基于蚁群算法的图像边缘提取技术.pdfVIP

阳臌啊 僵息技术与僵息亿 基于蚁群算法的图像边缘提取技术 ImageEdgeDetectionTechnologyBasedontheAntColonyAlgorithm 刘英芹 秦茂玲 张国民 LIUYing—qin QlNMao—ling ZHANGGuo—rain doi：10．3969／j．issn．1672—9528．2009．05．009 Abstract Antcolonyalgorithm isanew intelligentheuristicsearchalgorithm thatbasedontheprincipleof therealantcolony．Inthispaper，weusedtheAntcolonyalgorithm toserachandextracttheimageedge．Inthe process，Antcolonycanadaptiveadjustmentoftheirbehaviorsthroughtheirintelligentfeatures．Thenweintro— ductedtheconceptof“Eliteants”，andcombinewiththeAntcolonyalgorithm tosearchandextractiontheimage edgecanoptimizetheserachprocessandimprovethespeed． Keywords Serachandextractiontheimageedge Antcolonyalgorithm Eliteants 够智能搜索、全局优化 ，而且具有稳健性 (鲁棒性)、正反馈、分布 1 引言 式计算 、易与其它算法结合等特点 J。蚁群算法是受 自然界中真 边缘检测是图像处理中的一项基本视觉处理技术。边缘像 实的蚁群觅食行为启发产生的一种基于群体的模拟进化算法，属 素组成一副图像的直的或弯曲的边界…，是理解图像的一个重要 于随机搜索算法。自然界中的蚂蚁能够通过相互协作找到从蚁 因素。边缘检测在计算机视觉和图像处理系统里 占有重要的地 巢到食物的最短路径，并且能随环境变化而变化，很快地重新找 位。到 目前为止已经有许多成功的边缘检测的算法，主要分为微 到最短路径。这是因为蚂蚁在寻找食物时，能在其经过的路径上 分算子和基于零交集的方法 。本文提出了一种智能的边缘搜 释放一种叫做信息素的物质，使得一定范围内的其他蚂蚁能够感 索算法。将蚁群算法引入到边缘检测中，通过设置一系列蚁群 ， 觉到这种物质，并且蚂蚁会以一定的概率向着信息素浓度高的方 将蚁群随机的放人图像中，利用蚂蚁的智能性进行边缘检测。并 向移动。而移动留下的信息素又会对原有的信息素进行加强，这 引入 “精英蚂蚁”的概念，优化搜索路径 ，提高搜索速度。 样经过蚂蚁越多的路径信息素越强，而后续的蚂蚁选择该路径的 1．1 蚁群算法的基本原理 可能性也越大。由于在相同时间段内越短的路径会被越多的蚂 蚁群算法 (AntColonyAlgorithm)是由意大利学者 M．Dorigo， 蚁访问，所以后续的蚂蚁选择较短路径的可能性也越大，最后所 V．Mnaiezzo，A．Coloni等人在2(】世纪9o年代初期首先提出，并逐 有的蚂蚁都走最短的那条路径。因此，蚂蚁群体的集体行为实际 步引起人们广泛重视的一种新的仿生学算法。蚁群算法不仅能 上构成了一种学习信息的正反馈现象 J。蚂蚁之间通过这种信