改进的蚁群算法在图像边缘检测中的应用研究.PDFVIP

第３０卷第９期　　　 计算机应用与软件 Ｖｏｌ３０Ｎｏ．９ ２０１３年９月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｓｅｐ．２０１３ 改进的蚁群算法在图像边缘检测中的应用研究 曹春萍　梁　慧 （上海理工大学光电信息与计算机工程学院　上海２０００９３） 摘　要　　针对传统的蚁群边缘检测算法耗时长的问题，提出基于邻域中节点梯度计算启发式信息值的方法。该方法能够更快更 好地引导蚂蚁向边缘节点进行移动，减少耗时。同时，还引入模糊Ｃ均值算法，用以确定蚁群算法中信息素阈值，使其更加准确合 理，更精确地判断边缘节点。实验表明，该改进算法能够减少耗时，有效地抑制噪声，并能更加有效、精确地检测出图像的边缘。 关键词　　边缘检测　蚁群算法　模糊Ｃ均值 中图分类号　ＴＰ３０１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１３．０９．０７３ ＯＮＡＰＰＬＹＩＮＧＩＭＰＲＯＶＥＤＡＮＴＣＯＬＯＮＹＡＬＧＯＲＩＴＨＭＴＯＩＭＡＧＥＥＤＧＥＤＥＴＥＣＴＩＯＮ ＣａｏＣｈｕｎｐｉｎｇ　ＬｉａｎｇＨｕｉ （ＳｃｈｏｏｌｏｆＯｐｔｉｃａｌＥｌｅｃｔｒｉｃａｌａｎｄＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＵｎｉｖｅｒｓｉｔｙｏｆＳｈａｎｇｈａｉｆｏｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ２０００９３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｔｈｉｓｐａｐｅｒ，ｉｎｖｉｅｗｏｆｔｈｅｐｒｏｂｌｅｍｏｆｌｏｎｇｔｉｍｅｃｏｎｓｕｍｐｔｉｏｎｔｈｅｔｒａｄｉｔｉｏｎａｌａｎｔｃｏｌｏｎｙｅｄｇｅｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｈａｓ，ｗｅｐｒｏ ｐｏｓｅａｍｅｔｈｏｄｗｈｉｃｈｃａｌｃｕｌａｔｅｓｔｈｅｈｅｕｒｉｓｔｉｃｉｎｆｏｒｍａｔｉｏｎｖａｌｕｅｂａｓｅｄｏｎｇｒａｄｉｅｎｔｏｆｎｏｄｅｓｉｎｎｅｉｇｈｂｏｕｒｈｏｏｄ．Ｔｈｅｍｅｔｈｏｄｃａｎｇｕｉｄｅｔｈｅａｎｔｓ ｍｏｖｅｔｏｅｄｇｅｎｏｄｅｓｆａｓｔｅｒａｎｄｂｅｔｔｅｒ，ａｎｄｓｐｅｎｄｓｌｅｓｓｔｉｍｅ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ｗｅａｌｓｏｉｎｔｒｏｄｕｃｅｆｕｚｚｙＣｍｅａｎｓａｌｇｏｒｉｔｈｍｔｏｄｅｃｉｄｅｔｈｅ ｔｈｒｅｓｈｏｌｄｏｆｐｈｅｒｏｍｏｎｅｉｎａｎｔｃｏｌｏｎｙａｌｇｏｒｉｔｈｍ，ｔｈｉｓｍａｋｅｓｉｔｍｏｒｅｅｘａｃｔａｎｄｒｅａｓｏｎａｂｌｅ，ａｎｄｊｕｄｇｅｓｔｈｅｅｄｇｅｎｏｄｅｓｗｉｔｈｈｉｇｈｅｒｐｒｅｃｉｓｉｏｎ． Ｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｃａｎｒｅｄｕｃｅｔｈｅｔｉｍｅｃｏｎｓｕｍｐｔｉｏｎ，ｅｆｆｅｃｔｉｖｅｌｙｓｕｐｐｒｅｓｓｔｈｅｎｏｉｓｅ，ａｎｄｃａｎｄｅｔｅｃｔｔｈｅｅｄｇｅｏｆｔｈｅ ｉｍａｇｅｍｏｒｅｅｆｆｅｃｔｉｖｅｌｙａｎｄａｃｃｕｒａｔｅｌｙ． Ｋｅｙｗｏｒｄｓ　　Ｅｄｇｅｄｅｔｅｃｔｉｏｎ　Ａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｓａｔｉｏｎ　Ｆｕｚｚｙｃｍｅａｎｓ 关计算，降低了算法的效率；最后，要得到完整的边缘需要众多 ０　引　言 蚂蚁经过大量循环计算，耗时长［２］。 本文针对以上问题，提出一种改进的蚁群算法进行图像边 边缘是图像的重要特征之一，包含了大量的图像信息，为人 缘检测。在该方法中，对蚁群算法中启发式信息值的计算进行 们描述或识别目标以及解释图像提供了一个重要的特征参数。 了改进，使其能更好地引导蚂蚁向边缘节点进行移动，节省时 边缘检测问题一直是数字图像处理领域的研究热点和焦点问 间。并引入模糊Ｃ均值计算出一个最佳前景阈值和信息素阈 题。边缘检测就是对图像的边缘进行识别，图像边缘是图像局 值，首先根据前景阈值对图像进行预处理，将处理结果作为蚁群 部特性不连续性（灰度突变）的反映，