脐橙图像分割中阈值选取探究及实现摘要：图像分割是计算机视觉领域的一个重要而且基本的问题。本文提出了一套完整的脐橙图像分割算法，其采用改进的遗传算法结合改进的阈值分割方法。通过仿真实验，本文所提出的算法得出的阈值范围更加稳定，而且对分割图像的边缘处理得更细致。关键词：脐橙；阈值分割；类类距离;改进遗传算法中图分类号：TP311文献标识码：A文章编号：1009-3044(2012)12-2882-04ThresholdCitrusimageSegmentationResearchandAnalysisWANGJun,ZHOULi-juan(CollegeofInformationScienceandTechnology,HunanAgriculturalUniversity,Changsha410128,China)Abstract：Imagesegmentationisanimportantandprimaryprobleminthefieldofcomplitervision.Thethesisputsforwardafullsetofcit?rusimagesegmentationalgorithm,whichadoptsimprovedgeneticalgorithmcombiningwithimprovedthresholdmethod・Thethesis,throughsimulationexperiment,bringsforwardthresholdscopewhichismorestable,andmakestheimagesegmentationedgesmorededi?cated・Keywords：navelorange；thresholdsegmenta/tion；classesdistance；improvedgeneticalgorithm图像分割是计算机视觉领域的一个重要而且基本的问题。它在农产品无损检测方面得到了广泛的应用。图像分割算法好坏会直接影响检测系统的准确度。它是从图像处理到图像分析的一个关键步骤。对它的研究一直都是图像技术研究中的热点和焦点之一。但由于图像的特殊性，针对具体图像，针对具体问题，分割算法就不一样，至今还没有找到通用的分割理论，也没有找到对所有图像都适合的通用分割算法。近几年来，基于遗传算法的图像分割方法得到了很多学者的研究。由于遗传算法在搜索方面具有很强的优势，而图像分割的实质是在众多的参量中去寻找一个最优参量，以此作为分隔的依据。于是如果在图像分割中引入遗传算法去求取最佳阈值，将会大大提高分割效率。本论文重点对基于传统遗传算法的图像分割算法进行了比较系统的研究。针对传统遗传算法的不足，提出了一些改进措施，并且设计新的阈值确定方法——类类距离法，将两者结合共同运用到脐橙图像分割中，得到了比较好的效果。在最大程度上避免基本遗传算法收敛性差，容易早熟等问题。在遗传算法中,直接影响到算法的收敛性的关键参数1脐橙图像分割对于脐橙出产大省湖南省，每年脐橙收获完后的分类，分等级进行销售是一项工作量庞大的任务。脐橙表面破损自动检测系统就是基于计算机视觉技术研发而成，其检测的精度较人工挑选有很大提高。该系统中脐橙图像分割算法好坏会直接影响系统检测脐橙表面是否破损的准确度。通过特定装置获得比较清晰的彩色脐橙图像后，对于表面有破损的脐橙，要进行筛选清理。进行破损部分比对前，要对彩色脐橙图像先进行分割处理。把整幅图像分成脐橙和背景两部分，再提取脐橙部分的图像进行破损分析。这要求将脐橙的边缘和破损部分处理得非常清晰，最大可能的避免将破损区域误分割成图像背景。2改进的遗传算法2.1控制参数改进是：交叉概率与变异概率，它们的选取会影响到算法行为和性能。在适应度值变换的情况下将交叉概率与变异概率随之调整，以达到保证算法收敛性的目的。于是我们对交叉概率和变异概率按照如下公式进行自动调整:图5本文提出的算法分割效果图从表1,图2至图5可以得出以下结论：1）脐橙图像利用遗传算法来分割，每次运行所得阈值都在变化，但变化的范围不是很大，只是在一定区域做细微波动。这种情况是正常的，也是完全可以接受的，其原因是由于遗传算法随机生产初始种群，这种随机性就带来了阈值的波动性。这也是遗传算法不稳定性的体现。但从表中数据看出采用本文所设计的改进的遗传算法，即交叉概率和变异概率随适应度自动调整，那么分割的图像所得到的阈值，其波动会限制在一个很小的范围以内（稳定在4个像素以内，阈值最大为60,最小为57）,这样既保持了群体多样性，又保证了遗传算法的收敛性。同时其稳定性也明显地优于其他算法。2）利用本文所设计的类类距离遗传算法进行图像分割可以极大减少阈值计算时间，平均运算时间比起其他几个常用方法都缩短了...