非參數(shù)曲線提取方法研究.pdf

1、曲線提取與曲線識別是圖像識別、圖像理解、機器視覺等領域中非常重要的基本識別技術，在經(jīng)濟、國防、工業(yè)、安全等諸多方面有著廣泛應用。在進行圖像識別時，要首先對圖像進行預處理、分割運算，然后提取曲線特征，最后進行識別。而圖像的復雜性和多樣性以及預處理、分割算法的局限性使得分割后的二值圖像中存在大量的噪聲，同時曲線中也存在斷點，為曲線的特征提取帶來了困難。Hough 變換能夠有效的從充斥噪聲的二值圖像中提取曲線，是曲線識別中的主要工具。但利用H

2、ough 變換進行曲線識別，需要預知曲線方程或形狀，而實際圖像中的曲線在許多情況下是無法在識別前預知其方程或形狀的，也就無法使用Hough 變換來提取曲線。論文將這類曲線稱之為非參數(shù)曲線，而對它的提取問題歸結為離散的組合優(yōu)化問題，并在對遺傳算法、蟻群優(yōu)化算法進行深入研究的基礎上，提出了基于蟻群算法的非參數(shù)曲線提取方法。論文的主要研究內(nèi)容和所取得的成果包括如下幾個方面： (1) 論文介紹了用Hough 變換識別參數(shù)曲線的理論方法，

3、以及參數(shù)曲線與非參數(shù)曲線的概念。闡明了基于組合優(yōu)化理論的非參數(shù)曲線識別的基本思想，制定了基于優(yōu)化算法的非參數(shù)曲線提取方案，并在研究前人基于小生境遺傳優(yōu)化的非參數(shù)曲線特征提取算法的基礎上，采用蟻群優(yōu)化來對非參數(shù)曲線進行提取，取得了較好的效果。 (2) 論文對遺傳算法、蟻群優(yōu)化算法展開了深入的研究。針對算法中的缺陷與不足，提出了三種改進算法：具有局部搜索能力的小生境遺傳算法、蟻群遺傳混合算法、求解旅行商問題的智能蟻群優(yōu)化算法。論文闡

4、述了改進算法的思想、算法流程、和算子的設計，并通過多峰值函數(shù)、旅行商問題的仿真實驗，驗證了改進算法的合理性和有效性。 (3) 針對非參數(shù)曲線識別問題，論文在基于蟻群優(yōu)化的非參數(shù)曲線提取算法中設計了搜索終止概率函數(shù)，用于動態(tài)的判斷螞蟻是否繼續(xù)添加解成分，解決了非參數(shù)曲線提取問題中解不定長的問題；路徑翻轉(zhuǎn)算子與搜索終止函數(shù)的共同作用解決了非參數(shù)曲線提取問題中曲線起點像素、終點像素不合一的問題，使得螞蟻可以隨機選擇初始非零像素；論文同

5、時對蟻群優(yōu)化中的啟發(fā)式信息給出了合理定義，并設計了相應的狀態(tài)轉(zhuǎn)移規(guī)則和信息素更新規(guī)則；局部搜索算子的引入一定程度上對蟻群優(yōu)化的粗搜索進行了彌補，進一步優(yōu)化了螞蟻所構造的曲線；通過對含有各種長度、各種角度、各種紋理、存在各種噪聲的二值圖像的實驗，結果表明算法是有效的。 (4) 為了在同一幅二值圖像當中同時提取兩條甚至多條非參數(shù)曲線，論文對兩曲線之間的相似度進行了定義，并在此基礎上討論了基于蟻群優(yōu)化的多曲線提取算法，也取得了良好的效