在最近发表的一些工作中，对多种阈值化方法的性能进行了比较，其中最大类 间方差法被认为是相对较好的自动阈值选择方法。它的优点在于计算简单、效率高。 在实际的科学应用中分为两种情况：第一种为，图片只有一个前景，只需要选取一 个阈值，这种情况下，经典的阈值化法可以直接计算、使用；第二种为，图片中有 多个需要突出的目标，此时需要根据各目标表面的颜色、亮度，选取多个阈值进行 处理。第二种情况在实际应用中使用较多，并且能为之后的图像处理带来更多的便 利。传统的阈值化方法的提出首先是基于单个阈值的，根据单个阈值不难演变到多 阈值的情况，但是这种算法用的是有止尽的寻求方法来找到全局最佳阈值，在寻找 由多个阈值的组合的构成的最佳解时，需要大量的计算时间。因此传统的阈值化方 法很不便利，这也限制了它在实际应用中的使用。文献综述

遗传算法具有高效搜索性能，它可以大大提高基于最大类间方差法寻求最佳阈 值的效率，通过基于遗传算法的最大类间方差法的图像分割方法可以得到较优的分 割阈值，而且能够减少阈值分割的时间，在多个目标需要多个阈值的情况下，传统 的分割方法要比基于遗传算法的分割消耗更多时间，这使得图像阈值分割方法更切 合实际应用。

1。1。1 图像分割的研究现状

1。1。2 图像分割技术的发展趋势 1。1。3  遗传算法应用于图像分割的发展

1。2 本文主要内容

本文主要是利用遗传算法与最大类间方差法结合进行单阈值及双阈值的图像分 割，并与其他方法的单阈值，双阈值分割进行分割效果的比较。最大类间方差法是 公认的阈值分割中经典且使用的方法。但是这种方法只适合分割单峰值的一般图像， 对于多峰值的图像其分割效果很差，因此在实际应用中单一使用最大类间方差法很 难将目标稳定的从背景中分割出来。遗传算法优点很多，与传统方法比较优势明显， 效率高，并且分割效果也不错。但是它存在在收敛性差，容易过早收敛和进化迟缓 等问题。当遗传算法与最大类间方差法结合时，它的阈值能够根据适应度函数而自 动适应，解决了收敛性差，收敛过早的问题，可以取得很好的分割效果。

第一章中主要介绍了研究背景，图像分割的研究现状及发展趋势以及遗传算法 应用于图像分割的发展历史。最后简述本文的主要内容。

第二章中阐述了图像分割的基本概念，对各种图像分割的方法进行分类和详细 的介绍。

第三章着重介绍阈值分割的原理，以及阈值分割的几种方法。其中重点介绍了 本文运用的最大类间方差法的基本原理。

第四章是对于遗传算法的介绍。首先介绍了遗传算法的发明及发展，然后重点 介绍遗传算法的基本原理、基本步骤和编码、构造适应度函数等内容。最后将遗传 算法与其他方法进行比较，突出它的特点及优点。

第五章主要对仿真的结果进行比较和分析。首先使用几种不同的传统分割方法 进行单阈值分割。然后进行双阈值、三阈值的分割，分割所使用的是最大类间法和 遗传算法相结合的方法。基于遗传算法和最大熵法以及遗传算法最大类间方差法三 阈值分割用来与其比较。来;自]优Y尔E论L文W网www.youerw.com +QQ752018766-

第二章 图像分割技术综述

2。1 图像分割基本概念

图像分割（Image Segmentation）可以理解为将图像表示为一片有不同目标的 联通区域，根据目标的不同特征（如亮度、颜色、纹路、边际等），将所需要的目 标区域提取出来。分割后的图像可以方便人们做进一步的处理，后续的处理能够将 图像压缩、识别，也可以对图像深入的理解、分析。图像分割的质量会很大程度的 影响后续的处理。图像分割是将图像分为各有特征的区域，并提取出感兴趣的某个 特定目标技术和过程。在不同的区域图像分割也有不同的别称，如目标轮廓、阈值 化分割、图像差分技术、目标检测和识别技术、目标跟踪技术[2]。研究至今日，人们 对图像分割有了不同的理解和认识。一种普遍的图像分割理解是将图像表示为一片 联 通 区 域 ， 该 区 域 可 以 表 示 为 一 个 实 数 集 R ， 区 域 内 有 N 个 非 空 子 集