基于蚁群算法的图像边缘检测-毕业设计答辩课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《基于蚁群算法的图像边缘检测-毕业设计答辩课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 算法 图像 边缘 检测 毕业设计 答辩 课件
- 资源描述:
-
1、基于蚁群算法的图像边缘检测Image Edge Detection based on Ant Colony Algorithm指导老师:XXX汇报人:XXX目 录Contents一二四三五六工作安排研究背景和目的图像边缘检测概述蚁群算法实验结果及分析总结工作安排Part One目 录Contents研究背景和目的Part Two图像边缘检测Part Three蚁群算法Part Four实验结果及分析Part Five总结Part Six一、工作安排工作安排Part One目 录Contents研究背景和目的Part Two图像边缘检测Part Three蚁群算法Part Four实验结果及分析
2、Part Five总结Part Six进展情况412342015年3月1、完成立题表、任务书2、撰写开题报告3、翻译英文文献2015年4月1、查阅文献,学习理论2、完成代码初步编写2015年5月1、学习蚁群算法代码2、完成程序最终调试2015年6月1、撰写结题报告2、整理毕设成果3、准备答辩工作安排Part One目 录Contents研究背景和目的Part Two图像边缘检测Part Three蚁群算法Part Four实验结果及分析Part Five总结Part Six主要思想5毕业设计理论学习实验设计实验分析算法研究工作安排Part One目 录Contents研究背景和目的Part T
3、wo图像边缘检测Part Three蚁群算法Part Four实验结果及分析Part Five总结Part Six二、研究背景和目的研究背景7工作安排Part One目 录Contents研究背景和目的Part Two图像边缘检测Part Three蚁群算法Part Four实验结果及分析Part Five总结Part Six光学显微图像分析生物医学图像X射线图像地质勘探遥感图像分析粒子物理数字图像处理工作安排Part One目 录Contents研究背景和目的Part Two蚁群算法Part Four实验结果及分析Part Five总结Part Six8图像边缘检测研究目的图像边缘检测Par
4、t Three工作安排Part One目 录Contents研究背景和目的Part Two图像边缘检测Part Three蚁群算法Part Four实验结果及分析Part Five总结Part Six三、图像边缘检测概述工作安排Part One目 录Contents研究背景和目的Part Two图像边缘检测Part Three蚁群算法Part Four实验结果及分析Part Five总结Part Six10图像边缘检测流程原始图像平滑图像梯度图像边缘图像边缘点滤波:去噪、平滑图像,提高检测效果增强:突出图像中梯度幅度值有显著变化的点检测:确定边缘点定位:在亚像素分辨率上确定边缘位置和方位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 录Contents研究背景和目的Part Two图像边缘检测Part Three蚁群算法Part Four实验结果及分析Part Five总结Part Six传统边缘检测算子11123456工作安排Part One目 录Contents蚁群算法Part Four实验结果及分析Part Five总结Part Six由于在图像的采集过程中,图像的清晰度会受到一些因素的干扰,导致产生噪声、图像模糊、对比度不强等问题,使边缘的提取或强化受到影响。因此,传统的边缘检测算法效果并不理
6、想,表现在:1传统的边缘检测定位精度不高2有效检测需要使用多个不同尺度的边缘检测算子3在平滑噪声图像中,去噪容易丢失图像的高频信息4图像多为斜坡边缘,而大多数检测算子都是节约边缘12研究背景和目的Part Two图像边缘检测Part Three工作安排Part One目 录Contents研究背景和目的Part Two图像边缘检测Part Three蚁群算法Part Four实验结果及分析Part Five总结Part Six四、蚁群算法工作安排Part One目 录Contents研究背景和目的Part Two图像边缘检测Part Three蚁群算法Part Four实验结果及分析Part
7、Five总结Part Six算法背景14蚁群算法又称蚂蚁算法,它是在1992年由意大利科学家Marco Dorigo等人受自然界蚂蚁觅食过程中路径选择行为的启迪而提出的一种新型搜索优化算法。工作安排Part One目 录Contents研究背景和目的Part Two图像边缘检测Part Three蚁群算法Part Four实验结果及分析Part Five总结Part Six算法原理15 昆虫学家经过观察发现,蚂蚁在寻找食物源时,能在走过的路径上释放信息激素,并且它们分泌的信息量会随着所走路径的增长和时间的推迟而不断挥发,在一定范围内的其他蚂蚁能够感知到这种物质的存在及其强度,并由此决定它们以后
8、的行为。从同一地点出发的一群蚂蚁通过各自的路径选择方式找到一个相同食物源时,通过较短路径的蚂蚁可以在相同时间内在自己经过的路径上搬运更多次数的食物回巢。工作安排Part One目 录Contents研究背景和目的Part Two图像边缘检测Part Three蚁群算法Part Four实验结果及分析Part Five总结Part Six算法特征16 在自然界中,类似蚂蚁、蜜蜂、鱼这类的昆虫,它们的个体虽然简单,但是在各自的群体中,个体之间的协作性很强。它们之间相互协作,共同完成某项群体任务,这就体现出了群体的自组织性。自组织 自然界中的真实蚂蚁在寻找食物的过程中,会分泌相应的信息素,时间越短,
展开阅读全文