先將圖像根據(jù)坐標(biāo)分成若干個(gè)子圖，再在每個(gè)子圖中分別進(jìn)行全局閾值分割。

全局閾值分割方法是給定一個(gè)種群規(guī)模大小初始值，要求初始種群采用均勻采樣法，這樣做的目的是使交叉具有很高的覆蓋率，在很大程度上避免了遺傳算法的過早熟的產(chǎn)生。在種群內(nèi)部選擇時(shí)，好的個(gè)體直接保留，這樣做的目的是避免交叉破壞優(yōu)秀基因。對(duì)數(shù)字交叉時(shí)，進(jìn)行編譯是在除去前兩位之后采用二進(jìn)制的方法。變異操作是先隨機(jī)生成變異的概率值，再與計(jì)算得出的變異概率進(jìn)行比較。

遺傳終止是指規(guī)定在遺傳五十代內(nèi)連續(xù)出現(xiàn)十代的最優(yōu)解不再變化或最多遺傳到五十代，即已經(jīng)達(dá)到整體最優(yōu)解，表示遺傳終止[5]。

2） 圖像增強(qiáng)

圖像增強(qiáng)過程就像是圖像序列的優(yōu)化過程，可以說是一個(gè)尋優(yōu)過程，這就和遺傳算法又有異曲同工之妙了。對(duì)于圖像增強(qiáng)，曾有人將遺傳規(guī)劃這種方法用在彩色圖像的增強(qiáng)處理方面，采取專家目視解釋去評(píng)價(jià)圖像質(zhì)量的方法，但結(jié)果與預(yù)想還有些偏差?？偟膩碚f，進(jìn)化算法在利用全局觀點(diǎn)進(jìn)行圖像的增強(qiáng)處理時(shí)候，通常會(huì)忽略圖像的局部信息，造成增強(qiáng)效果不明顯，因而需要人工干預(yù)，導(dǎo)致無法自主完成圖像增強(qiáng)的任務(wù)。

4 總結(jié)

遺傳算法作為一種模擬自然界進(jìn)化的算法，為非線性系統(tǒng)提供了一種新的求解方案，并且經(jīng)過實(shí)踐證明該算法確實(shí)有效。遺傳算法在圖像處理中的優(yōu)化計(jì)算可以在很大程度上減小誤差，已經(jīng)有大量國(guó)內(nèi)外學(xué)者從事這方面的研究，并且取得了相對(duì)成熟的研究成果，這在遺傳算法上是向前的一大步。但對(duì)于新時(shí)代來說，遺傳算法的應(yīng)用領(lǐng)域還有待開拓，理論研究仍需進(jìn)一步深入。

參考文獻(xiàn)：

[1] 李紅俊，韓冀皖.數(shù)字圖像處理技術(shù)及其應(yīng)用[J].計(jì)算機(jī)測(cè)量與控制，2002，10（9）：620-622.

[2] 田有文，李成華.基于圖像處理的日光溫室黃瓜病害識(shí)別的研究[J].農(nóng)機(jī)化研究，2006（2）.

[3] 遺傳算法-百度文庫(kù)《互聯(lián)網(wǎng)文檔資源（http：//wenku.baidu.c）》，2012

[4] 王英健，周書仁，唐賢瑛.基于適應(yīng)性閾值和遺傳算法的圖像分割[J].長(zhǎng)沙交通學(xué)院學(xué)報(bào)，2003（2）.

[5] 魚濱.基于MATLAB和遺傳算法的圖像處理[M].西安：西安電子科技大學(xué)出版社，2015.

【通聯(lián)編輯：唐一東】