基于改进遗传算法应用于图像边缘选取

　　图像边缘提取是图像处理及计算机视觉中的最基本问题，边缘检测的结果直接影响后续处理的精度与结果，其关键是在去除图像噪声和锐化图像边缘的同时，保持并增强图像的重要特征。传统图像边缘检测方法如微分算子法、拉普拉斯高斯算子法、Canny 算子、拟合法，虽然具有计算简单、速度较快的优点，但对噪声干扰都比较敏感，检测边缘的同时加强噪声，并且检测的边缘容易产生断裂。如何提取到图像中真正的边缘，一直都是图像处理领域的研究热点。

　　数学形态学是一门建立在集论基础上的非线性图像处理理论，有着严格的数学理论基础和几何学基础，着重研究图像的几何结构及相互关系，广泛应用于形状识别、边缘检测、纹理分析、图像增强与恢复等领域。它基本思想是使用具有一定形态的结构元素度量并提取图像中的对应形状，进而实现图像分析和图像识别等应用，其对噪声具有鲁棒性，提取的边缘也比较平滑，在应用中具有明显的优势。但数学形态学方法中对图像的处理与结构元素的选择密切相关，不同的结构元素可以处理不同的图像分析，得到不同的结果。如果结构元素选取不合适，检测效果会很差。给出一种遗传算法优化的形态学边缘检测算子，提出一种遗传算法优化的形态学TOP-Hat 算子。文中提出一种改进的遗传算法，并将其应用于结构元素的优化选择进行边缘检测，得到了较为满意的边缘结果，并具有良好的抗噪性