1、基于蟻群算法的圖像邊緣檢測Image Edge Detection based on Ant Colony Algorithm指點教師：XXX匯報人：XXX目 錄Contents一二四三五六任務安排研討背景和目的圖像邊緣檢測概述蟻群算法實驗結果及分析總結任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six一、任務安排任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析

2、Part Five總結Part Six進展情況412342021年3月1、完成立題表、義務書2、撰寫開題報告3、翻譯英文文獻2021年4月1、查閱文獻，學習實際2、完成代碼初步編寫2021年5月1、學習蟻群算法代碼2、完成程序最終調試2021年6月1、撰寫結題報告2、整理畢設成果3、預備爭辯任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six主要思想5畢業(yè)設計實際學習實驗設計實驗分析算法研討任務安排Part One目 錄Contents研討背景和目的Part T

3、wo圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six二、研討背景和目的研討背景7任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six光學顯微圖像分析生物醫(yī)學圖像X射線圖像地質勘探遙感圖像分析粒子物理數字圖像處置任務安排Part One目 錄Contents研討背景和目的Part Two蟻群算法Part Four實驗結果及分析Part Five總結Part Six8圖像邊緣檢測研討目的圖像邊緣檢測Par

4、t Three任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six三、圖像邊緣檢測概述任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six10圖像邊緣檢測流程原始圖像平滑圖像梯度圖像邊緣圖像邊緣點濾波：去噪、平滑圖像，提高檢測效果加強：突出圖像中梯度幅度值有顯著變化的點檢測：確定邊緣點定位：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算子任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six傳統邊緣檢測算子11123456任務安排Part One目 錄Contents蟻群算法Part Four實驗結果及分析Part Five總結Part Six由于在圖像的采集過程中，圖像的明晰度會遭到一些要素的干擾，導致產生噪聲、圖像模糊、對比度不強等問題，使邊緣的提取或強化遭到影響。因此，傳統的邊緣檢測算法效果并不理

6、想，表如今：1傳統的邊緣檢測定位精度不高2有效檢測需求運用多個不同尺度的邊緣檢測算子3在平滑噪聲圖像中，去噪容易喪失圖像的高頻信息4圖像多為斜坡邊緣，而大多數檢測算子都是節(jié)約邊緣12研討背景和目的Part Two圖像邊緣檢測Part Three任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six四、蟻群算法任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part

7、Five總結Part Six算法背景14蟻群算法又稱螞蟻算法，它是在1992年由意大利科學家Marco Dorigo等人受自然界螞蟻尋食過程中途徑選擇行為的啟迪而提出的一種新型搜索優(yōu)化算法。任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six算法原理15 昆蟲學家經過察看發(fā)現，螞蟻在尋覓食物源時，能在走過的途徑上釋放信息激素，并且它們分泌的信息量會隨著所走途徑的增長和時間的推遲而不斷揮發(fā)，在一定范圍內的其他螞蟻可以感知到這種物質的存在及其強度，并由此決議它們以后

8、的行為。從同一地點出發(fā)的一群螞蟻經過各自的途徑選擇方式找到一個一樣食物源時，經過較短途徑的螞蟻可以在一樣時間內在本人經過的途徑上搬運更多次數的食物回巢。任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six算法特征16 在自然界中，類似螞蟻、蜜蜂、魚這類的昆蟲，它們的個體雖然簡單，但是在各自的群體中，個體之間的協作性很強。它們之間相互協作，共同完成某項群體義務，這就表達出了群體的自組織性。自組織 自然界中的真實螞蟻在尋覓食物的過程中，會分泌相應的信息素，時間越短，

9、次數越多，信息素量也就會越強。螞蟻就是經過途徑上信息素濃度的強弱來選擇下一個即將行走的途徑，最終找到巢穴到食物的最短途徑。這個過程就是所謂的正反響。正反響 將人工螞蟻分布在問題空間的各個節(jié)點上，每只人工螞蟻開場獨立構造問題的解，然后根據整個蟻群的運動趨勢求取最優(yōu)結果，因此一只螞蟻并不會影響整個算法的結果。分布式計算任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six算法流程17給各參數變量賦初值，相當于螞蟻均在蟻穴，等待出發(fā)。螞蟻根據給定途徑長度和信息素強度做動

10、態(tài)選擇，并在運動中釋放信息素。對于給定條件，假設滿足，那么算法停頓；否那么，前往優(yōu)化過程。初始化優(yōu)化過程終止條件任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six五、實驗分析及分析任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six原始圖像19任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢

11、測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six運轉結果20=10，=0.1，=0.1任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six運轉結果21=1，=5，=0.5結論蟻群算法中參數的改動對于邊緣檢測的結果有很大的影響。任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six2

12、2蟻群算法參數設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為了進一步討論參數改動對蟻群算法邊緣檢測結果的影響，下面對十組數據進展了分析比對，其數值設定如下表所示：任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six23=50，=0.5，=0.5=5，=0.05，=0.05任務安排Part One目 錄Contents研討背景和目的

13、Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six24=1，=0.1，=0.1=100，=0.1，=0.1任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six25=10，=1，=0.1=10，=10，=0.1任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part S

14、ix26=10，=0.1，=0.05=10，=0.1，=0.1任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six最正確參數27=1，=0.01，=0.01任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six28Laplacian算子Prewitt算子Roberts算子Sobel算子Canny算子Kirsch算子與傳統邊緣檢測算子

15、比較123456抗噪才干差易出現虛偽邊緣易出現多像素寬度強魯棒性正反響性收斂速度快任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結Part Six六、總結任務安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實驗結果及分析Part Five總結30總結Part Six本文提出了一種基于蟻群算法的圖像邊緣檢測，它是根據自然界中螞蟻可以找到食物與蟻巢間最短途徑這一智能行為而提出的一種新型的進化算法。經過一系列的仿真實驗改動參數值，得到了較佳的實驗效果。與傳統邊緣檢測算子相比，該算法具有很強的魯棒性，良好的正反響特性和順應性，且收斂速度快。1掌握蟻群算法的根本原理和根本模型。2勝利實現基于MATLAB的邊緣檢測技術仿真。3經過多次實驗尋覓到較佳參數設定。任務安排Part One目 錄C