[发明专利]一种基于区域生长与蚁群优化算法相结合的边缘检测方法

权利要求书

1.一种基于区域生长与蚁群优化算法相结合的边缘检测方法，其特征在于，所述算法包括如下步骤：

S1：采用区域生长方法，对图像进行处理，提取感兴趣区域；

S2：对提取的感兴趣区域，采用蚁群优化方法产生信息素矩阵；

S3：对于提取的感兴趣区域，采用蚁群优化方法产生的信息素矩阵，计算阈值，确定图像边缘，分割图像。

2.根据权利要求1所述的基于区域生长与蚁群优化算法相结合的边缘检测方法，其特征在于，所述步骤S1的区域生长方法包括如下步骤：

S1.1：选择具有灰度值最大的像素点作为种子点；

S1.2：采用|I_seed-I|＜λ|I_max-I_min|公式进行区域生长，将满足此公式的邻近像素加入到种子区域；

其中，其中:I表示像素的灰度值，I_seed表示种子点的灰度值；I_max与I_mix分别表示图像中的最大灰度值与最小灰度值；λ是可调节的参数；

S1.3：递归调用S1.2，直至满足|I_seed-I|＜λ|I_max-I_min|公式的像素加入到种子区域；

S1.4：输出种子区域。

3.根据权利要求1所述的基于区域生长与蚁群优化算法相结合的边缘检测方法，其特征在于，所述步骤S2产生信息素矩阵包括如下步骤：

S2.1：启发式引导函数η_i,j为：其中，I_i,j是像素点(i,j)的灰度值，Z是一个标准化参数，函数V_c(I_i,j)是计算蚂蚁所在像素点的边缘信息的强度值；

S2.2：在M×N的图片范围内随机投放只蚂蚁，蚂蚁下一步要走的位置为：其中(i,j)是蚂蚁当前位置(l,m)的一个相邻像素点；Ω(l,m)是所有相邻像素点的集合，τ_i,j是像素点(i,j)处信息素矩阵，η_i,j是像素点(i,j)处的启发式引导函数；α,β是像素点(i,j)处积累的信息素强度和启发式引导函数选择像素过程中的影响因子；

S2.3：根据

第一次更新信息素矩阵，其中，(1-ρ)为信息素的蒸发率，ρ∈(0,1)，表示第k只蚂蚁在经过点时所留下的信息素；

S2.4：在完成第一次信息素矩阵更新后，根据进行第二次更新信息素矩阵，为信息素的衰减系数。

4.根据权利要求1所述的基于区域生长与蚁群优化算法相结合的边缘检测方法，其特征在于，所述步骤S3确定图像边缘分割图像，包括如下步骤：

S3.1：对于提取的感兴趣区域，初始化阈值T^(l)令l＝0，其中为最终的信息素矩阵；

S3.2：将信息素矩阵划分为大于T^(l)和小于T^(l)的两部分，计算大于T^(l)的平均值：其中

计算小于T^(l)的平均值：其中

S3.3：迭代系数l＝l+1，更新阈值

S3.4：判断|T^(l)-T^(l-1)|＞ω，若是，则返回S3.1继续划分阈值T^(l)；否则，输出阈值T^(l)，根据阈值划分图片为：其中ω为允许的误差范围。

5.根据权利要求1所述的基于区域生长与蚁群优化算法相结合的边缘检测方法，其特征在于，函数V_c(I_i,j)是计算蚂蚁所在像素点的边缘信息的强度值，V_c(I_i,j)由所在像素点周围区域的值决定，

V_c(i,j)＝f(var)，其中，

var＝|I_i-2,j-1-I_i+2,j+1|+|I_i-2,j+1-I_i+2,j-1|+|I_i-1,j-2-I_i+1,j+2|+

|I_i-1,j-1-I_i+1,j+1|+|I_i-1,j-I_i+1,j|+|I_i-1,j+1-I_i+1,j-1|+

|I_i-1,j+2-I_i+1,j-2|+|I_i,j-1-I_i,j+1|。