旨在使用遗传算法对带有底部噪声的图像进行处理,并通过对遗传算法的改进实现处理效果的提升。结合图像分割阐述了遗传算法的工作机制,分析了适应度计算、选择、交叉和变异等主要模块的设计方法,阐明了代沟与优秀个体的关系、不同代间的个体替换关系、交叉点的选取方法与变异位置的选择、种群数量的保持等关键性问题,并给出了参数设置的具体值。使用该算法对带底部噪声的图片进行了处理,结果表明传统遗传算法可以将目标图像从存在噪声的背景中分离出来,但处理时间为7.416 s。为提高处理效率,利用进化代数和个体的适应度值自适应地调整种群的交叉概率和变异概率对传统算法进行了改进。使用改进的遗传算法对同一噪声图像进行了分割处理