劉芳華 余麗萍

摘 要：針對(duì)復(fù)雜背景遙感圖像分割準(zhǔn)確率不高的問(wèn)題，提出了一種基于遺傳算子改進(jìn)閾值的遙感圖像分割算法。通過(guò)對(duì)遺傳算法中選擇、交叉、變異等算子的優(yōu)化設(shè)計(jì)，增強(qiáng)變異的多樣性，加快搜索的收斂速度，以獲取遙感圖像分割的最佳閾值。實(shí)驗(yàn)仿真結(jié)果表明：該算法降低了閾值搜索時(shí)間，同時(shí)取得了良好的圖像分割結(jié)果。

關(guān)鍵詞：遺傳算法;閾值分割;遙感圖像

中圖分類號(hào)：TP751 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2019）14-0037-02

Remote Sensing Image Segmentation Based on Improved

Threshold of Genetic Operator

LIU Fanghua YU Liping

（Zhengzhou University of Light Technology，Zhengzhou Henan 450000）

Abstract： Aiming at the low accuracy of remote sensing image segmentation in complex background， a remote sensing image segmentation algorithm based on improved threshold of genetic operator was proposed. Through the optimization design of selection， crossover and mutation operators in genetic algorithm， the diversity of mutation was enhanced， and the convergence speed of search was accelerated to obtain the optimal threshold of remote sensing image segmentation. The simulation results show that the algorithm reduces the search time of threshold and achieves good image segmentation results.

Keywords： Genetic Algorithms;threshold segmentation;remote sensing images

1 研究背景

遙感圖像是由裝載在如衛(wèi)星、航天飛機(jī)等遠(yuǎn)離地表的平臺(tái)上的遙感器拍攝得到的地面圖像。在當(dāng)今社會(huì)，各個(gè)領(lǐng)域?qū)b感圖像處理[1]技術(shù)的需求不斷提高，通過(guò)計(jì)算機(jī)對(duì)遙感圖像進(jìn)行處理，可以快速獲取大量有用的信息數(shù)據(jù)，這是人工方法難以達(dá)到的。圖像分割是把圖像中的物體與物體或者物體與背景分割開(kāi)，是圖像處理中進(jìn)行分析、識(shí)別、跟蹤、理解和壓縮編碼等技術(shù)的基礎(chǔ)。目前，常用的圖像分割方法有閾值分割方法、區(qū)域生長(zhǎng)算法、聚類分割算法和邊緣檢測(cè)算法等。閾值分割方法主要有最大類間方差法、最大熵法和迭代法等。對(duì)于具有復(fù)雜背景的遙感圖像，普通閾值分割方法難以分割出完整的目標(biāo)。區(qū)域生長(zhǎng)算法是一種串行區(qū)域分割的圖像分割算法，所需空間和時(shí)間開(kāi)銷都比較大，噪聲和灰度不均勻可能會(huì)導(dǎo)致過(guò)分割和空洞，在處理圖像中陰影時(shí)，效果往往不是很好。經(jīng)典的邊緣檢測(cè)算法主要有Roberts算子、Canny算子和Sobel算子等。邊緣檢測(cè)算法可以提取目標(biāo)的邊緣信息，但對(duì)噪聲比較敏感，提取的圖像邊緣會(huì)出現(xiàn)不完整的線條。本文通過(guò)遺傳算法來(lái)獲取遙感圖像分割中的最佳閾值，提出了基于遺傳算子改進(jìn)閾值的遙感圖像分割算法，對(duì)傳統(tǒng)遺傳算法容易陷入局部最優(yōu)、收斂性速度過(guò)慢進(jìn)行了有效改進(jìn)，從而達(dá)到閾值最佳，得到比較清晰、準(zhǔn)確的遙感圖像分割結(jié)果。

2 遺傳算法最佳閾值分割

遺傳算法是模擬自然界生物進(jìn)化過(guò)程與機(jī)制來(lái)求解極值問(wèn)題的一類自組織、自適應(yīng)人工智能技術(shù)。遺傳算法是一種迭代算法，初始種群數(shù)據(jù)是隨機(jī)生成的，算法每次執(zhí)行時(shí)，都會(huì)產(chǎn)生一組數(shù)據(jù)，每一次生成的數(shù)據(jù)都擁有一個(gè)目標(biāo)函數(shù)進(jìn)行評(píng)判，經(jīng)過(guò)迭代操作，直到逼近自己所需的目標(biāo)或達(dá)到終止迭代次數(shù)。

閾值分割遺傳算法步驟如下。

①編碼。對(duì)灰度分割閾值取16位二進(jìn)制編碼，前8位代表一個(gè)分割閾值[T1]，后8位代表另一個(gè)分割閾值[T2]。

②種群規(guī)模。種群規(guī)模是指任意一代中的個(gè)體總數(shù)，可以人為設(shè)定。種群規(guī)模越大，則找到全局解的可能性越大，但運(yùn)行時(shí)間會(huì)隨之增加。初始種群設(shè)置為20，最大繁殖代數(shù)為100。

③適應(yīng)度函數(shù)。適應(yīng)度函數(shù)如式（1）所示：

[FT1，T2=-i=0T1pipT0lnpipT0-i=T1+1T2pipT1lnpipT1-i=T2+1l-1pipT2lnpipT2]（1）

其中，圖像灰度值為{0，1，2，…，l-1}，[pi]為第i個(gè)灰度出現(xiàn)的概率。

④選擇。采用輪盤賭選擇算法，如公式（2）所示：

[Pi=fifi] ? ? ? ? ? ? ? ? ? ? ? ? ? （2）

其中，[fi]為第i個(gè)適應(yīng)度;[fi]為種群累加適應(yīng)度。

⑤交叉。該遺傳算法采用二閾值分割，利用雙點(diǎn)交叉法，本文仿真交叉概率設(shè)置為0.7。

⑥變異。變異采用基本位變異算子進(jìn)行變異，本文仿真變異概率設(shè)置為0.03。

⑦終止。循環(huán)次數(shù)達(dá)到預(yù)先設(shè)定的種群規(guī)模數(shù)，或者種群中的最高適應(yīng)度保持穩(wěn)定狀態(tài)時(shí)，算法終止。

3 實(shí)驗(yàn)仿真

為了驗(yàn)證算法的有效性，選取某一停車場(chǎng)遙感圖像作為研究對(duì)象進(jìn)行目標(biāo)分割，通過(guò)MATLAB對(duì)不同算法進(jìn)行仿真測(cè)試，對(duì)比圖像分割效果。由于遙感圖像背景復(fù)雜，地物類型多樣，難以采用傳統(tǒng)方法確定分割閾值，因此，本文對(duì)基于遺傳算子改進(jìn)閾值的遙感圖像分割進(jìn)行仿真測(cè)試，選擇初始種群為20，最大繁殖代數(shù)為100，交叉概率為0.7，變異概率為0.03，實(shí)驗(yàn)結(jié)果如圖1所示。其中，圖1（a）為未經(jīng)處理的原始停車場(chǎng)遙感圖像，其包含多輛汽車、草地和樹(shù)木等不同地物。對(duì)于這類復(fù)雜背景的遙感圖像，傳統(tǒng)算法難以獲得精準(zhǔn)的分割結(jié)果。圖1（b）為通過(guò)本文算法分割后的停車場(chǎng)結(jié)果圖。從圖1（b）可以看出，本文提出的算法能對(duì)較復(fù)雜的遙感圖像分割出相對(duì)完整、理想的目標(biāo)。相反，圖1（c）為通過(guò)區(qū)域生長(zhǎng)算法分割后的停車場(chǎng)結(jié)果圖。由于原始圖像中部分草地與停車場(chǎng)地面灰度差異較小，導(dǎo)致區(qū)域過(guò)度生長(zhǎng)產(chǎn)生過(guò)分割，致使部分草地與地面被誤分割為同一地物目標(biāo)，分割效果并不理想。此外，筆者還對(duì)這兩個(gè)算法的運(yùn)行時(shí)間進(jìn)行了對(duì)比，本文算法運(yùn)行時(shí)間為9.35s，而區(qū)域生長(zhǎng)算法運(yùn)行時(shí)間為10.82s?？梢?jiàn)，本文算法在分割結(jié)果較理想的前提下，在時(shí)間性能上也具有明顯優(yōu)勢(shì)。

（a） 原始遙感圖像

（b） 本文算法分割結(jié)果

（c） 區(qū)域生長(zhǎng)算法分割結(jié)果

4 結(jié)論

本文提出了基于遺傳算子改進(jìn)閾值的遙感圖像分割算法。該算法對(duì)三種遺傳算子進(jìn)行了優(yōu)化設(shè)計(jì)，使得變異多種多樣，收斂速度加快。最后，通過(guò)MATLAB對(duì)停車場(chǎng)遙感圖像進(jìn)行了實(shí)驗(yàn)仿真。結(jié)果表明，本文的算法在保證分割結(jié)果較理想的前提下，降低了閾值的搜索時(shí)間?？梢?jiàn)，本文的算法具有較大的可行性。

參考文獻(xiàn)：

[1]Acharya T，Ray A K. Image Processing， Principles and Applications[M].Hoboken：John Wiley & Sons，2005.