知识卡片
遗传分割搜索阈值
遗传算法用于灰度图像分割时,每个个体就是一个阈值方案,算法最终输出的阈值直接用来分割图像。
- 单阈值:灰度在 0~255 之间,正好用 8 位二进制表示,解码就是转成十进制。示例:10000000 译为灰度 128。
- 双阈值:16 位二进制,前 8 位、后 8 位各译成一个阈值。示例:01100100 11001000 译为 100 和 200。
适应度函数按某个选阈值准则评估方案,例如 Otsu 的类间与类内方差之比或 Kapur 的最佳熵;再经选择、交叉、变异搜索。改变阈值个数时,编码长度和适应度函数都要相应调整。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1 . 4 基 于 遗 传 算 法 的 图 像 处 理 · 查看原书依据
2. 双阈值分割 与单阈值分割的不同之处在于编码方式与适应度函数的不同,编码是一串16位的二进制码,前8位用来表示一个阈值,后8位表示另一个阈值。解码也是将前8位和后8位分别译码成两个灰度值。
参考来源
- 位置:《智能算法导论》第 1 章 1.4.1 节“基于遗传算法的图像分割”(`EPUB/xhtml/chapter1_0010.xhtml`)。
- 结论依据:原文分别描述单阈值 8 位、双阈值 16 位的编码与解码,并要求适应度函数对应阈值个数。两个二进制解码示例为依据原书编码规则补充的教学示例,非书中数据。
- 原始内容:与单阈值分割的不同之处在于编码方式与适应度函数的不同,编码是一串16位的二进制码,前8位用来表示一个阈值,后8位表示另一个阈值。