遺傳算法在圖像邊緣檢測中的應(yīng)用研究.pdf_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、圖像的邊緣檢測是圖像處理中的一個(gè)關(guān)鍵環(huán)節(jié),經(jīng)典的邊緣檢測算法都有不同程度的局限性。找到與圖像中目標(biāo)的實(shí)際邊界線相對應(yīng)的真實(shí)邊緣,一直是圖像處理領(lǐng)域的研究熱點(diǎn)。遺傳算法是借鑒生物界的自然選擇和自然遺傳機(jī)制的隨機(jī)化搜索算法,最早于1975年由J.Holland 提出,是一種全局優(yōu)化搜索算法,具有簡單、通用、魯棒性強(qiáng)、適于并行處理等特性。如何將遺傳算法應(yīng)用到圖像的邊緣檢測中來,人們進(jìn)行了大量研究,但是這些研究大部分以經(jīng)典邊緣檢測算法為基礎(chǔ)展開

2、的。
   本文以經(jīng)典的邊緣檢測算法為基礎(chǔ),對基于比較費(fèi)用函數(shù)的邊緣檢測方法展開研究,采取一種新的編碼方案將遺傳算法應(yīng)用到圖像邊緣檢測中來,結(jié)合遺傳算法和禁忌搜索算法各自優(yōu)點(diǎn)提出了一種新的遺傳禁忌混合算法,并將該算法應(yīng)用于圖像邊緣檢測。仿真測試實(shí)驗(yàn)結(jié)果表明,新的算法檢測效果良好,穩(wěn)定性高,抗噪性能優(yōu)。
   本論文的主要研究內(nèi)容如下:
   首先,對經(jīng)典邊緣檢測算法原理進(jìn)行介紹分析,指出了每種檢測算法的優(yōu)缺點(diǎn)及改

3、進(jìn)方法措施,給出了幾種經(jīng)典邊緣檢測算法的實(shí)際檢測效果,并對檢測結(jié)果進(jìn)行比較分析。
   針對經(jīng)典算法的不足,詳細(xì)介紹了基于比較費(fèi)用函數(shù)的圖像邊緣檢測方法,提出了一種改進(jìn)的迭代算法實(shí)現(xiàn)圖像的邊緣檢測,對迭代算法和實(shí)驗(yàn)檢測結(jié)果進(jìn)行分析,將檢測效果與經(jīng)典檢測算法的檢測效果進(jìn)行比較,新的檢測方法檢測效果良好。
   在基于比較費(fèi)用函數(shù)的圖像邊緣檢測方法基礎(chǔ)上,利用標(biāo)準(zhǔn)遺傳算法優(yōu)化費(fèi)用函數(shù)從而實(shí)現(xiàn)圖像的邊緣檢測,提出了一種新的染色

4、體編碼方案,即以二維布爾矩陣作為染色體,每個(gè)染色體代表一種可能的邊緣圖像候選解,該編碼方案無需解碼就可直接計(jì)算各個(gè)體的適應(yīng)度值,實(shí)驗(yàn)結(jié)果顯示能檢測到較滿意的邊緣圖像。
   最后,針對標(biāo)準(zhǔn)遺傳算法易于早熟的特點(diǎn),研究了一種新的基于禁忌搜索和遺傳算法相結(jié)合的遺傳禁忌混合算法,有效地克服了標(biāo)準(zhǔn)遺傳算法的早熟現(xiàn)象,收斂速度較快,將該算法應(yīng)用于不同類型的圖像進(jìn)行測試,實(shí)驗(yàn)結(jié)果表明該算法能檢測多種類型圖像,邊緣檢測效果明顯提高且具有較強(qiáng)的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論