基于改進遺傳算法應用于圖像邊緣選取

　　圖像邊緣提取是圖像處理及計算機視覺中的最基本問題，邊緣檢測的結果直接影響后續(xù)處理的精度與結果，其關鍵是在去除圖像噪聲和銳化圖像邊緣的同時，保持并增強圖像的重要特征。傳統(tǒng)圖像邊緣檢測方法如微分算子法、拉普拉斯高斯算子法、Canny 算子、擬合法，雖然具有計算簡單、速度較快的優(yōu)點，但對噪聲干擾都比較敏感，檢測邊緣的同時加強噪聲，并且檢測的邊緣容易產生斷裂。如何提取到圖像中真正的邊緣，一直都是圖像處理領域的研究熱點。

　　數(shù)學形態(tài)學是一門建立在集論基礎上的非線性圖像處理理論，有著嚴格的數(shù)學理論基礎和幾何學基礎，著重研究圖像的幾何結構及相互關系，廣泛應用于形狀識別、邊緣檢測、紋理分析、圖像增強與恢復等領域。它基本思想是使用具有一定形態(tài)的結構元素度量并提取圖像中的對應形狀，進而實現(xiàn)圖像分析和圖像識別等應用，其對噪聲具有魯棒性，提取的邊緣也比較平滑，在應用中具有明顯的優(yōu)勢。但數(shù)學形態(tài)學方法中對圖像的處理與結構元素的選擇密切相關，不同的結構元素可以處理不同的圖像分析，得到不同的結果。如果結構元素選取不合適，檢測效果會很差。給出一種遺傳算法優(yōu)化的形態(tài)學邊緣檢測算子，提出一種遺傳算法優(yōu)化的形態(tài)學TOP-Hat 算子。文中提出一種改進的遺傳算法，并將其應用于結構元素的優(yōu)化選擇進行邊緣檢測，得到了較為滿意的邊緣結果，并具有良好的抗噪性