图像识别处理中的遗传算法分析

2019年第12期
信息与电脑
China Computer & Communication
算法语言
图像识别处理中的遗传算法分析
宋　杨
（徐州生物工程职业技术学院，江苏 徐州　221006）
摘　要：图像识别处理研究领域，遗传算法在优化计算方面发挥着重要作用，目前已在图像恢复、几何形状识别、图像边缘特征提取和图像分割等方面发挥着重要作用。

基于此，以图像识别处理中的遗传算法为研究对象，简单阐述分析了遗传算法概念，讨论了遗传算法的特点，重点探讨分析了图像识别处理中遗传算法的具体应用，以期为相关人 士提供参考。

关键词：图像识别处理；遗传算法；图像分割
中图分类号：TP18 文献标识码：A 文章编号：1003-9767（2019）12-038-02
Genetic Algorithm Analysis in Image Recognition Processing
Song Yang
(Xuzhou Vocational College of Bioengineering, Xuzhou Jiangsu 221006, China)
Abstract: In the field of image recognition and processing, genetic algorithm plays an important role in optimization calculation.
At present, it has played an important role in image restoration, geometric shape recognition, image edge feature extraction and image segmentation. Based on this, the genetic algorithm in image recognition processing is taken as the research object. The concept of genetic algorithm is briefly expounded and analyzed. The characteristics of genetic algorithm are discussed. The specific application of genetic algorithm in image recognition processing is emphatically discussed and analyzed, in order to provide
reference for relevant people.
Key words: image recognition processing; genetic algorithm; image segmentation
０　引言
图像识别处理是一种先进的计算机信息技术，能够有效识别图像中的一些关键信息。

例如，通过医学光图像断层分析各种病变、通过遥感图像准确识别森林资源和矿产资源等，从而为相应工作开展提供更多便利。

但是，当前图像识别处理准确度依然存在一些不足。

通过分析遗传算法在图像识别处理中的应用，对提升图像识别处理准确性具有重要意义。

１　遗传算法概述及特点分析
简单来说，遗传算法是一种数学模型，模拟了遗传学机理的生物进化过程与达尔文生物进化论的自然选择，并从中演化出一种随机化的搜索算法。

在这种算法的帮助下，能够直接操作结构对象，不存在求导与函数连续性限定，具备内在并行性与全局寻优能力。

其在机器学习、自适应控制、信号处理和图像识别处理中得到广泛应用，是当下人工智能计算的一种典型技术。

相对于传统搜索算法，遗传算法具有如下特点。

第一，遗传算法能够搜索问题串集，而不是从单个解开始，实际覆盖面积更大，更加利于从全局寻找最优解，减少约束条件限制。

这是遗传算法与传统搜索算法最大的区别。

第二，遗传算法能够同时进行多点搜索。

传统优化算法中，总是依照某种转移准则，计算时从参数空间中的一个单点移至下一个单点。

这种计算方式下只能找出一个局部最优值，没有全局代表性。

而遗传算法具备多点搜索的特点，能够从多点集合同时搜索，有效弥补上述缺陷。

第三，遗传算法进行搜索计算时，基本不需要其他辅助信息或搜索空间知识，仅需要运用与编码有关的适应度函数值进行个体评估。

在适应度值的引导下，随着进化代数的增加，个体不断进化，且每一代获得的搜索计算结果都比上一代更加精准，通过逐代进化，直到得出最优解，或者获得符合实际要求的结果。

因此，遗传算法适应环境能的力更加强大。

第四，遗传算法搜索计算时，采用了概率转移规则，而不是常规搜索算法采用的确定性规则。

通过利用概率转移规则指导算法搜索过程，能够指引算法不断朝着更优化解区域
作者简介：宋杨(1974—)，男，江苏徐州人，本科，讲师。

研究方向：计算机软件。

2019年第12期
信息与电脑
China Computer & Communication
算法语言
移动，从而确保计算过程中逐步接近正确结果。

２　图像识别处理中遗传算法应用分析
2.1　图像增强中遗传算法应用分析
图像增强是图像识别处理的重要组成部分，能够有效改善图像质量，消除图像噪声，突出图像重点部分，提升图像整体质量。

传统图像增强方法分为两种。

第一，空间域方法。

该方法能够处理图像中像素灰度，处理方式包括多种，比如直方图均衡、灰度变换法、局部增强等。

其中，采取灰度变换法对图像进行增强处理，可有效扩展图像动态范围，提升图像对比度，但这种方法实施条件要求较高，有较差的普适性。

文献[1]在采用灰度变换法处理图像的基础上，融入了遗传算法，有效调整了两个折线拐点的位置和分段直线的斜率，最终成功得到了最优分段线性变换曲线，有效扩展了灰度范围，促使实验实施性得到有效提升。

第二，频率域法。

这种方法具有较大计算量，且需要人工干预才能保证变换参数的准确性，实际实施较为复杂。

通过应用遗传算法，能够有效优化其中的控制参数，从而达到改善图像视觉效果的目的。

文献[2]将模拟退火算法与遗传算法相融合，成功实现了Beta函数中α、β参数的确定，有效增强了图像质量。

函数式为：
F(u)=B-1(α, β)×∫u t α-1(1-t) β-1d t（1）通过引入模拟退火算法，有效克服遗传算法早熟现象，提升找最优参数α、β的效率，同时，能够以个体适应度为依据，动态调整交叉、变异算子概率，有效避免陷入局部极值问题。

应用量子遗传算法（QGA）进行图像增强处理，将量子计算引入遗传编码中，用于染色体编码。

针对单个染色体，可以进行多个态叠加表达，并运营用量子逻辑门，更新染色体。

如此一来，虽然种群规模相对较小，但是实际收敛性更强。

2.2　图像拼接中遗传算法的应用分析
顾名思义，图像拼接就是将图像中的部分内容拼接成一幅完整的图像。

实际图像拼接时，采用传统图像拼接算法非常繁琐，需要全部遍历可能匹配准确的点，计算量较大，实际效率低下。

而运用遗传算法，可有效减少计算量。

遗传算法实际应用过程中，能够利用父代信息，通过采取编码、变异、解码等方式，快速找到适应度函数，最终得到最优解。

图像拼接时，需要格外注意三个关键参数，分别是配准水平位移、竖直位移与旋转角度。

通过对上述参数进行编码配准，可有效提升图像拼接质量。

而应用遗传算法对上述关键参数进行编码配准操作时，会导致三个参数变异概率存在不均匀现象，易陷入局部极值，导致最终结果出现偏差。

文献[3]提出了多参数独立编码、独立分段变异遗传算法，能够自主搜索最优参数，准确完成图像配准。

该变异遗传算法相较于单一编码遗传算法，能够使不同关键参数变异概率更加均匀，可有效提升最优解的准确率，且效率更高。

本文以特征点相互匹配关系为依据，选择了一种特征匹配遗传算法对图像进行拼接处理。

具体应用该算法时，能够立足于两幅图像的特征点，从中搜索相似的特征点，且特征点之间距离最小。

在此基础上，为保证匹配精准性，要注意控制特征点之间最小距离与次小距离的比值。

为提升准确率，
本次采用的阈值为1
2
＜5
r
r，从而提升图像拼接效果。

2.3　图像边缘检测遗传算法应用分析
图像边缘能够决定图像几何轮廓特征，传递丰富的图像信息，在解释图像、识别图像目标有重要作用。

通过图像边缘检测，能够为后续更高级的图像处理，如图像滤波、模式识别奠定坚实基础。

传统图像检测方法难以有效抑制图像噪声，检测信息不完整，导致实际检测精度较低。

文献[4]提出了一种应用遗传算法进行图像边缘检测的方式，直接将边缘检测问题转化为函数寻优问题，借助遗传算法，成功求解最优解，从而有效提升图像边缘检测的精度，有效弥补传统算法的缺陷。

但是，这种方式具有一定局限性，比如选取阈值时，收敛速度慢，且易早熟，对最终结果造成一定影响。

针对这一问题，有学者提出可以改进传统遗传算法，将其与最大类间方差法（Otsu）结合，通过两次全局寻最优解方式，成功求得类间方差σ(t)2最大t值，并作为阈值，有效提升收敛速度，保障得出的结果最接近最优解。

３　结　语
遗传算法在图像识别处理中发挥着重要作用。

图像识别处理中运用遗传算法，可有效弥补传统算法效率低、精准度不足的缺陷。

因此，需要提高对遗传算法的重视程度，采取有效措施，加强遗传算法的应用，从而有效提升图像识别处理质量。

参考文献
[1]黄楠.遗传算法在图像增强中的应用研究[J].计算机仿真,2012,29(8):261-264.
[2]古良玲,王玉菡.基于模拟退火遗传算法的图像增强[J].激光杂志,2015(2):19-22.
[3]王力,王敏.基于多参数分段变异遗传算法的红外图像配准方法[J].计算机应用研究,2016,33(7):2210-2213.
[4]陆怡.图像边缘检测算法的研究和仿真[J].计算机仿真,2012,29(9):289-292.。