資源描述：
《圖像邊緣檢測中的改進(jìn)算法.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、上海理工大學(xué)學(xué)報第35卷第2期J．UniversityofShanghaiforScienceandTechnologyVo1．35No．22013文章編號：1007—6735(2013)02—0157—04圖像邊緣檢測中的改進(jìn)算法曹春萍，梁慧(上海理工大學(xué)光電信息與計算機(jī)工程學(xué)院，上海200093)摘要：針對傳統(tǒng)的蟻群邊緣檢測算法存在耗時長和易受噪聲影響的缺點，提出了一種改進(jìn)的蟻群邊緣檢測算法．該算法對螞蟻路徑選擇中的啟發(fā)式信息值的計算方法進(jìn)行改進(jìn)，使其計算基于鄰域中節(jié)點的梯度，能更好地引導(dǎo)螞蟻向邊緣節(jié)點進(jìn)行移動．通過仿真實驗表
2、明：該算法與傳統(tǒng)的蟻群算法相比，能夠減少耗時、抑制噪聲及準(zhǔn)確快速地檢測出圖像邊緣．關(guān)鍵詞：邊緣檢測；蟻群；啟發(fā)式信息中圖分類號：TP3文獻(xiàn)標(biāo)志碼：AModifiedAlgorithmforImageEdgeDetectionCAOChunping，LIANGHui(SchoolofOptical—ElectricalandCamputerEngineering。UniversityofShanghaifoScienceandTechnology，Shanghai200093，China)Abstract：Edgedetection
3、isplayinganimportantpartinimageprw．ess，andisthefoundationofsuccessivework．Therearevariousapproachestodetectedgesincludingtheonebasedonantcolony．a(chǎn)lgorithm．Inviewofthatthetraditionalantcolonyalgorithmfortheedgedetectionisusuallytimeconsuming，animprovedantcolonyalgorithm
4、wasproposed．AnewcalculationmethodforheuristicinformationWaSpresentedbywhich，themovementofantscanbebetterguided．Experimentsshowthattheproposedalgorithmconextracttheweakedgesmorequicklyandaccurately．Keywords：edgedetection；antcolony；heuristicinformation邊緣是圖像的重要特征之一，包含了大量
5、的圖分運(yùn)算，計算出圖像的梯度幅度信息，并根據(jù)設(shè)定的像信息，為人們描述或識別目標(biāo)以及解釋圖像提供閾值判斷是否是邊緣．但是這些算法容易受到噪聲了一個重要的特征參數(shù)．邊緣檢測問題一直是數(shù)字的影響，當(dāng)圖像邊緣灰度變化不明顯的時候，閾值設(shè)圖像處理領(lǐng)域的研究熱點和焦點問題．自從1959年定不準(zhǔn)確，容易導(dǎo)致圖像邊緣檢測不理想或者檢測人們開始對圖像邊緣檢測方法進(jìn)行研究以來，產(chǎn)生不出來，結(jié)果丟失很多重要的細(xì)節(jié)．近些年，國內(nèi)外了許多邊緣檢測方法．如Roberts算子、Sobel算子、專家根據(jù)蟻群算法的離散型、正反饋性和并行性特Prewitt算子、Ki
6、rsch算子、Laplacian算子等，這些點，將蟻群算法應(yīng)用于數(shù)字圖像處理的領(lǐng)域，并在獲經(jīng)典的邊緣檢測方法是對圖像的像素點進(jìn)行一階微取圖像邊緣的細(xì)節(jié)方面取得了一定的研究進(jìn)展．但收稿日期：2012—06—16第一作者：曹春萍(1968一)，女，副教授．研究方向：圖像處理、智能數(shù)據(jù)處理．E-mail：ccpgcd@163．com158上海理工大學(xué)學(xué)報2013年第35卷是，傳統(tǒng)基于蟻群算法的圖像邊緣檢i貝0存在缺陷：由MXN．頂點表示螞蟻所在的具體位置，邊表示螞蟻于噪聲與邊緣都處在圖像中灰度發(fā)生突變的部分，要走的路徑．因此螞蟻搜索過程
7、中選擇噪聲點與選擇邊緣點的概b．初始化率是相同的，未能有效抑制噪聲；要得到完整的邊緣在圖像中隨機(jī)放置m個螞蟻，初始化各參數(shù)需要眾多螞蟻經(jīng)過大量循環(huán)計算，耗時長．本文針對變量和像素上的信息素初值．以上問題，提出一種改進(jìn)的蟻群算法進(jìn)行圖像邊緣c．螞蟻路徑的選擇檢測．在該方法中，對蟻群算法中啟發(fā)式信息值的計每個螞蟻從其8個鄰域像素中根據(jù)概率大小選算進(jìn)行了改進(jìn)，使其能更好地引導(dǎo)螞蟻向邊緣節(jié)點擇其一作為下一步的目的位置，選擇概率值的計算進(jìn)行移動，節(jié)省時間．另通過引入模糊C均值，計算式為出一個信息素閾值，利用信息素閾值判斷信息素矩陣中的點是否
8、是邊緣點．這種算法經(jīng)試驗證明不僅此㈩：{煮。川～㈩(1)能夠避免直接利用蟻群算法進(jìn)行邊緣檢測造成的缺陷，而且能夠快速精確地檢測出圖像的邊緣，并能有l(wèi)0J∈J效地抑制噪聲．式中，為第七個螞蟻的初始位置；J為螞蟻下一步的位置；(t)為t時刻路徑(，J)
