改進(jìn)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(xué)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(fù)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(jī)和正反饋兩種機(jī)制易失衡，以及算法收斂速度過慢等缺點，提出一種改進(jìn)的蟻群圖像

2、邊緣檢測算法。改進(jìn)算法將螞蟻初始位置的隨機(jī)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(yùn)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?fù)]發(fā)率ρ進(jìn)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(jìn)一步的仿真試驗說明改進(jìn)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(jìn)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(yùn)行效率；而禁忌表的加入有助于加強(qiáng)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(jìn)行無意義的往返運(yùn)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(dǎo)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(jī)性和正反饋兩種機(jī)制的不協(xié)調(diào)的問題。自適應(yīng)地改變信息素?fù)]發(fā)率系數(shù)的值將會提高算法的全局搜索能力，信息素?fù)]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