基于MATLAB和遗传算法的图像处理PDF电子书下载

第一章 绪论 1

1.1 遗传算法基础 1

1.1.1 遗传算法的由来和发展 1

1.1.2 生物遗传与GA原理 3

1.1.3 GA与传统方法比较 4

1.1.4 GA的特点和优缺点 5

1.1.5 GA中的一些术语 9

1.1.6 GA的研究方向 10

1.1.7 MATLAB与GA工具箱 11

1.1.8 基于GA的应用 11

1.2 图像处理基础 12

1.2.1 像素和分辨率 12

1.2.2 图像处理算法及其应用实例 15

1.2.3 GA在图像处理中的应用 18

1.2.4 常见图像处理软件 19

第二章 遗传算法基础 22

2.1 遗传算法的理论基础 22

2.1.1 模式及模式定理 22

2.1.2 一个实例 27

2.1.3 有效模式数论 28

2.1.4 积木块假设 30

2.2 遗传算法的基本知识 32

2.2.1 编码 32

2.2.2 初始群体生成 36

2.2.3 遗传算子 36

2.2.4 适应度 46

2.2.5 约束条件 49

2.2.6 参数设置 50

2.3 简单GA 51

2.4 GA的实现过程 53

2.4.1 一般GA的流程 53

2.4.2 GA的运行过程 55

2.4.3 利用GA求解一个简单问题 58

第三章 遗传算法中的主要问题及其改进 64

3.1 GA的主要问题 64

3.1.1 欺骗和竞争问题 64

3.1.2 参数调节、终止条件判断、邻近交叉和收敛问题 67

3.1.3 GA-难问题 68

3.1.4 早熟收敛现象及其防止 69

3.1.5 种群的多样性 72

3.1.6 三个遗传算子对收敛性的影响 72

3.1.7 GA性能评估 72

3.2 改进的GA 74

3.2.1 改进GA的一般思路 74

3.2.2 改进GA之一 76

3.2.3 改进GA之二 77

3.2.4 改进GA之三 79

3.2.5 改进GA之四 80

3.2.6 改进GA之五 83

3.2.7 改进GA之六 84

3.2.8 改进GA之七 87

3.2.9 改进GA之八 89

3.2.10 微种群GA 91

3.2.11 多种群GA 92

3.2.12 遗传退火进化算法（GAEA） 95

3.3 并行GA 96

3.4 多目标优化中的GA 98

3.4.1 多目标优化的概念 98

3.4.2 多目标优化问题的GA 99

3.5 基于小生境GA及其改进 103

3.5.1 小生境技术和共享函数 103

3.5.2 小生境GA 104

3.5.3 改进的小生境GA（NGA） 105

第四章 MATLAB数字图像处理基础 107

4.1 基于MATLAB的绘图方法 107

4.2 MATLAB的图像处理基础 111

4.3 基于MATLAB的图像处理方法 113

4.4 MATLAB的图像恢复函数 126

4.5 图形的修饰与标注 130

4.6 MATLAB环境下图像对象修改 131

第五章 基于MATLAB的遗传算法编程实现 133

5.1 安装MATLAB的GA工具箱 133

5.2 MATLAB 7.0的GADS的主要函数及其参数 135

5.3 GADS的主要函数详解 138

5.4 遗传工具箱GADS的GUI界面 146

5.5 基于GATBX工具箱的GA实例 150

5.6 GATBX与GADS工具箱比较 154

5.7 GA程序设计实例 156

第六章 基于遗传算法的图像分割方法 167

6.1 图像分割方法概述 167

6.1.1 图像分割基础 167

6.1.2 常用的图像分割方法 172

6.2 最大熵阈值图像分割 181

6.2.1 一维最大熵阈值分割 181

6.2.2 二维最大熵阈值分割 183

6.3 类间最大方差法（Otsu法） 185

6.3.1 一维Otsu法 185

6.3.2 二维Otsu法 189

6.4 基于Sheffield的GA工具箱的图像分割 192

6.5 基于GA的全局阈值的图像分割 195

6.6 基于GA和分类类别函数的图像分割方法 196

6.7 基于GA的彩色图像分割方法 197

6.8 基于最大熵法和GA的图像分割算法 199

6.8.1 一维最大熵算法与GA相结合的图像分割 199

6.8.2 二维最大熵算法与GA相结合的图像分割 205

6.8.3 二维最大直方图熵法和改进GA的分割图像 210

6.9 基于Otsu与GA相结合的图像分割 214

6.10 基于Otsu和GA的多目标图像分割 220

6.11 基于二维Otsu和GA的图像分割 221

6.12 基于Otsu和改进GA的图像分割 222

6.13 基于遗传K-均值聚类算法的图像分割 224

6.14 基于GA的指纹图像分割算法 226

6.15 基于遗传神经网络的图像分割 228

第七章 基于遗传算法的图像恢复、增强、拼接和匹配 234

7.1 基于GA的参数优化方法 234

7.2 基于GA的图像恢复 242

7.3 基于GA的图像倾斜检测与校正 246

7.4 基于GA的图像增强 249

7.5 基于GA的图像碎片拼接方法 256

7.5.1 基础知识 257

7.5.2 消除图像碎片拼接缝方法 257

7.5.3 基于GA的图像拼接 259

7.6 基于GA的图像匹配 261

7.6.1 图像匹配方法分类 261

7.6.2 基于GA的图像匹配方法 263

7.6.3 基于云GA（CGA）的图像匹配 271

7.7 基于交互式GA的图像检索 272

7.8 基于Otsu和GA的图像边缘检测方法 276

参考文献 278