上海工程技术大学毕业设计（论文） 基于蚁群算法的图像边缘检测

目 录

摘 要 ............................................................... 1 ABSTRACT ............................................................. 2 1 绪论 ................................................................. 3 1.1 研究背景 ........................................................... 3 1.2 研究现状和发展方向 ................................................. 4 1.3 研究目的和意义 ..................................................... 6 2 图像边缘检测概述 ..................................................... 7 2.1 边缘的定义及类型 ................................................... 8 2.2 常用的边缘检测方法 ................................................ 10 2.3 其他边缘检测方法 .................................................. 15 2.3.1 基于小波变换的边缘检测 .......................................... 15 2.3.2 基于数学形态学的边缘检测 ........................................ 16 2.4 传统边缘检测的不足 ................................................ 17 3 蚁群算法 ............................................................ 17 3.1 蚁群算法的基本原理 ................................................ 18 3.2 基于蚁群算法的图像边缘检测 ........................................ 21 4 实验结果及分析 ...................................................... 22 4.1 基于蚁群算法的图像边缘检测流程 .................................... 22 4.2 实验结果与性能分析 ................................................ 26 4.2.1 参数对边缘检测的影响 ............................................ 29 4.2.2 与传统方法的比较 ................................................ 35 5 总结与展望 .......................................................... 37 参考文献 .............................................................. 39 附 录 ................................................. 错误！未定义书签。

1

上海工程技术大学毕业设计（论文） 基于蚁群算法的图像边缘检测

摘 要

边缘是最基本和重要的特征，其包括用于图像识别的所有主要信息中的一个的数字图像。因此，图像的检测和边缘提取在图像处理、计算机视觉等应用中有着不容小觑的作用，具有非常高的实际应用价值。长期以来，如何提高边缘检测算法的精度一直都是国内外许多学者的研究课题。

蚁群算法是最近开发出来的一种概率搜索算法，是一种利用人工蚂蚁自己找到最优路径的新型仿生优化算法，该算法具有强鲁棒性、正反馈性、并行性、启发性和分布式处理功能。本文通过分析基本原理和蚁群算法的特征点，提出了一种基于蚁群算法的图像边缘检测方法，并对该方法的性能和检测结果进行了深入探讨。随后，针对该方法的缺陷和不足，进行调测和改进，并进行仿真，使其能够更好的检测出图像边缘。最后通过与传统边缘 检测算子相对比，已表明了该算法能够更好地检测图像边缘。实验证明，蚁群算法的研究对于图像边缘检测具有很强的理论意义和现实价值。

关键词：图像处理，边缘检测，蚁群算法

1

上海工程技术大学毕业设计（论文） 基于蚁群算法的图像边缘检测

Image Edge Detection based on Ant Colony Algorithm

ABSTRACT

Edge is one of the most fundamental and important features of digital image, including useful information for image recognition. Therefore, edge detection and extraction plays an important role in image processing and computer vision applications, with very high practical value. Over the years, many scholars at home and abroad are studying how to improve the accuracy of edge detection algorithm.

Ant colony algorithm is a probabilistic search algorithm developed in recent years. It is a kind of new bionic optimization algorithm using intelligent artificial ants to search the global optimum. This algorithm has strong robustness, positive feedback, parallelism, enlightening and distributed processing and etc. In this paper, an image edge detection method based on ant colony algorithm has been proposed by analyzing the basic principle of ant colony algorithm. And make a deep discussion on the performance and test results of this method. Then, adjusting and improving the method by concentrating on the defect and disadvantage, and move on to the simulation, in order to detect the image edges well. At last, a conclusion that the ant colony algorithm can detect the image edges better has been drawn by comparing with other traditional edge detection operators. The experiment show that the research on ant colony algorithm has a strong theoretical and practical value on image edge detection.

Key words: image processing, image edge detection, ant colony algorithm

2

上海工程技术大学毕业设计（论文） 基于蚁群算法的图像边缘检测

基于蚁群算法的图像边缘检测

1 绪论

作为对于客观对象的一种真实性描述或写真，图像常常被用作信息载体在我们的社会活动中。数字图像起源于上世纪20年代，用有限数字数值像素来表示二维图像，它是由连续图像经过数字化处理而形成的。因此，数字图像处理技术如今已然进入到人们的生活中。

在数字图像处理领域中最基本的问题，就是图像边缘检测（image edge detection），它也是数字图像中最重要的特征之一。边缘信息包含了图像中许多有用信息，它的算法优劣直接影响图像分析和图像处理的效果，以及图像分割的准确性。

蚁群算法（Ant Colony Algorithm, ACA）[1]是某种概率搜索算法，相对来说是一种比较新型的仿生学算法，并且在近一年成长迅速。基于蚁群算法的图像边缘检测，是利用生命体信息激素作为蚂蚁路线选择的基础，在蚂蚁和食物之间找到一条最优最短的路径。 1.1 研究背景

图像是人们获得信息的第一来源。因此，人们在生活或者工作中，都不能离开图像处理。从上世纪五、六十年代以来，随着现代计算机技术的不断发展和进步，图像处理和识 别技术越来越发达，人们打开了计算机世界的新大门，图像处理步入了一个新的台阶。目前它已经成为21世纪信息时代的一门关键的学科技术。数字图像处理技术在计算机科学、信息科学、数字、物理学以及生物学等学科中都有所涉猎，其研究领域也涵盖了生物医学图像、遥感图像分析、人工智能、X射线图像、地质勘探、粒子物理和光学显微图像分析等。这些数字图像处理技术，总共可分为三个层次：图像处理、图像分析和图像理解，被共同称为图像工程。图像处理重点是看图像之间的变化；图像分析是检测和测量，获取目标信息，建立了描述的图像；图像理解则强调目标图像中各个研究点的性能以及他们之间的关联，从而能够更好的理解图像内容。根据查阅的文献，图像技术在图像处理、图像分析和图像理解这三个层次中的分类情况如表1.1所示。

表1.1 图像处理、图像分析和图像理解三个层次技术分类

[2]

3