一种基于QPSO算法的图像边缘检测方法技术

本发明专利技术涉及一种基于量子行为粒子群优化(QPSO)算法的图像边缘检测方法，该方法将四个自适应神经模糊推理系统(ANFIS)子检测器和一个后处理块组成一个图像边缘检测器。在使用该方法对图像进行边缘检测前，首先人工构造一个训练图像，使用QPSO和线性最小二乘法(LSE)对四个子检测器单独进行训练，确定系统中的参数；当四个子检测器都训练完毕，就可以和一个后处理块一起构成一个图像边缘检测器，对测试图像进行边缘检测。本发明专利技术的图像边缘检测方法特色之处在于，即使测试图像被噪声污染，该方法也能有效地提取图像中的边缘信息而无需进行图像滤波预处理过程。

【技术实现步骤摘要】
-种基于QPSO算法的图像边缘检测方法
本专利技术涉及一种基于量子行为粒子群优化（QPSO)算法的图像边缘检测方法，属 于图像处理
。
技术介绍
边缘检测是许多图像处理操作如图像分割、对象识别、图像配准、图像分类等的基 础，其检测质量在很大程度上决定了这些后续操作的效果。 边缘检测算法通过检测包含不同区域的边缘来解决图像分割问题。边缘由边缘像 素构成，而边缘像素是图像中灰度突变的那些像素。边缘检测算法一般利用图像一阶导数 的极大值或二阶导数的过零点信息来提供判断边缘点的基本依据。Robert算子、Prewitt 算子和Sobel算子都是基于梯度的算子，它们使用不同的模板来求图像中各像素点处一阶 偏导数的近似值。这些基于梯度的边缘检测算法易于实现，但它们不仅对边缘信息敏感， 对噪声同样也很敏感。J. Canny采用高斯函数的一阶导数，并提出边缘检测算子应满足以 下3个判断准则：信噪比准则、定位精度准则以及单边缘响应准则，由此推导出边缘检测算 子-Canny算子。而计算机视觉的创始人D. Marr提出采用Laplacian算子求高斯函数的二 阶导本文档来自技高网...

【技术保护点】
一种基于量子行为粒子群优化(QPSO)算法的图像边缘检测方法，其特征在于，包括以下步骤：步骤一：将四个自适应神经模糊推理系统(ANFIS)子检测器和一个后处理块组成一个图像边缘检测器，在使用该检测器对图像进行边缘检测前，人工构造一个训练图像，使用QPSO和线性最小二乘法(LSE)对四个子检测器单独进行训练，确定系统中的参数；步骤二：当四个子检测器都训练完毕，就可以和一个后处理块一起构成一个图像边缘检测器，对测试图像进行边缘检测。

【技术特征摘要】
1. 一种基于量子行为粒子群优化（QPSO)算法的图像边缘检测方法，其特征在于，包括 以下步骤： 步骤一：将四个自适应神经模糊推理系统（ANFIS)子检测器和一个后处理块组成一 个图像边缘检测器，在使用该检测器对图像进行边缘检测前，人工构造一个训练图像，使用 QPS0和线性最小二乘法（LSE)对四个子检测器单独进行训练，确定系统中的参数； 步骤二：当四个子检测器都训练完毕，就可以和一个后处理块一起构成一个图像边缘 检测器，对测试图像进行边缘检测。2. 根据权利要求1所述的基于QPS0算法的图像边缘检测方法，其特征在于，步骤一进 一步包括以下步骤： 步骤A :每个ANFIS子检测器都有四个输入，一个输出，人工构造一个原始图像，在该 图像上添加30%的椒盐脉冲噪声得到噪声图像，作为每个子检测器的输入的训练图像，由 原始图像可得到边缘标志图像，作为每个子检测器的期望输出的训练图像，由输入的训练 图像和期望输出的训练图像得到所有组训练数据； 步骤B :设迭代次数η = 0。初始化粒子群，包括粒子的个数，搜索空间，随机初始化每 个粒子初始位置； 步骤C :在第一次迭代时，每个粒子的初始位置即为个体最好位置。每个粒子的位置为 ANFIS系统中的前提参数，采用LSE算法得到该粒子所对应的结论参数。计算所有输入组数 据的ANFIS系统的实际输出，根据实际输出和期望输出得到该粒子所对应的目标函数值， 所有粒子的目标函数值相比较就能找到一个具有最小目标函数值的粒子，该粒子的位置即 为全...

【专利技术属性】
技术研发人员：李岳阳，罗海驰，孙俊，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏;32