基于蚁群优化的图像边缘检测算法

被引：9

作者：

张健 ^{[1
,2
]}

何坤 ^{[3
]}

郑秀清 ^{[3
]}

周激流 ^{[3
]}

机构：

[1] 四川大学电子信息学院

[2] 四川师范大学物理与电子工程学院

[3] 四川大学计算机学院

来源：

计算机工程 | 2011年 / 37卷 / 17期

关键词：

边缘检测; 蚁群优化; 特征提取; 梯度; 统计均值;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为提高图像边缘检测的精度与抗噪性能,提出一种基于蚁群优化的图像边缘检测算法。将图像像素梯度值和像素圆形邻域统计均值的相对差共同作为蚁群的启发信息,引导蚁群搜索图像边缘。实验结果表明,该算法能最大限度地保留边缘细节,并能抑制噪声和纹理,具有较好的鲁棒性。

引用

页码：191 / 193

页数：3

共 6 条

[1] 基于统计估计的图像边缘检测 [J].

周激流 ;

詹晓倩 ;

何坤 ;

刘昶 .

沈阳工业大学学报, 2010, 32 (06) :665-671

[2] 面向TSP求解的混合蚁群算法 [J].

张泓 ;

李爱平 ;

刘雪梅 .

计算机工程, 2009, 35 (08) :34-37

[3] 一种新的图像混合自适应滤波器 [J].

杜海顺 ;

汪凤泉 .

计算机应用研究, 2009, 26 (03) :1195-1197+1200

[4] 蚁群算法的研究现状及其展望 [J].

段海滨 ;

王道波 ;

于秀芬 .

中国工程科学, 2007, (02) :98-102

[5] A review of ant algorithms [J].

Mullen, R. J. ;

Monekosso, D. ;

Barman, S. ;

Remagnino, P. .

EXPERT SYSTEMS WITH APPLICATIONS, 2009, 36 (06) :9608-9617

[6] Edge detection using ant algorithms [J].

Nezamabadi-pour, H ;

Saryazdi, S ;

Rashedi, E .

SOFT COMPUTING, 2006, 10 (07) :623-628

← 1 →