没有合适的资源?快使用搜索试试~ 我知道了~
首页基于蚁群聚类的多模板图像边缘融合新法:提高边缘提取效率
基于蚁群聚类的多模板图像边缘融合新法:提高边缘提取效率
0 下载量 90 浏览量
更新于2024-09-01
收藏 442KB PDF 举报
本文主要探讨了一种创新的图像处理技术,即"一种基于蚁群聚类的多模板图像边缘融合方法"。该研究由段海滨、罗松柏、李昊和周国哲等人共同完成,他们分别来自北京航空航天大学自动化科学与电气工程学院和苏州大学江苏省计算机信息处理技术重点实验室。作者针对图像边缘特征提取和边缘融合这一关键问题,提出了一种结合图像聚类和模板边缘提取的新方法。 传统的图像边缘处理方法主要分为两种:一是区域生成(聚类)方法,它依赖于将图像分割成不同的区域来识别边缘,但在目标与背景对比度不高的情况下,聚类的性能会受到影响,且计算复杂度较高。二是基于边缘检测的方法,尽管在特定条件下的效果较好,但在面对复杂环境和噪声时,往往难以给出精确的边缘信息,可能存在边界不连续和阈值选择导致的敏感性问题。 蚁群优化(Ant Colony Optimization, ACO)作为一种模仿蚂蚁觅食行为的仿生算法,以其强大的鲁棒性、分布式计算能力和与其他方法的兼容性著称。作者巧妙地将ACO算法应用于图像边缘处理,通过利用蚁群的思想来提取图像的边缘特征,设计了启发式引导函数和初始聚类中心,以此减少传统蚁群算法在搜索过程中的盲目性。这种方法旨在解决传统方法在复杂场景下可能遇到的困难,提高边缘融合的准确性和效率。 实验结果显示,基于蚁群聚类的多模板图像边缘融合方法在实际应用中展现了良好的可行性和有效性,已经在图像融合、模式识别等多个领域展现出广阔的应用前景。这种方法不仅能够有效应对背景复杂性、目标多样性以及噪声等问题,还可能为图像处理技术的发展提供新的思路和解决方案。通过结合蚁群算法的智能和图像聚类的优势,该研究有望推动计算机视觉领域的进步。
资源详情
资源推荐
段海滨等:一种基于蚁群聚类的多模板图像边缘融合方法
一种基于蚁群聚类的多模板图像边缘融合方法①
段海滨②+“
罗松柏+
李
昊。
周国哲。
(。北京航空航天大学自动化科学与电气工程学院
北京100191)
(“苏州大学江苏省计算机信息处理技术重点实验室
苏州215006)
摘
要
根据所采集图像的离散性特点,提出了一种基于蚁群聚类的新型的多模板图像
边缘融合方法。该算法综合了图像聚类的方法和模板边缘提取的方法,运用蚁群聚类的
思想来提取图像的边缘特征,并进一步融合多种边缘提取模板来设置聚类的启发式引导
函数和初始聚类中心,从而避免了传统蚁群算法聚类搜索时的盲目性。系列仿真实验验
证了这一方法的可行性和有效性。
关键词
蚁群优化,聚类,图像边缘融合,边缘特征
0
引言
图像边缘特征(edge
feature)提取和边缘融合
(edge
fusion)是自动目标识别的关键和首要步骤,其
目的是将目标和背景分离,为计算机视觉的后续处
理提供依据。这也是其它许多图像处理问题的基
础¨],目前己经广泛应用在图像融合、模式识别、计
算机视觉、飞机导航、虚拟现实、工业检测、交通管
理、数字摄影测量、医学图像分析等许多领域心J。但
是由于会受到图片背景的复杂性、目标特征的多样
性以及噪声等因素的影响,因而图像边缘特征提取
和边缘融合则成为图像处理技术的难点。
传统的图像边缘特征提取技术主要有两种,一
种是区域生成(也就是聚类)的方法,另一种则是基
于图像边缘检测的方法。这两种方法都在对不同的
图像的处理上取得了很好的效果,因而都成为目前
使用比较广泛的方法-3j3。但是在某些情况下,传统
方法又表现出了很大的局限性。如聚类的方法在目
标与背景不明显的情况下效果不佳,而且计算量大,
效率不高L41;第三种方法的检测算子都只能在各自
特定的适用条件下才能达到较好的效果,在复杂多
变的环境下则显得无能为力,而且存在边界不连续
或边界不准确的问题和阂值选择造成的对噪声的敏
感的问题。而模拟昆虫王国中蚂蚁群体智能行为的
仿生优化算法——蚁群优化(ant
colony
optimization,
ACO)算法具有较强的鲁棒性、优良的分布式计算机
制、易于与其它方法相结合等优点[5j,已成功运用于
多种复杂组合优化问题,并且表现出良好的应用前
景№J。近几年许多国内外研究者应用蚁群算法在图
像特征提取、图像匹配、影像纹理分类等领域取得了
相当丰富的研究成果"J。本文研究了聚类的方法,
并引入了蚁群聚类(ant
colony
clustering)的思想,提
出了一种基于蚁群聚类的多模板图像边缘融合方
法。该方法将图像看作是具有不同梯度特征的像素
点的集合,运用蚁群优化对其进行边缘的聚类,从而
实现图像的边缘融合,再根据不同模版的边缘提取
结果设定初始聚类中心,对算法进行改进,并用改进
后的算法对图像进行聚类分析,提取出图像的边缘。
通过系列仿真实验对本文提出的方法与现有的典型
边缘检测算法进行了对比,结果证明该方法是可行、
有效的。
1
蚁群优化算法
蚁群优化算法是1991年意大利学者M.Dorigo
等人受蚂蚁觅食过程中路径选择行为的启发而提出
的一种仿生进化算法b
J。根据仿生学家长期的研究
发现:蚂蚁虽没有视觉,但运动时会在路径上释放
出一种特殊的分泌物——信息素(pheromone)寻找路
径。当它们碰到一个还没有走过的路口时,就随机
地挑选一条路径前行,同时会释放出与路径长度有
关的信息素。蚂蚁走的路径越长,则释放的信息素
数量越小。当后来的蚂蚁碰到这个路口时,它选择
①国家自然科学基金(60604009)、航字科学基金(2006zfi51039)、北京科技新星计划(2007A017)和苏州大学江苏省计算机信息处理技术重
点实验室开放煤题基金(KJS0821)资助项目。
②男,1976年生,博士,副教授;研究方向:智能计算,图像识别,多无人机协同控制;联系人,E-mail:hbduan@buaa.edu.cIl
(收稿日期:2008-03-07)
一45—
万方数据
下载后可阅读完整内容,剩余4页未读,立即下载
weixin_38706007
- 粉丝: 6
- 资源: 912
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- C++多态实现机制详解:虚函数与早期绑定
- Java多线程与异常处理详解
- 校园导游系统:无向图实现最短路径探索
- SQL2005彻底删除指南:避免重装失败
- GTD时间管理法:提升效率与组织生活的关键
- Python进制转换全攻略:从10进制到16进制
- 商丘物流业区位优势探究:发展战略与机遇
- C语言实训:简单计算器程序设计
- Oracle SQL命令大全:用户管理、权限操作与查询
- Struts2配置详解与示例
- C#编程规范与最佳实践
- C语言面试常见问题解析
- 超声波测距技术详解:电路与程序设计
- 反激开关电源设计:UC3844与TL431优化稳压
- Cisco路由器配置全攻略
- SQLServer 2005 CTE递归教程:创建员工层级结构
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功