基于蟻群算法的圖像邊緣檢測(cè)_畢業(yè)設(shè)計(jì)答辯

1、基于蟻群算法的圖像邊緣檢測(cè)Image Edge Detection based on Ant Colony Algorithm指導(dǎo)老師：XXX匯報(bào)人：XXX目 錄Contents一二四三五六工作安排研究背景和目的圖像邊緣檢測(cè)概述蟻群算法實(shí)驗(yàn)結(jié)果及分析總結(jié)工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six一、工作安排工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析

2、Part Five總結(jié)Part Six進(jìn)展情況412342015年3月1、完成立題表、任務(wù)書(shū)2、撰寫開(kāi)題報(bào)告3、翻譯英文文獻(xiàn)2015年4月1、查閱文獻(xiàn)，學(xué)習(xí)理論2、完成代碼初步編寫2015年5月1、學(xué)習(xí)蟻群算法代碼2、完成程序最終調(diào)試2015年6月1、撰寫結(jié)題報(bào)告2、整理畢設(shè)成果3、準(zhǔn)備答辯工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six主要思想5畢業(yè)設(shè)計(jì)理論學(xué)習(xí)實(shí)驗(yàn)設(shè)計(jì)實(shí)驗(yàn)分析算法研究工作安排Part One目 錄Contents研究背景和目的Part T

3、wo圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six二、研究背景和目的研究背景7工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six光學(xué)顯微圖像分析生物醫(yī)學(xué)圖像X射線圖像地質(zhì)勘探遙感圖像分析粒子物理數(shù)字圖像處理工作安排Part One目 錄Contents研究背景和目的Part Two蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six8圖像邊緣檢測(cè)研究目的圖像邊緣檢測(cè)Par

4、t Three工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six三、圖像邊緣檢測(cè)概述工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six10圖像邊緣檢測(cè)流程原始圖像平滑圖像梯度圖像邊緣圖像邊緣點(diǎn)濾波：去噪、平滑圖像，提高檢測(cè)效果增強(qiáng)：突出圖像中梯度幅度值有顯著變化的點(diǎn)檢測(cè)：確定邊緣點(diǎn)定位：在亞像素分辨率上確定邊緣位置和方位Lap

5、lacian算子Prewitt算子Roberts算子Sobel算子Canny算子Kirsch算子工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six傳統(tǒng)邊緣檢測(cè)算子11123456工作安排Part One目 錄Contents蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six由于在圖像的采集過(guò)程中，圖像的清晰度會(huì)受到一些因素的干擾，導(dǎo)致產(chǎn)生噪聲、圖像模糊、對(duì)比度不強(qiáng)等問(wèn)題，使邊緣的提取或強(qiáng)化受到影響。因此，傳統(tǒng)的邊緣檢測(cè)算法效果并不理

6、想，表現(xiàn)在：1傳統(tǒng)的邊緣檢測(cè)定位精度不高2有效檢測(cè)需要使用多個(gè)不同尺度的邊緣檢測(cè)算子3在平滑噪聲圖像中，去噪容易丟失圖像的高頻信息4圖像多為斜坡邊緣，而大多數(shù)檢測(cè)算子都是節(jié)約邊緣12研究背景和目的Part Two圖像邊緣檢測(cè)Part Three工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six四、蟻群算法工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part

7、Five總結(jié)Part Six算法背景14蟻群算法又稱螞蟻算法，它是在1992年由意大利科學(xué)家Marco Dorigo等人受自然界螞蟻覓食過(guò)程中路徑選擇行為的啟迪而提出的一種新型搜索優(yōu)化算法。工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six算法原理15 昆蟲(chóng)學(xué)家經(jīng)過(guò)觀察發(fā)現(xiàn)，螞蟻在尋找食物源時(shí)，能在走過(guò)的路徑上釋放信息激素，并且它們分泌的信息量會(huì)隨著所走路徑的增長(zhǎng)和時(shí)間的推遲而不斷揮發(fā)，在一定范圍內(nèi)的其他螞蟻能夠感知到這種物質(zhì)的存在及其強(qiáng)度，并由此決定它們以后

8、的行為。從同一地點(diǎn)出發(fā)的一群螞蟻通過(guò)各自的路徑選擇方式找到一個(gè)相同食物源時(shí)，通過(guò)較短路徑的螞蟻可以在相同時(shí)間內(nèi)在自己經(jīng)過(guò)的路徑上搬運(yùn)更多次數(shù)的食物回巢。工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six算法特征16 在自然界中，類似螞蟻、蜜蜂、魚(yú)這類的昆蟲(chóng)，它們的個(gè)體雖然簡(jiǎn)單，但是在各自的群體中，個(gè)體之間的協(xié)作性很強(qiáng)。它們之間相互協(xié)作，共同完成某項(xiàng)群體任務(wù)，這就體現(xiàn)出了群體的自組織性。自組織 自然界中的真實(shí)螞蟻在尋找食物的過(guò)程中，會(huì)分泌相應(yīng)的信息素，時(shí)間越短，

9、次數(shù)越多，信息素量也就會(huì)越強(qiáng)。螞蟻就是通過(guò)路徑上信息素濃度的強(qiáng)弱來(lái)選擇下一個(gè)即將行走的路徑，最終找到巢穴到食物的最短路徑。這個(gè)過(guò)程就是所謂的正反饋。正反饋 將人工螞蟻分布在問(wèn)題空間的各個(gè)節(jié)點(diǎn)上，每只人工螞蟻開(kāi)始獨(dú)立構(gòu)造問(wèn)題的解，然后根據(jù)整個(gè)蟻群的運(yùn)動(dòng)趨勢(shì)求取最優(yōu)結(jié)果，因此一只螞蟻并不會(huì)影響整個(gè)算法的結(jié)果。分布式計(jì)算工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six算法流程17給 各 參 數(shù)變量賦初值，相當(dāng)于螞蟻均在蟻穴，等待出發(fā)。螞蟻根據(jù)給定路徑長(zhǎng)度和信息素強(qiáng)

10、度做動(dòng)態(tài)選擇，并在運(yùn)動(dòng)中釋放信息素。對(duì)于給定條件，若滿足，則算法停止；否則，返回優(yōu)化過(guò)程。初始化優(yōu)化過(guò)程終止條件工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six五、實(shí)驗(yàn)分析及分析工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six原始圖像19工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢

11、測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six運(yùn)行結(jié)果20=10，=0.1，=0.1工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six運(yùn)行結(jié)果21=1，=5，=0.5結(jié)論蟻群算法中參數(shù)的改變對(duì)于邊緣檢測(cè)的結(jié)果有很大的影響。工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six2

12、2蟻群算法參數(shù)設(shè)置一二三四五六七八九十101505110010101010.150.50.050.10.11100.10.010.10.50.50.050.10.10.10.10.050.01為了進(jìn)一步探討參數(shù)改變對(duì)蟻群算法邊緣檢測(cè)結(jié)果的影響，下面對(duì)十組數(shù)據(jù)進(jìn)行了分析比對(duì)，其數(shù)值設(shè)定如下表所示：工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six23=50，=0.5，=0.5=5，=0.05，=0.05工作安排Part One目 錄Contents研究背景和目的

13、Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six24=1，=0.1，=0.1=100，=0.1，=0.1工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six25=10，=1，=0.1=10，=10，=0.1工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part S

14、ix26=10，=0.1，=0.05=10，=0.1，=0.1工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six最佳參數(shù)27=1，=0.01，=0.01工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six28Laplacian算子Prewitt算子Roberts算子Sobel算子Canny算子Kirsch算子與傳統(tǒng)邊緣檢測(cè)算子比

15、較123456抗噪能力差易出現(xiàn)虛假邊緣易出現(xiàn)多像素寬度強(qiáng)魯棒性正反饋性收斂速度快工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six六、總結(jié)工作安排Part One目 錄Contents研究背景和目的Part Two圖像邊緣檢測(cè)Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)30總結(jié)Part Six本文提出了一種基于蟻群算法的圖像邊緣檢測(cè)，它是根據(jù)自然界中螞蟻能夠找到食物與蟻巢間最短路徑這一智能行為而提出的一種新型的進(jìn)化算法。通過(guò)一系列的仿真實(shí)驗(yàn)改變參數(shù)值，得到了較佳的實(shí)驗(yàn)效果。與傳統(tǒng)邊緣檢測(cè)算子相比，該算法具有很強(qiáng)的魯棒性，良好的正反饋特性和適應(yīng)性，且收斂速度快。（1）掌握蟻群算法的基本原理和基本模型。（2）成功實(shí)現(xiàn)基于MATLAB的邊緣檢測(cè)技術(shù)仿真。（3）通過(guò)多次實(shí)驗(yàn)尋找到較佳參數(shù)設(shè)定。工作安排Part One目 錄Con