基于改进遗传算法的边缘检测阈值自动选取及其应用.pdfVIP

基于改进遗传算法的基于改进遗传算法的 基于改进遗传算法的基于改进遗传算法的 边缘检测阈值自动选取及其应用边缘检测阈值自动选取及其应用 边缘检测阈值自动选取及其应用边缘检测阈值自动选取及其应用 华刚 郑南宁 薛建儒 (西安交通大学人工智能与机器人研究所 710049) 摘要：针对我们设计的面向应用环境的精密装配机器人视觉系统边缘检测的阈值自动选取的问题，通 过对传统遗传算法的改进，提出了一种二次搜索寻优的阈值选取策略。通过这种改进的遗传算法进行边缘 提取阈值的自动选取,能够显著的提高阈值选取的速度。将其应用于我们的视觉系统，可以对我们的视觉系 统所产生的边缘图像进行阈值的实时的自动选取，增强了整个视觉系统的实时性和鲁棒性。 关键词： 边缘检测 遗传算法 类间方差 机器人视觉系统 中图法分类号：TP391.4 一一 引言引言 一一 引言引言 图像的边缘是图像的重要的特征,它给出了图像场景中物体的轮廓特征信息。当要对图 像中的某一个物体进行识别时，边缘信息是重要的可以利用的信息，例如在很多系统中采用 的模板匹配的识别算法。基于此，我们设计了一套基于 PCI Bus 和 Vision Bus 的可重构的机 器人视觉系统[3]。此系统能够实时的对图像进行采集，并可以通过系统实时的对图像进行 边缘的提取。 对于图像的边缘提取，采用二阶的边缘检测算子处理后要进行过零点检测，计算量很大 而且用硬件实现资源占用大且速度慢，所以在我们的视觉系统中，卷积器中选择的是一阶的 边缘检测算子。采用一阶的边缘检测算子进行卷积运算之后，仅仅需要对卷积得到的图像进 行阈值处理就可以得到图像的边缘，而阈值处理的操作用硬件实现占用资源少且速度快。由 于本视觉系统要求与应用环境下的精密装配机器人配合使用，系统的实时性要求非常高。因 此，如何对实时采集图像进行快速实时的边缘提取阈值的自动选取，是我们必须要考虑的问 题。 遗传算法是一种仿生物系统的基因进化的迭代搜索算法，其基本思想是由美国 Michigan 大学的 J.Holland 教授提出的。由于遗传算法的整体寻优策略以及优化计算时不依赖梯度信 息，所以它具有很强的全局搜索能力，即对于解空间中的全局最优解有着很强的逼近能力。 它适用于问题结构不是十分清楚，总体很大，环境复杂的场合，而对于实时采集的图像进行 边缘检测阈值的选取就是此类问题。本文在对传统的遗传算法进行改进的基础上，提出了一 种对于实时采集图像进行边缘检测的阈值的自动选取方法。 二二 遗传算法及其改进遗传算法及其改进 二二 遗传算法及其改进遗传算法及其改进 遗传算法相对于其它的寻优算法而言其优点在于它对 目标问题的求解完全 的依赖于解 空间的个体及其适应度，而不需要其它的知识，故它对于解决复杂的非线性、非结构性问题 有很强的求解能力。传统的简单遗传算法概括起来包括 以下几个步骤： ①．在利用遗传算法进行迭代搜索之前，首先应对 目标解空间进行编码，对 目标解空间 的编码是非常重要的一步，它对后面遗传算法的迭代运算的收敛产生直接 的影响 。如对于 256 级灰度图像而言，可以直接采用 8 位长 自然编码，编码类似于生物体的基因链 。 ②．其次还要确定的是解空间个体对于待求解 问题的适应度的计算问题，即适应度函数 的选取问题。适应度函数的选取是实现遗传算法最关键的一步，因为后面要说明的遗传算法 的三种基本运算选择、杂交和变异 中的选择运算是直接建立在适应度函数上的，而且它是遗 传算法寻求最优解 的基础 。 本论文涉及课题为 863 资助课题 1 ③．在确定 了遗传算法的编码方式和适应度函数之后，接下来就是在解空间内随机的选 取 N 个个体形成初始群体。初始群体中每一个个体称为初始个体，表示 了问题的初始解 。 ④．根据群体中各个个体的适应度，按照一定的策略选取 M 个最好的个体作为繁殖下 一代的群体。选择应体现 “适者生存”的原则。即让适应度高的个体获得较多的繁殖后代的 机会 。 ⑤．对选择产生的 M 个个体，按照事先设定的杂交概率任意