改進的蟻群算法及其在圖像邊緣檢測中的應(yīng)用研究.pdf

1、由于圖像常被視為由其像素點組成的大數(shù)據(jù)量矩陣,圖像邊緣檢測在數(shù)學上可以歸結(jié)為求解組合優(yōu)化問題。而蟻群算法的正反饋、魯棒性、分布式等優(yōu)點都有利于處理復雜的、大數(shù)據(jù)量的組合優(yōu)化問題或是能夠轉(zhuǎn)化成組合優(yōu)化求解類的問題。因此將蟻群算法用于圖像邊緣檢測是一種有效的探索和嘗試。
　　針對傳統(tǒng)蟻群的圖像邊緣檢測算法存在圖像邊緣檢測效果不佳，算法易于陷入局部最優(yōu)且算法的隨機和正反饋兩種機制易失衡，以及算法收斂速度過慢等缺點，提出一種改進的蟻群圖像

2、邊緣檢測算法。改進算法將螞蟻初始位置的隨機分布轉(zhuǎn)變?yōu)榉胖迷趫D像邊緣附近，同時在算法的初始化階段加入禁忌表，將經(jīng)典Canny邊緣檢測算子得到的邊緣信息作為螞蟻運動的啟發(fā)信息，建立基于蟻群算法的邊緣追蹤模型，還對信息素揮發(fā)率ρ進行了自適應(yīng)調(diào)整，得到新的信息素更新公式。最后通過進一步的仿真試驗說明改進算法的有效性。
　　仿真試驗表明：螞蟻初始位置分布的改變，使其以較高概率成為邊緣的像素點作為起點對圖像進行全局搜索，在對高概率區(qū)域檢測的同

3、時也將算法迭代過程更多地應(yīng)用于局部邊緣的尋找，提高了算法運行效率；而禁忌表的加入有助于加強螞蟻尋找最優(yōu)解的能力，避免了螞蟻在局部搜索范圍內(nèi)進行無意義的往返運動；蟻群算法邊緣追蹤模型的建立，實現(xiàn)了信息素和啟發(fā)信息共同對邊緣追蹤的導向作用，避免了螞蟻在非邊緣區(qū)域分布和行走，還解決了傳統(tǒng)算法中隨機性和正反饋兩種機制的不協(xié)調(diào)的問題。自適應(yīng)地改變信息素揮發(fā)率系數(shù)的值將會提高算法的全局搜索能力，信息素揮發(fā)率ρ的調(diào)整是為了避免算法陷入局部最優(yōu)或者停滯