对数字图像快速有效的圆检测方法.docVIP

. Word 文档 对数字图像快速有效的圆检测方法 摘要：本文提出了两种新的和有效的源于灰度图像的圆检测方法。作为一种工具，我们已经使用了在一个方案中的蚁群算法。在其它计划中，我们使用蚁群再生和重组系统（ARRS），自主研发的一种全新的方法。在这里提出的方案，有三个常见的步骤。首先，MATLAB边缘检测算子将灰度图像转换成一个二进制的1；然后我们应用此二进制图像检测闭合回路；最后，这些闭合回路用来测试圆。方案的主要特点之一是，他们可以检测相交和不想交的圆圈组成的不同形状的图像。第一个方案是传统的蚁群算法修改之后的应用程序，在计算结果方面有很准确的结果。因此，我们构建一个新的蚁群系统（ARRS），可以在令人难以置信的时间和内存效率检测出圆，使其适用于实时应用。 关键词：循环检测，圆检测，蚂蚁系统算法，蚁群再生和重组系统。 1.引言 从拍摄的图像的检测规则几何形状的各种方法已经被研究。其中Hough变换（HT）是最流行的一种，已被用于提取分析功能，如直线，圆，椭圆，因为它抗噪声好。这种技术的一个严重的缺点是它巨大的时间和空间复杂度，时间复杂度与用于表征该形状的参数的数目呈指数增长。 本文中，我们提出了全新的方案来有效地进行圆检测，从现实生活中的图像，同时使用蚁群算法和蚂蚁再生和重组系统（ARRS），这是一种全新的算法。据我们所知，我们无法从有效的灰度图像准确、快速地提取有关相交或者是非相交的圆的任何工作，这一点是我们论文所主要研究的。 本文已被细分为8个部分。第二节将介绍我们的第一个基于蚁群算法的圆检测方案，我们将其叫做方案I。在第三节，我们介绍了我们的方案II蚂蚁再生和重组系统。在第四节提出了一种基于探索方案II图形基础上改进的闭环检测方法。第五节中提供了基本算法，用于从闭环中检测圆。第六节为方案I和方案II提供了仿真结果，文章最后的结论和今后的工作范围在第七部分。由于空间的稀缺性，我们无法提供预览的蚁群算法。详细讨论这算法可在[3],[4]。 2. 方案I：闭环检测中的蚁群算法 基于蚁群算法的方案I 由三个步骤组成：1.根据蚂蚁像素强度和信息素浓度产生解决2.在他们的路径封闭循环检测和测试这些循环的圆形和椭圆形；3.信息素信息的更新。这三个执行步骤在下面描述。 首先，使用MATLAB的边缘检测算子（如sobel和canny）将现实生活中的灰度级图像转换成一个二进制1.它们将高强度梯度地区转换到边缘。因此，在二进制图像中，每一个像素相关联的强度值是0或1。这些强度值被储存在一个二维结构P中。Pij中P的每一个元素有四个信息字段。它们是四（代表强度值），ant_token(将在后面解释)，Phr（存储信息素的各像素的浓度）和圆（将在后面解释）。 在成立之初，大量的蚂蚁被随机放置在边缘像素，每一只蚂蚁具有一定的记忆。它们存储被访问的像素，而像素是闭合回路的一部分。它们行进通过了边缘像素同时也记下了经历过的数目。每当一只蚂蚁试图移动到一个新的像素，首先搜索在其附近的边缘像素。附近居住的蚂蚁（I,J）个像素 Nij={(m,n):i-1≤m≤i+1, j-1≤n≤j+1,(m,n)变成一个边缘像素}。搜索的方法是如果蚂蚁已检测到一个闭环是不同的，当它没有发现任何的闭环时。每个像素具有ant_token的字段。蚂蚁，通过一个像素移动的同时，离开它在该像素ant_token字段上的识别号。当蚂蚁遇到一个像素进行识别号码，它便会得到一个二进制的循环检测器。这意味着，蚂蚁已经检测到一个封闭环。循环检测域设定在0处。循环检测域已经设好，蚂蚁就会向仍未访问过的边缘像素移动。这样做是为了防止通过相同的穿越路径，否则，蚂蚁可以移动到它们的邻居，那些它们访问过的或者未访问的至少三步骤前的边缘像素。以防有多重选择，对于上述的任何情况下，它会根据伪随机分布选择下一个像素。其中，P(M.N)是第（M,N）像素下一个选择一和τmn的（m,n）个像素的信息素浓度的概率。一旦蚂蚁检测到一个闭合回路，它储存在其储存器中的像素使其闭环。这些封闭的环会根据第5节中所描述的算法检测圆。在蚂蚁算法中，蚂蚁对于较重的信息素浓度路径选择的概率较大。在这种情况下信息素作为一个正反馈。但是，为以更好的方法探索整体图像，在方案I中，蚂蚁是基于信息素的水平较大的概率选择路径。因此，蚂蚁被启发探索以前任何其他蚂蚁没有访问过的边缘。随着新方法，信息素的沉积规则也改变了。当蚂蚁从多个分支的起源到达一个点，它选择的路径仅依赖于路径的信息素的水平。每只蚂蚁也在计算它在旅行中作出决定的数量。现在，一只蚂蚁信息素的沉积量与必须进行决策的数量成反比。因此，如果蚂蚁在其路径中遇到许多分支，不能探索，然后就存储信息素，是蚂蚁启发通过这条道路，去探索那些没