《基於MATLAB和遺傳算法的圖像處理》是2015年西安電子科技大學出版社出版的圖書，作者是魚濱、張善文、郭竟、謝澤奇。
基本介紹
- 書名：基於MATLAB和遺傳算法的圖像處理
- 作者：魚濱、張善文、郭竟、謝澤奇
- 出版社：西安電子科技大學出版社
- 出版時間：2015年09月
- 定價：28.05 元
- ISBN：978-7-5606-3635-1
編輯推薦,內容簡介,目錄,
編輯推薦
本書的主要特點概括如下： (1) 內容由淺入深。本書循序漸進地講述GA的基礎知識及其在圖像處理中的套用，層次結構簡潔明了，適合初學者學習GA和套用GA進行圖像處理。 (2) 實例豐富，實用性強。本書打破了圖像處理類圖書理論多、 算法多、 實例少的慣例，重在MATLAB下的GA在圖像處理中的實現及套用，重在實例。 (3) 語言簡潔精練，可讀性強。本書以簡潔、 通俗的語言來說明圖像處理的基本理論，避免過於複雜的數學推導，提高了可讀性和可用性。在實例的程式代碼中，對關鍵的代碼進行點睛式的注釋，讓讀者在程式中快速有效地掌握GA的套用。 很多專家和學者為本書提供了基於GA的圖像處理方面的資料和應用程式代碼，西安電子科技大學出版社戚文艷編輯為本書的出版做了大量辛勤工作，在此一併表示感謝。正是多方面的支持才使本書得以呈獻給讀者。
內容簡介
本書系統介紹了MATLAB環境下遺傳算法的功能特點及其在圖像處理中的套用。全書共分為7章。第一章至第三章介紹遺傳算法的基礎知識，包括遺傳算法的基本原理，編碼、選擇、交叉、變異，適應度函式，控制參數選擇，約束條件處理，模式定理，改進的遺傳算法，早熟收斂問題及其防止，小生境技術等。第四章介紹圖像處理的基礎知識，第五章介紹MATLAB遺傳算法工具箱及其使用方法。第六章和第七章舉例介紹多種基於遺傳算法的圖像分割、恢復、增強、拼接等方法，並給出了程式代碼。
本書取材新穎，內容豐富，理例結合，圖文並茂，注重套用。書中包含大量的實例和對應的程式代碼，便於自學、套用和舉一反三。
目錄
第一章 緒論 1
1.1 遺傳算法基礎 1
1.1.1 遺傳算法的由來和發展 1
1.1.2 生物遺傳與GA原理 3
1.1.3 GA與傳統方法比較 4
1.1.4 GA的特點和優缺點 5
1.1.5 GA中的一些術語 9
1.1.6 GA的研究方向 10
1.1.7 MATLAB與GA工具箱 11
1.1.8 基於GA的套用 11
1.2 圖像處理基礎 12
1.2.1 像素和解析度 12
1.2.2 圖像處理算法及其套用實例 15
1.2.3 GA在圖像處理中的套用 18
1.2.4 常見圖像處理軟體 19
第二章 遺傳算法基礎 22
2.1 遺傳算法的理論基礎 22
2.1.1 模式及模式定理 22
2.1.2 一個實例 27
2.1.3 有效模式數論 28
2.1.4 積木塊假設 30
2.2 遺傳算法的基本知識 32
2.2.1 編碼 32
2.2.2 初始群體生成 36
2.2.3 遺傳運算元 36
2.2.4 適應度 46
2.2.5 約束條件 49
2.2.6 參數設定 50
2.3 簡單GA 51
2.4 GA的實現過程 53
2.4.1 一般GA的流程 53
2.4.2 GA的運行過程 55
2.4.3 利用GA求解一個簡單問題 58
第三章 遺傳算法中的主要問題及其改進 64
3.1 GA的主要問題 64
3.1.1 欺騙和競爭問題 64
3.1.2 參數調節、終止條件判斷、鄰近交叉和收斂問題 67
3.1.3 GA難問題 68
3.1.4 早熟收斂現象及其防止 69
3.1.5 種群的多樣性 72
3.1.6 三個遺傳運算元對收斂性的影響 72
3.1.7 GA性能評估 72
3.2 改進的GA 74
3.2.1 改進GA的一般思路 74
3.2.2 改進GA之一 76
3.2.3 改進GA之二 77
3.2.4 改進GA之三 79
3.2.5 改進GA之四 80
3.2.6 改進GA之五 83
3.2.7 改進GA之六 84
3.2.8 改進GA之七 87
3.2.9 改進GA之八 89
3.2.10 微種群GA 91
3.2.11 多種群GA 92
3.2.12 遺傳退火進化算法(GAEA) 95
3.3 並行GA 96
3.4 多目標最佳化中的GA 98
3.4.1 多目標最佳化的概念 98
3.4.2 多目標最佳化問題的GA 99
3.5 基於小生境GA及其改進 103
3.5.1 小生境技術和共享函式 103
3.5.2 小生境GA 104
3.5.3 改進的小生境GA(NGA) 105
第四章 MATLAB數字圖像處理基礎 107
4.1 基於MATLAB的繪圖方法 107
4.2 MATLAB的圖像處理基礎 111
4.3 基於MATLAB的圖像處理方法 113
4.4 MATLAB的圖像恢複函數 126
4.5 圖形的修飾與標註 130
4.6 MATLAB環境下圖像對象修改 131
第五章 基於MATLAB的遺傳算法編程實現 133
5.1 安裝MATLAB的GA工具箱 133
5.2 MATLAB 7.0的GADS的主要函式及其參數 135
5.3 GADS的主要函式詳解 138
5.4 遺傳工具箱GADS的GUI界面 146
5.5 基於GATBX工具箱的GA實例 150
5.6 GATBX與GADS工具箱比較 154
5.7 GA程式設計實例 156
第六章 基於遺傳算法的圖像分割方法 167
6.1 圖像分割方法概述 167
6.1.1 圖像分割基礎 167
6.1.2 常用的圖像分割方法 172
6.2 最大熵閾值圖像分割 181
6.2.1 一維最大熵閾值分割 181
6.2.2 二維最大熵閾值分割 183
6.3 類間最大方差法(Otsu法) 185
6.3.1 一維Otsu法 185
6.3.2 二維Otsu法 189
6.4 基於Sheffield的GA工具箱的圖像分割 192
6.5 基於GA的全局閾值的圖像分割 195
6.6 基於GA和分類類別函式的圖像分割方法 196
6.7 基於GA的彩色圖像分割方法 197
6.8 基於最大熵法和GA的圖像分割算法 199
6.8.1 一維最大熵算法與GA相結合的圖像分割 199
6.8.2 二維最大熵算法與GA相結合的圖像分割 205
6.8.3 二維最大直方圖熵法和改進GA的分割圖像 210
6.9 基於Otsu與GA相結合的圖像分割 214
6.10 基於Otsu和GA的多目標圖像分割 220
6.11 基於二維Otsu和GA的圖像分割 221
6.12 基於Otsu和改進GA的圖像分割 222
6.13 基於遺傳K均值聚類算法的圖像分割 224
6.14 基於GA的指紋圖像分割算法 226
6.15 基於遺傳神經網路的圖像分割 228
第七章 基於遺傳算法的圖像恢復、增強、拼接和匹配 234
7.1 基於GA的參數最佳化方法 234
7.2 基於GA的圖像恢復 242
7.3 基於GA的圖像傾斜檢測與校正 246
7.4 基於GA的圖像增強 249
7.5 基於GA的圖像碎片拼接方法 256
7.5.1 基礎知識 257
7.5.2 消除圖像碎片拼接縫方法 257
7.5.3 基於GA的圖像拼接 259
7.6 基於GA的圖像匹配 261
7.6.1 圖像匹配方法分類 261
7.6.2 基於GA的圖像匹配方法 263
7.6.3 基於雲GA(CGA)的圖像匹配 271
7.7 基於互動式GA的圖像檢索 272
7.8 基於Otsu和GA的圖像邊緣檢測方法 276
參考文獻 278
