《基于蚁群算法的图像边缘检测附代码毕业论文》由会员分享，可在线阅读，更多相关《基于蚁群算法的图像边缘检测附代码毕业论文（50页珍藏版）》请在金锄头文库上搜索。
1、上海工程技术大学毕业设计（论文） 基于蚁群算法的图像边缘检测目 录摘 要1ABSTRACT21 绪论31.1 研究背景31.2 研究现状和发展方向41.3 研究目的和意义62 图像边缘检测概述72.1 边缘的定义及类型92.2 常用的边缘检测方法112.3 其他边缘检测方法162.3.1 基于小波变换的边缘检测162.3.2 基于数学形态学的边缘检测172.4 传统边缘检测的不足183 蚁群算法193.1 蚁群算法的基本原理193.2 基于蚁群算法的图像边缘检测224 实验结果及分析234.1 基于蚁群算法的图像边缘检测流程234.2 实验结果与性能分析264.2.1 参数对边缘检测的影响27
2、4.2.2 与传统方法的比较335 总结与展望35参考文献36附 录371摘 要边缘是最基本和重要的特征，其包括用于图像识别的所有主要信息中的一个的数字图像。因此，图像的检测和边缘提取在图 像处理、计 算机视 觉等应 用中有着不容小觑的作用，具有非常高的实际应 用价值。长期以来，如何提高边 缘检 测算法的精度一直都是国内外许多学 者的研 究课题。蚁 群算法是最近开发出来的一种概 率搜索算法，是一 种利用人工蚂蚁自己找到最优路径的新 型仿 生优化算 法，该算法具有强鲁 棒性、正反 馈性、并 行性、启 发性和分 布式处 理功能。本文通过分析基 本原 理和蚁群算法的特 征点，提 出了一种基 于蚁 群
3、算法的图 像边缘检 测方法，并对该方 法的性能和检 测结果进行了深入探讨。随后，针对该方法的缺陷和不足，进行调测和改进，并进行仿真，使其能够更好的检测出图像边缘。最后通过与传统边缘 检测算 子相对比，已表明了该算 法能 够更好地检测 图像边 缘。实验证明，蚁 群算 法的研究对于图 像边缘检 测具有很强的理论意义和现实价值。关键词：图像处理，边缘检测，蚁群算法Image Edge Detection based on Ant Colony AlgorithmABSTRACTEdge is one of the most fundamental and important features of
4、digital image, including useful information for image recognition. Therefore, edge detection and extraction plays an important role in image processing and computer vision applications, with very high practical value. Over the years, many scholars at home and abroad are studying how to improve the a
5、ccuracy of edge detection algorithm.Ant colony algorithm is a probabilistic search algorithm developed in recent years. It is a kind of new bionic optimization algorithm using intelligent artificial ants to search the global optimum. This algorithm has strong robustness, positive feedback, paralleli
6、sm, enlightening and distributed processing and etc. In this paper, an image edge detection method based on ant colony algorithm has been proposed by analyzing the basic principle of ant colony algorithm. And make a deep discussion on the performance and test results of this method. Then, adjusting
7、and improving the method by concentrating on the defect and disadvantage, and move on to the simulation, in order to detect the image edges well. At last, a conclusion that the ant colony algorithm can detect the image edges better has been drawn by comparing with other traditional edge detection op
8、erators. The experiment show that the research on ant colony algorithm has a strong theoretical and practical value on image edge detection.Key words: image processing, image edge detection, ant colony algorithm基于蚁群算法的图像边缘检测1 绪论作为对于客 观对象的一 种真实性描 述或写 真，图 像常常被用作信息载体在我们的社会活动中。数字图像起源于上世纪20年代，用有限数字数值像素来表
9、示二维图像，它是由连续图像经过数字化处理而形成的。因此，数 字图像处 理技 术如今已然进入到人 们的生 活中。在数 字图 像处理领 域中最基本的问题，就是图 像边缘检 测（image edge detection），它也是数 字图 像中最重要的特征之一。边缘信 息包含了图 像中许多有用信 息，它的算法优劣直接影响图 像分析和图像处理的效果，以及图 像分割的准确性。蚁 群算 法（Ant Colony Algorithm, ACA）1是某种概 率搜索算 法，相对来说是一 种比较新型的仿 生学算法，并且在近一年成长迅速。基于蚁群算 法的图像边缘检测，是利用生命体信息激素作为蚂蚁路线选择的基础，在蚂
10、蚁和食 物之 间找到一条最优最 短的路 径。1.1 研究背景图像是人们获得信息的第一来源。因此，人们在生活或者工作中，都不能离开图像处理。从上世 纪五、六十年代以来，随着现代计 算机技 术的不断发展和进步，图 像处理和识 别技术越来越发达，人们打开了计 算机世界的新大门，图像处 理步入了一个新的台阶。目前它已经成为21世纪信息时代的一门关键的学科技术。数 字图 像处理技 术在计 算机科学、信 息科 学、数字、物理学以及生 物学等学 科中都有所涉猎，其研究领域也涵盖了生物医学图像、遥 感图像分 析、人工智能、X射线图像、地 质勘 探、粒子物理和光 学显 微图像分 析等。这些数 字图 像处 理技术
11、，总共可分 为三个层 次：图像处 理、图像分 析和图像理 解，被共同称 为图像工 程。图像处 理重点是看图像之间的变化；图像分析是检测和测 量，获取目标信息，建 立了描述的图 像；图像理解则强调目标图像中各个研究点的性能以及他们之间的关联，从而能够更好的理解图像内容。根据查阅的文献，图 像技 术在图像处 理、图像分 析和图像理 解这三 个层 次中的分 类情况如表1.1所示。表1.1 图像处理、图像分析和图像理解三个层次技术分类2综上所述，数 字图 像处 理包含这几 项内 容：（1）图像增强；（2）图像复原与重建；（3）图像识别；（4）图像编码；（5）算术和几何处理。所谓边缘3，是指图像之中的灰
12、 度值有明显突变，例如阶跃性的突变使得灰度值由增高到减低，这些变化点像 素的集合就被称之为边 缘。如何快速、精准的将图像边缘信息提取出来一直是数字图像处理领域的研究热点和焦点问题，它在诸多应用中都发挥着关键的作用，特别是在图像处理、计算机视觉等应用中。因为在图像的采集过程中，图像的清晰度、缓和效应的一些因素会导致问题，如噪声、图像模糊、对比度不强等，使边缘的提取或强化受到影响。这些原因使得一些典型的边 缘检 测算法有如下缺点4：（1）大部分边 缘检测算 子都是节约边 缘，而图 像中大多 数都是倾斜的边 缘。（2）在平滑噪声图像中，去噪图 像的高 频信 息容易丢 失。（3）图 像的边 缘通常发生
13、在不 同的规 模,来检 测所有的右边 缘,你需要使用多个不 同范围上有效的边 缘检测算 子检 测。（4）经典的边 缘检 测定位精度不高。研究和解决这些问题所造成的传统边 缘检测一直是人们所关注的重点。在边缘检测问世以后，就有大量专家和学者付出辛勤的努力对它进行探讨，将边缘检测成功的应用于科技发展中，发挥了它极大的利用价值。1.2 研究现状和发展方向 在视 觉处 理中，图 像边缘检 测一 直是国内外的热点话题，也是工程应用领 域永恒的探讨话题之 一。边缘检测的问世要追溯到1959年，由B.Julez5在他的研究中提出。迄今为止，已有无数种关于边缘检测的算法和研究成果被提出来。有人还将这些技术结合
14、起来提出新的算法，其应用能够拓展至多个学科，使得边缘检测拥有了更强大的生命力。自从边 缘检 测方 法问世以来，就有大多数人对此进 行研 究和探索，于是就出现了各种各样的边 缘检测算法，例如罗伯特边 缘算 子、索贝尔边 缘算 子、普瑞维特边 缘算子、Kirsch边 缘算 子、Canny边 缘算 子、LOG边 缘算 子、高斯-拉普拉斯边 缘算 子等，这些典型的边 缘检 测方 法都是通过一 阶微 分运 算来计 算出图 像的梯 度幅值信 息，并依照设 定的阈 值来推断是 否是边 缘。然而，虽然已经有无数个边缘检测算法被相继提出，却仍然没有一个算法能够适用于所有的数字图像的边缘检测。因为这些算法都非常容
15、易被噪声所影响，若是图像边缘的灰度变化不够剧烈，阈值设定不够精准，会丢失许多关键的细节，从而导致图像的边缘检测不清晰的情况，甚至会检测不出来。在1991年欧洲法国巴 黎举行的一届人 工生 命会 议上6，Dorigo M著名的意 大利学者以及一些其他学者共同发布了蚁 群算 法最初的，也是最基 本模 型。蚁群算法是基于群体通过仿真蚂蚁的寻找食物行为来寻找困难优 化问 题的近似解的元启发式算 法，蚂蚁依照生物激素的强度来选 择即将要走的路径，通 过团结协作搜索最优值。蚂蚁找东西吃的时候表现出的寻找最佳方案的能力在离 散系 统优 化解决了许多难题，如分配问题、旅 行商问 题、调 度问 题等。 关于蚁群算法的特点可以概括为以下几个：（1）具有自组织性。即群体的复杂行为需要反映在每一个蚂蚁身上。（2）不采用中心控制，而是使用分 布式控制。（3）概率型的。（4）每只蚂蚁都只能在自己周围的路径上感知信息，无法得到整体信息。（5）个体可以在改变环境的同时在环境中进行间接通讯。（6）算法中能涵盖很多个主体，并且通过合作主体来适应大环境。（7）具有潜在的并行性，其搜索过程在同一时间同时从多个点进行。这种分布式的智能协作过程不是同步进行的，在同一时间每个蚂蚁都在各自的路线上行走，这从很大程度上提高了蚁群算法的速度和效率。蚁群算法的优点体现在很多方面，
