[发明专利]基于自适应遗传算法的BP神经网络图像分割方法及装置

摘要

本发明涉及基于自适应遗传算法的BP神经网络图像分割方法及装置，该方法包括如下步骤：1)分析待分割图像，生成神经网络的训练样本；2)设置神经网络参数和种群参数，进行染色体编码；3)输入训练样本训练网络，采用新的自适应遗传算法优化其权值和阈值，自适应交叉和变异操作引入调节系数；4)输入待分割图像，利用训练好的神经网络对其分类，实现图像分割。该装置包括训练样本生成模块、神经网络结构确定模块、网络训练模块和图像分割模块。本发明引入了与进化代数相关的调节系数，解决了种群进化初期个体进化停滞问题，也避免个体适应度相近时带来的局部收敛问题，从而更快速地得到可最大化表征图像特征的神经网络，实现更精确的图像分割。

主权项

1.基于自适应遗传算法的BP神经网络图像分割方法，其特征在于，该方法包括如下步骤：1)对待分割的图像进行分析，生成神经网络的训练样本；2)设置神经网络参数和种群参数，并对神经网络的参数进行染色体编码；3)输入训练样本训练网络：由神经网络的实际输出像素值和期望值的误差计算个体的适应度值，并通过自适应遗传算法依次进行选择、自适应交叉和变异操作更新网络的权值和阈值，当满足终止条件时，完成BP神经网络的训练；所述自适应交叉和变异操作中的交叉率和变异率中引入了调节系数；4)输入待分割的图像，利用训练好的BP神经网络对待分割的图像进行分类，实现图像分割；所述自适应交叉操作的交叉率表达式为：其中，m为当前迭代次数，M为最大迭代次数，fmax为每一代种群的最大适应度值，fa为每一代种群的平均适应度值，f′为要交叉的两个个体中较大适应度值，f为要变异个体的适应度值，Pcmax为最大交叉率，Pcmin为最小交叉率。