基于遗传蚁群算法的图像边缘检测算法研究

摘要

边缘是数字图像中最重要的特征之一。边缘检测在图像处理、计算机视觉等应用中起着很重要的作用。因为在图像的边缘中包含着一些用于识别的信息，所以边缘检测同时也是图像分析的一个重要环节。在仿生学算法领域，基于遗传算法的边缘检测和基于蚁群算法的边缘检测有各自的优缺点，本文的重点就是将两个算法结合，并进行图像边缘检测研究。
　　 本文首先对图像边缘检测的现状和重要性进行概述，综述了边缘检测的国内外研究现状和相应的评价标准。在此基础上，分别研究了遗传算法和蚁群算法的基本原理和基本模型，列出了遗传算法和蚁群算法的主要操作步骤。
　　 其次，本文分别研究了基于遗传算法的边缘检测方法和基于蚁群算法的边缘检测方法，并给出了基于遗传算法和基于蚁群算法的边缘检测的流程图。因为遗传算法和蚁群算法都是仿生学算法，许多参数都是经验值，所以在进行边缘检测时需要通过多次仿真实验。本文通过对遗传算法的参数Pc、Pm、T和蚁群算法的参数α、β、ρ的仿真实验，得出最佳数值来进行后续实验。
　　 然后，本文针对基于遗传算法的图像检测边缘不连续和基于蚁群算法的图像边缘检测收敛时间长的缺点，提出了一种基于遗传蚁群混合算法的图像边缘检测研究方法。通过对遗传算法和蚁群算法的时间-速度曲线图的分析，找出遗传算法和蚁群算法的最佳结合点。先对图像进行遗传运算，达到预先设定的收敛条件后，将遗传算法的次优解转化为接下来的蚁群算法的初始信息素分布，然后再进行蚁群算法，最后显示出图像的边缘信息。
　　 最后，通过实验结果表明，本文提出的基于遗传蚁群算法的图像边缘检测算法，其仿真时间短，边缘信息丰富连续，效果明显优于单独的遗传算法边缘检测和单独的蚁群算法边缘检测，证明了该算法在图像边缘检测上具有良好的性能。
　　 本文的特色在于，可以将遗传算法和蚁群算法这两种仿生学算法很好的结合在一起，并将其应用在图像边缘检测中。虽然遗传蚁群算法已经有人提出来，但更多的是应用在智能阅卷等问题中，在图像边缘检测中的应用尚是首次。

目录

声明

摘要

第1章 绪论

1．1 课题的研究目的和意义

1．2 课题的国内外研究的现状

1．3 图像边缘检测的评价标准

1．4 本文主要内容及结构安排

1．4．1 本文主要研究内容

1．4．2 本文结构安排

第2章 遗传算法

2．1 遗传算法的基本原理

2．2 遗传算法的基本步骤

2．3 遗传算法的主要操作

2．3．1 遗传编码

2．3．2 适应度函数

2．3．3 遗传算子

2．4 遗传算法在图像边缘检测上的应用

2．4．1 遗传算法用于图像边缘检测的过程

2．4．2 图像边缘检测实例分析

2．5 本章小结

第3章 蚁群算法

3．1 蚁群算法的思想起源

3．2 蚁群算法的基本原理

3．3 蚁群算法的基本模型

3．4 基本蚁群算法的改进

3．4．1 带精英策略的蚁群系统

3．4．2 最大-最小蚁群系统

3．4．3 最优-最差蚁群系统

3．5 改进的蚁群算法在图像边缘检测上的应用

3．5．1 蚁群算法用于图像边缘检测的过程

3．5．2 图像边缘检测实例分析

3．6 本章小结

第4章 基于遗传蚁群混合算法的边缘检测的方法研究

4．1 遗传算法和蚁群算法融合临界点的确定

4．2 遗传蚁群混合算法的主要流程

4．3 面向边缘检测的遗传蚁群混合算法流程图

4．4 面向边缘检测的遗传蚁群混合算法主要步骤

4．4．1 图像预处理

4．4．2 遗传算法的设计

4．4．3 遗传算法与蚁群算法的融合

4．4．4 蚁群算法的设计

4．5 本章小结

第5章 实验结果与分析

5．1 标准图像

5．2 CT扫描图

5．2．1 CT图像边缘

5．2．2 仿真结果

5．3 车牌识别

5．3．1 车牌边缘检测的重要性

5．3．2 仿真结果

5．4 本章小结

第6章 总结与展望

6．1 本文总结

6．2 后续工作展望

参考文献

致谢