一种图像边缘检测优化方法技术

本发明专利技术公开了一种图像边缘检测优化方法，包括下列步骤：步骤一、初始化；通过细菌趋化性耦合蚁群优化设计优化算子，将可行最优解转化为初始信息素矩阵，并将初始信息素矩阵中像素点的信息素初始化；步骤二、路径选择和信息素更新；蚂蚁移动每一步根据像素的信息素值和期望值计算转移概率，当蚂蚁经历一个像素点时进行信息素更新，并在完成迭代运算后，对全局信息素更新；步骤三、判断与图像分割；根据阈值将像素的最终信息素分为两部分并计算均值，进行所述阈值的更新，根据更新后的最终阈值进行边缘检测。本发明专利技术解决蚁群算法缺乏有效初始信息素的问题，提高了检测的准确度和抗噪性，使得检测目标具有更好的边缘连续性和更清晰的边缘。缘。缘。

【技术实现步骤摘要】
一种图像边缘检测优化方法


[0001]本专利技术属于图像处理
，具体一种图像边缘检测优化方法。

技术介绍

[0002]图像分割的目的是将目标和背景分离，为计算机视觉的后续处理提供依据。图像分割是图像理解与计算机视觉的前提，也是图像处理与分析的基本技术之一。蚁群算法是一种仿生进化算法，是具有离散性、并行性、鲁棒性、正反馈性等特点的一种随机搜索方法。蚁群算法已成功应用于图像分割，但是蚁群算法具有一定的不确定发散性，而传统的蚁群优化图像边缘检测算法中信息素的作用不明显，由于缺乏有效的初始信息素使得优化结果难以获得全局最优解，这样导致传统蚁群边缘检测技术容易陷入停滞行为，图像边缘检测的准确度和抗噪性较差，导致目标边缘检测精度与效率不高，检测目标无法获得足够的边缘连续性和清晰的边缘，也难以准确检测出微小的位置。

技术实现思路

[0003]本专利技术的目的是提供一种图像边缘检测优化方法，用于解决现有技术中由于缺乏有效的初始信息素导致图像边缘检测的准确度和抗噪性较差、目标边缘检测精度与效率不高的技术问题。
[0004]所述的一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像边缘检测优化方法，其特征在于：包括下列步骤：步骤一、初始化；根据蚁群算法进行图像处理，通过细菌趋化性耦合蚁群优化设计优化算子，将当前搜索到的可行最优解转化为蚁群算法的初始信息素矩阵，并将初始信息素矩阵中像素点的信息素初始化，由此生成有效的初始信息素；步骤二、路径选择和信息素更新；蚂蚁移动每一步根据像素的信息素值和期望值计算的转移概率，并由此决定蚂蚁到达的位置，当蚂蚁经历一个像素点时进行信息素更新，并在完成全部蚂蚁迭代运算后，对全局信息素更新；步骤三、判断与图像分割；根据阈值将像素的最终信息素分为两部分并计算相应的平均值，基于上述平均值进行所述阈值的更新，依据设定的终止条件输出更新后的最终阈值，并根据最终阈值进行边缘检测，完成分割图像。2.根据权利要求1所述的一种图像边缘检测优化方法，其特征在于：所述步骤一中，假设蚂蚁和节点的数量分别为m和L，表示时间t时节点i和节点j之间的信息素大小，开始时，每条路线上的信息素大小相等，均为τ
ij
(0)＝C，C为常数，蚂蚁在运动过程中根据信息素大小进行移动，因此，蚂蚁k从节点i行走到j的几率可定义如下：其中，为蚂蚁k从节点i行走到j的几率，allowed
k
是蚂蚁k待访问的点集，tabu
k
(k＝1，2
…
m)是蚂蚁k的tabu列表，表示蚂蚁k的服务点，η
ij
(t)是启发式值，表示时间t时节点i到节点j的期望程度，通常表示为η
ij
(t)＝1/d
ij
，d
ij
表示节点i和节点j之间的距离，α是信息素值，表示两个节点之间运动轨迹的相对权重，β是期望值，表示可见性的相对权重；在所有蚂蚁完成一个循环后，应更新路径中的剩余信息素，以避免信息素的无限积累，信息素的更新规则是：τ
ij
(t+1)＝(1
‑
ρ)τ
ij
(t)+Δτ
ij
(t)，(t)，其中，ρ是一个信息素全球蒸发因子，代表信息素的持久性，如果ρ∈[0，1]，1
‑
ρ反映了信息素的蒸发程度，是这个圆圈中蚂蚁路径(i，j)的信息素大小，Δτ
ij
(t)是这个圆圈中所有蚂蚁在路径(i，j)中的信息素大小总和，D
k
是蚂蚁k在这个圆上行走的路线长度，Q为信息素常量，属于超参数，其设置可能影响算法的收敛快慢。3.根据权利要求2所述的一种图像边缘检测优化方法，其特征在于：对上述设定的蚁群算法基于细菌趋化性改进后的求解步骤具体如下：1)初始化参数：α、β、ρ和Q；2)对细菌趋化算子的参数进行初始化，包括细菌尺寸、细菌定位初始值和细菌移动速度；
3)将细菌趋化的计算精度设定为ε1，属于超参数，计算获得最小运动时间T0、与维数无关的参数b0和相关时间t
c
；4)计算移动方向，判断向左或向右转动的新方向，由于左转或右转的概率相同，能计算得到新移动方向与原方向夹角的概率；5)计算细菌在新方向的持续时间t
i
；6)计算搜索空间中的坐标，由下式确定，然后找到可行的最优解：x
inew
＝x
iold
+n
μ
l0，其中，x
inew
是细菌的新坐标。x
iold
是前一刻细菌的坐标，n
μ
是正则化新路径线的向量。l0是正则化新路径线的长度，然后找到可行的最优解；7)根据步骤6)中搜索到的可行最优解，生成的每条路线上的初始信息素，表示为：其中，表示通过细菌趋化性得到的时间0时刻节点i和节点j之间的信息素大小；8)使迭代时间NC＝0；9)根据蚂蚁k从节点i行走到j的几率的定义计算蚂蚁k的移动概率，并移动到下一个位置j，同时将j加入tabu
k
；10)判断tabu
k
是否已满，如果没有，返回步骤9)，否则继续执行步骤11)；11)根据信息素的更新规则对信息素整体更新，当蚂蚁每经历一个像素点时，更新该像素点的局部信息素；12)重复执行从步骤8)到步骤11)，全部的蚂蚁完成迭代后，进行全局信息素更新，搜寻全局最优解。4.根据权利要求3所述的一种图像边缘检测优化方法，其特征在于：所述步骤一中的步骤4)具体包括：表示细菌的n
‑
1维角矢量，然后，在n维空间的(x1，x2，...，x
n
)处的细菌被表达为：处的细菌被表达为：处的细菌被表达为：其中，为第i
‑
1个角向量，i＝2，
…
，n
‑
1，为第k个角向量，k＝1，2，
…
，n
‑
1；r为回转半径，表示将的值从k＝1到k＝n
‑
1的累乘值；然后，根据下列两个公式判断向左或向右转动的新方向，公式表示如下：然后，根据下列两个公式判断向左或向右转动的新方向，公式表示如下：
式中，表示向左转动的概率，表示向右转动的...

【专利技术属性】
技术研发人员：卢曦，张琼，潘良，陈浩，
申请(专利权)人：南通理工学院，
类型：发明
国别省市：