遺傳算法在影像處理與分析中的應(yīng)用

前言

隨著信息技術(shù)的發(fā)展，當(dāng)前科學(xué)技術(shù)正進(jìn)入多學(xué)科互相交叉、互相滲透、互相影響的時(shí)代，遺傳算法就是生命科學(xué)和工程科學(xué)相互交叉、互相滲透和互相促進(jìn)的一個(gè)典型代表。它啟迪于自然界生物的進(jìn)化過(guò)程，借鑒了達(dá)爾文的物競(jìng)天演、優(yōu)勝劣汰和適者生存的自然選擇和自然遺傳的機(jī)理，其本質(zhì)是一種求解問(wèn)題的高效、并行、全局搜索的方法。它能在搜索中自動(dòng)獲取和積累有關(guān)搜索空間的知識(shí)，并自適應(yīng)的控制搜索過(guò)程以求得最優(yōu)解。影像信息處理和分析的自動(dòng)化和智能化一直是測(cè)繪學(xué)與遙感學(xué)科亟待解決的一個(gè)瓶頸問(wèn)題，而遺傳算法作為一種新興的基于生物進(jìn)化思想而發(fā)展起來(lái)的通用的問(wèn)題求解方法，具有高度并行、自組織、自適應(yīng)和自學(xué)習(xí)等特征。因此，本書將遺傳算法引入到影像的處理與分析之中，力圖探索一條利用遺傳算法進(jìn)行影像處理和分析的有效途徑，為實(shí)現(xiàn)影像信息處理和分析的自動(dòng)化和智能化打下一定的基礎(chǔ)。本書既參考了許多有關(guān)遺傳算法的文獻(xiàn)資料，更結(jié)合了作者近年來(lái)在遺傳算法方面新的研究成果。全書共分8章，第1章至第3章分析和總結(jié)了遺傳算法的發(fā)展前景、基本理論、模型和方法，并針對(duì)影像處理的特點(diǎn)介紹了一整套適用于影像處理和分析的面向參數(shù)優(yōu)化的一維遺傳算法和面向結(jié)構(gòu)和分布優(yōu)化的二維遺傳算法，其中詳細(xì)討論了兩種遺傳算法中有關(guān)遺傳編碼設(shè)計(jì)、適應(yīng)度函數(shù)確定、選擇策略確定和遺傳算子設(shè)計(jì)等方面的問(wèn)題，并介紹了一些新的遺傳編碼和算子。第4章將面向參數(shù)優(yōu)化的一維遺傳算法與模糊增強(qiáng)算法中的控制參數(shù)的選取相結(jié)合，介紹了模糊控制參數(shù)的自動(dòng)確定和影像自適應(yīng)模糊增強(qiáng)的理論與方法。第5章闡述了利用“遺傳調(diào)制”的新思想來(lái)自動(dòng)生成影像穩(wěn)健特征提取模板，該模板可以提取具有旋轉(zhuǎn)和尺度不變性的穩(wěn)健的影像能量特征，書中給出了具體的算法和實(shí)驗(yàn)結(jié)果。第6章針對(duì)影像模糊聚類的分割算法中存在的參數(shù)預(yù)定難和效率低等問(wèn)題，在影像穩(wěn)健的能量特征基礎(chǔ)上，論述了利用遺傳算法獲取具有旋轉(zhuǎn)和尺度不變性的模糊聚類中心的新方法，提高了傳統(tǒng)的模糊聚類分割方法的聚類精度和分割效率。第7章討論了將遺傳算法與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合以解決傳統(tǒng)神經(jīng)網(wǎng)絡(luò)中存在的一些問(wèn)題，其中全面地闡述了利用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的思想和方法，并以使用最為廣泛的神經(jīng)網(wǎng)絡(luò)模型——多層前向神經(jīng)網(wǎng)絡(luò)為例，詳細(xì)討論了同時(shí)優(yōu)化網(wǎng)絡(luò)的結(jié)構(gòu)和權(quán)值的遺傳神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)方法，同時(shí)給出了利用得到的遺傳神經(jīng)網(wǎng)絡(luò)進(jìn)行了影像分類的實(shí)例。第8章介紹了本書的研究成果在整幅航空影像上的應(yīng)用情況和進(jìn)一步的工作。本書在編寫的過(guò)程中得到了中國(guó)測(cè)繪研究院林宗堅(jiān)教授的指導(dǎo)與幫助，作者在此表示衷心的感謝。需要指出的是，本書的完成與家人在各方面的支持和理解也是分不開的。由于作者水平有限，書中不妥之處在所難免，懇請(qǐng)廣大讀者批評(píng)指正。

內(nèi)容概要

　　《遺傳算法在影像處理與分析中的應(yīng)用》以影像解譯的自動(dòng)化和智能化為根本目的，介紹在影像自適應(yīng)處理和分析中應(yīng)用的遺傳算法的理論和方法，內(nèi)容涵蓋了遺傳算法在影像的預(yù)處理、特征提取、分割與分類等方面的應(yīng)用，涉及學(xué)科有遺傳學(xué)、模糊理論和神經(jīng)網(wǎng)絡(luò)。

書籍目錄

第1章 緒論1.1 引言1.2 遺傳算法研究應(yīng)用現(xiàn)狀及前景1.3 本書的主要內(nèi)容第2章 遺傳算法的基本原理2.1 遺傳算法的基本概念、過(guò)程和特征2.2 遺傳算法的基本定理2.3 遺傳算法的基本模型2.4 遺傳算法的性能分析2.5 遺傳算法與其它搜索方法的比較第3章 影像處理和分析中的遺傳算法設(shè)計(jì)3.1 遺傳算法設(shè)計(jì)的基本原則與步驟3.2 面向參數(shù)優(yōu)化的一維遺傳算法設(shè)計(jì)3.3 面向結(jié)構(gòu)和分布優(yōu)化的二維遺傳算法設(shè)計(jì)3.4 遺傳算法的拓展第4章 基于遺傳算法的影像自適應(yīng)模糊增強(qiáng)4.1 引言4.2 影像的模糊增強(qiáng)算法4.3 模糊控制參數(shù)自適應(yīng)選取的遺傳算法4.4 影像自適應(yīng)模糊增強(qiáng)的實(shí)例第5章 影像穩(wěn)健特征模板的遺傳調(diào)制5.1 引言5.2 影像特征的描述5.3 具有旋轉(zhuǎn)和尺度不變性的影像穩(wěn)健特征提取5.4 調(diào)制影像穩(wěn)健特征模板的遺傳算法5.5 實(shí)例與分析第6章 基于穩(wěn)健特征的影像遺傳模糊分割6.1 引言6.2 影像的模糊分割算法6.3 基于穩(wěn)健特征的影像遺傳模糊分割算法6.4 實(shí)例與分析第7章 影像分類中神經(jīng)網(wǎng)絡(luò)的遺傳優(yōu)化7.1 引言7.2 神經(jīng)網(wǎng)絡(luò)的遺傳優(yōu)化方法7.3 合作式優(yōu)化的遺傳神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)7.4 基于遺傳神經(jīng)網(wǎng)絡(luò)的影像分類實(shí)例與分析第8章 應(yīng)用實(shí)例與展望8.1 應(yīng)用實(shí)例8.2 展望參考文獻(xiàn)

章節(jié)摘錄

插圖：隨著信息技術(shù)的發(fā)展，當(dāng)前科學(xué)技術(shù)正進(jìn)入多學(xué)科互相交叉、互相滲透、互相影響的時(shí)代，這一點(diǎn)在攝影測(cè)量與遙感學(xué)科領(lǐng)域表現(xiàn)得尤為突出。一方面是人工智能、計(jì)算機(jī)視覺、數(shù)據(jù)庫(kù)技術(shù)、信息系統(tǒng)技術(shù)等其它學(xué)科向該學(xué)科滲透，這種滲透的結(jié)果是使該學(xué)科能夠利用其它領(lǐng)域的思想方法與技術(shù)手段來(lái)解決自己的問(wèn)題，并以此來(lái)豐富自己的思想；另一方面是該學(xué)科向其它領(lǐng)域的滲透，如：工業(yè)生產(chǎn)中的產(chǎn)品質(zhì)量檢測(cè)、醫(yī)學(xué)圖像處理等，這種滲透的結(jié)果是使得攝影測(cè)量學(xué)的應(yīng)用領(lǐng)域不斷擴(kuò)大，因而能夠使其擺脫傳統(tǒng)的測(cè)量與制圖這一狹窄領(lǐng)域的束縛。進(jìn)入90年代，隨著攝影測(cè)量與遙感學(xué)科的發(fā)展和應(yīng)用領(lǐng)域的拓寬，人們又對(duì)這一學(xué)科提出了許多新的要求與期望。而所有的期望之中，自動(dòng)化和智能化的要求是最迫切和最基本的。實(shí)現(xiàn)攝影測(cè)量與遙感的自動(dòng)化和智能化的核心是實(shí)現(xiàn)影像信息處理的自動(dòng)化和智能化。目前已經(jīng)取得較大進(jìn)展的是影像自動(dòng)匹配與幾何信息（或非語(yǔ)義信息）的自動(dòng)提取，而物理屬性（即語(yǔ)義信息）的自動(dòng)提取——自動(dòng)解譯方面尚需極大的努力Ⅲ，這主要受下面幾個(gè)方面的限制。.視覺計(jì)算理論不夠完善，把數(shù)字?jǐn)z影測(cè)量作為視覺信息處理過(guò)程實(shí)現(xiàn)全自動(dòng)化需要借助于相關(guān)學(xué)科（如神經(jīng)生理學(xué)、人工智能、計(jì)算機(jī)視覺等）對(duì)視覺過(guò)程的理論認(rèn)識(shí)，即明確闡述如何從二維影像獲取三維場(chǎng)景模型的機(jī)理，而這些學(xué)科迄今為止還很難就視覺問(wèn)題給出一個(gè)統(tǒng)一的理論。這就使得現(xiàn)有的攝影測(cè)量研究缺少一個(gè)可靠的視覺計(jì)算模型，而常常依賴本學(xué)科的傳統(tǒng)方法和經(jīng)驗(yàn)?，F(xiàn)實(shí)世界場(chǎng)景的復(fù)雜性和多樣性。現(xiàn)有算法往往基于一些特定的假設(shè)，這樣這些算法對(duì)某些場(chǎng)景效果很好，對(duì)于一般情況則缺少可靠性和通用性?；谏鲜鲈?，尋求一種具有自組織、自適應(yīng)和自學(xué)習(xí)等智能特征的影像處理方法已成為這一學(xué)科的一個(gè)研究目標(biāo)。而近些年來(lái)，一些新的研究方向如神經(jīng)網(wǎng)絡(luò)、細(xì)胞自動(dòng)機(jī)和進(jìn)化計(jì)算等，由于它們都是模擬某一自然現(xiàn)象或過(guò)程而發(fā)展起來(lái)的，并且具有適于高度并行與自組織、自適應(yīng)、自學(xué)習(xí)等特征，因而引起了人們的極大興趣。其中遺傳算法最引人注目，該算法是基于生物進(jìn)化思想而發(fā)展起來(lái)的一種通用的問(wèn)題求解方法。它采用簡(jiǎn)單的編碼技術(shù)來(lái)表示各種復(fù)雜的結(jié)構(gòu)，并通過(guò)對(duì)一組編碼表示進(jìn)行簡(jiǎn)單的遺傳操作和優(yōu)勝劣汰的自然選擇來(lái)指導(dǎo)學(xué)習(xí)和確定搜索的方向。由于它采用種群的方式組織搜索，這使得它可以同時(shí)搜索解空間內(nèi)的多個(gè)區(qū)域，從而得到全局最優(yōu)解。另一方面，用種群組織搜索的方式使得遺傳算法特別適合大規(guī)模并行計(jì)算。在賦予遺傳算法自組織、自適應(yīng)、自學(xué)習(xí)等特征的同時(shí)，優(yōu)勝劣汰的自然選擇和簡(jiǎn)單的遺傳操作使遺傳算法具有不受其搜索空間限制性條件（如可微、連續(xù)、單峰等）的約束及不需要其它輔助信息（如導(dǎo)數(shù)）的特點(diǎn)。這些嶄新的特點(diǎn)使得遺傳算法不僅能獲得較高的效率而且具有簡(jiǎn)單、易于操作和通用的特性。因此，將遺傳算法引入到影像的處理與分析之中，也許能為解決影像處理中的某些難題提供新的契機(jī)。

編輯推薦

《遺傳算法在影像處理與分析中的應(yīng)用》：測(cè)繪科技專著出版基金資助。

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

    遺傳算法在影像處理與分析中的應(yīng)用 PDF格式下載

---