一种图像边缘检测方法及设备技术

本发明专利技术公开了一种图像边缘检测方法及设备，涉及图像边缘检测技术领域。本发明专利技术公开的方法包括：根据训练特征集生成初始种群，对初始种群进行优化操作，解码优化的初始种群中适应度最高的个体，获得待检测图像到边缘图像的第一个划分，生成新的特征集；基于新的特征集生成新种群，对新种群进行优化操作，解码优化后的新种群中适应度最高的个体，获得待检测图像到边缘图像的第二个划分，得到图像的边缘检测模型，按照边缘检测模型进行图像边缘检测。本发明专利技术还公开了一种图像边缘检测设备。本申请技术方案通过少量的图像及标记边缘图像的学习，从中得出图像边缘检测的一般模型，以实现图像边缘检测，且简单易用。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种图像边缘检测方法及设备，涉及图像边缘检测
。本专利技术公开的方法包括：根据训练特征集生成初始种群，对初始种群进行优化操作，解码优化的初始种群中适应度最高的个体，获得待检测图像到边缘图像的第一个划分，生成新的特征集；基于新的特征集生成新种群，对新种群进行优化操作，解码优化后的新种群中适应度最高的个体，获得待检测图像到边缘图像的第二个划分，得到图像的边缘检测模型，按照边缘检测模型进行图像边缘检测。本专利技术还公开了一种图像边缘检测设备。本申请技术方案通过少量的图像及标记边缘图像的学习，从中得出图像边缘检测的一般模型，以实现图像边缘检测，且简单易用。【专利说明】一种图像边缘检测方法及设备
本专利技术涉及图像边缘检测
，具体是一种应用于数字图像边缘检测模型自 动发现方案。
技术介绍
人类接收的信息中有80%来自视觉或图像信息，有图像、图形、动画、视频、文本数 据等。这是最有效和最重要的信息获取和交流方式。随着计算机的普及，人们越来越多地 利用计算机来帮助人类获取与处理图像信息。图像的边缘检测技术是目标识别、图像分类 等图像内容理解技术的基础，一个良好的边缘检测技术为后续图像处理提供更好的保障。
技术实现思路
本专利技术所要解决的技术问题是，提供一种图像边缘检测方法及设备，以解决现有 图像边缘检测过程复杂的问题。 为了解决上述技术问题，本专利技术公开了一种图像边缘检测方法，该方法包括： 构造图像特征集和训练特征集，根据所述训练特征集生成初始种群，对所述初始 种群进行优化操作得到优化的初始种群，解码优化的初始种群中适应度最高的个体，获得 待检测图像到边缘图像的第一个划分，根据第一个划分结果生成新的特征集； 基于所述新的特征集生成新种群，对所述新种群进行优化操作得到优化的新种 群，解码优化后的新种群中适应度最高的个体，获得待检测图像到边缘图像的第二个划分， 根据第二个划分结果得到图像的边缘检测模型，按照所述边缘检测模型进行图像边缘检 测。 可选地，上述方法中，对所述初始种群进行优化操作得到优化的初始种群的过程 包括： 评估初始种群中各个体的适应度； 根据所述初始种群中各个体的适应度大小选择优胜个体，对所选择的优胜个体进 行交叉变异操作； 对交叉变异后的个体进行局部搜索，对局部搜索后的种群中各个体进行适应度评 估，直至种群中个体的最大适应度大于设定值或迭代次数达到阈值，得到优化的初始种群。 可选地，上述方法中，根据所述初始种群中各个体的适应度大小选择优胜个体包 括： 采用锦标赛策略选择初始种群中设定数目个个体。 可选地，上述方法中，对交叉变异后的个体进行局部搜索的过程包括： 根据设定的变异步长对交叉变异后的种群进行密集的变异操作。 可选地，上述方法中，根据第一个划分结果生成新的特征集指： 将所述训练特征集和解码优化的初始种群中适应度最高的个体的解码结果对应 乘积加权平均计算得到新的特征集。 本专利技术还公开了一种图像边缘检测设备，至少包括： 第一阶段处理模块，构造图像特征集和训练特征集，并根据所述训练特征集生成 初始种群，对所述初始种群进行优化操作得到优化的初始种群，解码优化的初始种群中适 应度最高的个体，获得待检测图像到边缘图像的第一个划分，根据该第一个划分结果生成 新的特征集； 第二阶段处理模块，基于所述新的特征集生成新种群，对所述新种群进行优化操 作得到优化的新种群，并解码优化后的新种群中适应度最高的个体，获得待检测图像到边 缘图像的第二个划分，根据第二个划分结果得到图像的边缘检测模型，以及按照所述边缘 检测模型进行图像边缘检测。 可选地，上述设备中，所述第一阶段处理模块，对所述初始种群进行优化操作得到 优化的种群指： 评估初始种群中各个体的适应度； 根据所述初始种群中各个体的适应度大小选择优胜个体，对所选择的优胜个体进 行交叉变异操作； 对交叉变异后的个体进行局部搜索，对局部搜索后的种群中各个体进行适应度评 估，直至种群中个体的最大适应度大于设定值或迭代次数达到阈值，得到优化的初始种群。 可选地，上述设备中，所述第一阶段处理模块根据所述初始种群中各个体的适应 度大小选择优胜个体指： 采用锦标赛策略选择初始种群中设定数目个个体。 可选地，上述设备中，所述第一阶段处理模块根据设定的变异步长对交叉变异后 的种群进行密集的变异操作。 可选地，上述设备中，所述第一阶段处理模块根据第一个划分结果生成新的特征 集指： 将所述训练特征集和解码优化的初始种群中适应度最高的个体的解码结果对应 乘积加权平均计算得到新的特征集。 采用本申请技术方案可以找到图像边缘点与非边缘点数学模型，通过少量的图像 及标记边缘图像的学习，从中得出图像边缘检测的一般模型，以实现图像边缘检测，且本申 请技术方案简单易用。 【专利附图】【附图说明】 图1是本专利技术的流程框图； 图2是本专利技术提出的新编码方式下的交叉操作的示意图； 图3是本专利技术提出的新编码方式下的变异操作的示意图； 图4是本专利技术的仿真效果与原方法的对比图。 【具体实施方式】 为使本专利技术的目的、技术方案和优点更加清楚明白，下文将结合附图对本专利技术技 术方案作进一步详细说明。需要说明的是，在不冲突的情况下，本申请的实施例和实施例中 的特征可以任意相互组合。 实施例I 本实施例提供一种图像边缘检测方法，主要包括如下操作： 构造图像特征集和训练特征集，根据该训练特征集生成初始种群，对初始种群进 行优化操作得到优化的初始种群，解码优化的初始种群中适应度最高的个体，获得待检测 图像到边缘图像的第一个划分，根据第一个划分结果生成新的特征集； 基于新的特征集生成新种群，对新种群进行优化操作得到优化的新种群，解码优 化后的新种群中适应度最高的个体，获得待检测图像到边缘图像的第二个划分，根据第二 个划分结果得到图像的边缘检测模型，按照该边缘检测模型进行图像边缘检测即可。 其中，针对初始种群和新种群的优化操作都可以采用相同的操作步骤，具体地，该 优选操作包括如下步骤： 评估种群中各个体的适应度； 根据种群中各个体的适应度大小选择优胜个体，对所选择的优胜个体进行交叉变 异操作； 对交叉变异后的个体进行局部搜索，对局部搜索后的种群中各个体进行适应度评 估，直至种群中个体的最大适应度大于设定值或迭代次数达到阈值，得到优化的种群。 优选地，根据种群中各个体的适应度大小选择优胜个体时，可以采用锦标赛策略 选择种群中设定数目个个体。 对交叉变异后的个体进行局部搜索时，也可以根据设定的变异步长对交叉变异后 的种群进行密集的变异操作。 还要说明的是，上述方法中涉及到根据第一个划分结果生成的新的特征集，是由 训练特征集和解码优化的初始种群中适应度最高的个体的解码结果对应乘积加权平均计 算得到的。 下面结合具体应用对本实施例作进一步详细说明。 上述边缘检测方法的具体实现过程，如图1所示，包括如下步骤： 步骤101，根据图像库中的图像，随机挑选出三幅原始图像和相应的人工标记边缘 的图本文档来自技高网...

【技术保护点】
一种图像边缘检测方法，其特征在于，该方法包括：构造图像特征集和训练特征集，根据所述训练特征集生成初始种群，对所述初始种群进行优化操作得到优化的初始种群，解码优化的初始种群中适应度最高的个体，获得待检测图像到边缘图像的第一个划分，根据第一个划分结果生成新的特征集；基于所述新的特征集生成新种群，对所述新种群进行优化操作得到优化的新种群，解码优化后的新种群中适应度最高的个体，获得待检测图像到边缘图像的第二个划分，根据第二个划分结果得到图像的边缘检测模型，按照所述边缘检测模型进行图像边缘检测。

【技术特征摘要】

【专利技术属性】
技术研发人员：杨振庚，吴楠，
申请(专利权)人：浪潮北京电子信息产业有限公司，
类型：发明
国别省市：北京;11