基于人工蜂群算法的图像的目标检测与定位研究

摘要

随着科学技术的发展和计算机视觉功能的广泛应用，图像处理技术在农业、航空航天、医学、生活娱乐等方面得到了越来越广泛的应用，已经成为了当前图像研究领域最热门的方向之一。在此背景下，本文展开了对人工蜂群算法的图像的目标检测和定位的研究。
　　目前，关于图像的目标检测和图像的目标定位的算法已经有很多，其中目标检测的方法主要有Sobel算子检测、Canny算子检测等，目标定位的方法主要有图像矩法和多次曲线拟合等方法，但是他们都存在精度不高、图像的实时性不强等缺点。同时，虽然人工蜂群算法有算法简单易懂、鲁棒性强、控制参数少等优点，但由于算法没有全局最优值记忆和参与算法过程，导致该算法会因为全局探测能力的不足而陷入局部最优。因此，本文在基本人工蜂群算法的基础上，提出了一种采用改进的人工蜂群算法即采用全局人工蜂群算法，可借助全局人工蜂群算法搜索能力强，收敛速度快且不易陷入局部最优等特点，简化图像目标检测和定位算法设计的复杂性，提高了图像检测和定位的速度、连续性和实时性。
　　本文首先介绍了图像边缘检测和定位的方法，然后介绍了人工蜂群算法的生物模型和基本思想，介绍了人工蜂群算法的执行过程、特点和控制参数对优化结果的作用分析，然后针对基本的人工蜂群算法易于陷于局部最优的缺点，本文通过借鉴遗传算法中的交叉运算改进了搜索方式形成了全局人工蜂群算法，并基于全局人工蜂群算法设计了图像目标的边缘检测和定位算法，介绍了算法的实现方法。最后用MATLAB进行了全局人工蜂群算法在图像检测和定位中的实验仿真，实验表明，全局人工蜂群算法在图像的目标检测和定位中具有计算速度更快、图像连续性更好、实时性更强等优点。

目录

声明

摘要

1 绪论

1．1 数字图像处理的研究背景及现状

1．2 人工蜂群算法的研究背景及现状

1．3 本文的研究内容

2 图像目标的边缘检测和定位

2．1 图像目标的边缘检测

2．2 图像目标的定位

2．3 本章小结

3 人工蜂群算法

3．1 人工蜂群算法的概述

3．2 人工蜂群算法的基本思想

3．3 人工蜂群算法的搜索过程

3．4 人工蜂群算法的特点

3．5 控制参数对优化结果的作用分析

3．6 本章小结

4 基于全局人工蜂群算法的图像目标检测和定位

4．1 基本人工蜂群算法的不足

4．2 全局人工蜂群算法的原理

4．3 图像目标检测和定位的实现方法

4．4 本章小结

5 总结和展望

5．1 全文的总结

5．2 未来的展望

致谢

攻读硕士学位期间的主要成果

参考文献