[发明专利]一种基于蚁群算法的图像边缘检测方法

说明书

技术领域

本发明涉及数字图像处理方法，具体涉及一种基于蚁群算法的图像边缘检测方法。

背景技术

图像边缘是图像最基本也是最重要的特征之一，图像的边缘检测是计算机视觉和图像处理中重要的内容，广泛应用于目标识别与跟踪、机器人视觉、图像数据压缩等领域。准确可靠的边缘提取方法，对这些系统的整体性能起到至关重要的作用，因此边缘提取成为研究人员进行图像特征分析研究时最为关注的热门课题之一。边缘提取的目的就是找到属于感兴趣的目标轮廓的边缘，目前，用于图像边缘检测的方法很多，主要有Roberts算子、Sobel算子、Prewitt算子、LOG算子、Canny算子、小波分析法等，这些方法的特点是运算简单、可并行处理，但对噪声比较敏感，也没有考虑人眼视觉特性，测得的边缘比较粗糙，尤其在图像较复杂或含有噪声时更是如此。针对图像的特点，人们又提出多种提取方法，如基于Gabor滤波器虚部的方法、基于数学形态学的方法等，它们在图像处理领域已被广泛采用，大多是针对各种不同类型的图像所提出的，通用性不是很强，因而还没有一种方法能适用于所有类型图像的边缘提取。

蚁群算法是模仿蚁群在搜索食物源的过程中所体现出来的寻优能力而提出的一种用来寻找最优解决方案的全局搜索算法，具有强鲁棒性、正反馈性、分布式处理等特点，已经广泛应用于求解旅行商问题、指派问题、调度问题等NP组合优化问题并取得很好的效果。蚁群算法的鲁棒性的特点使得基本蚁群算法模型能够通过一定的修改就可较容易地用于解决其它问题。本发明就是将蚁群算法应用到图像处理领域，进行图像边缘的检测。将蚁群算法用于图像边缘检测领域，主要分为3大类：1)基于图像边缘特征的蚁群算法；2)基于模糊聚类的蚁群算法；3)与其他算法的融合，如遗传算法、Snake模型、Markov随机场等。

发明内容

本发明实施例提供一种基于蚁群算法的图像边缘检测方法，用于图像边缘检测，能提高对复杂图像边缘检测的适应性，并且大大提高图像边缘检测的准确度。

本发明提供一种基于蚁群算法的图像边缘检测方法，算法的基本步骤包括：

(1)图像的预处理。具体包括图像的读取并转换为灰度图像，图像大小的调整，中值滤波去噪声和图像的锐化等。

(2)问题的生成。设要检测的灰度图像I，大小为M₁×M₂，把图像I的每个像素视为一个节点。在上述M₁×M₂个节点上随机选取K个结点放置K只蚂蚁。

(3)初始化算法的各个参数。包括算法迭代次数N，每条路经上的初始信息素强度τ_init

(4)设n＝1

(5)第n次迭代，对于每只蚂蚁k(k＝1，2，...，K)，按概率在图像上连续走L步，其中表示第n次迭代中，蚂蚁从节点(l，m)移到邻居节点(i，j)的转换概率，并在每只蚂蚁走完L步后分别更新信息素矩阵。的计算公式如下：