基于蚁群算法的图像边缘检测-毕业设计答辩课件.ppt

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，

9、次数越多，信息素量也就会越强。蚂蚁就是通过路径上信息素浓度的强弱来选择下一个即将行走的路径，最终找到巢穴到食物的最短路径。这个过程就是所谓的正反馈。正反馈 将人工蚂蚁分布在问题空间的各个节点上，每只人工蚂蚁开始独立构造问题的解，然后根据整个蚁群的运动趋势求取最优结果，因此一只蚂蚁并不会影响整个算法的结果。分布式计算工作安排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算法流程17给 各 参 数变量赋初值，相当于蚂蚁均在蚁穴，等待出发。蚂蚁根据给定路径长度和信息素强

10、度做动态选择，并在运动中释放信息素。对于给定条件，若满足，则算法停止；否则，返回优化过程。初始化优化过程终止条件工作安排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五、实验分析及分析工作安排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原始图像19工作安排Part One目 录Contents研究背景和目的Part Two图像边缘检

11、测Part Three蚁群算法Part Four实验结果及分析Part Five总结Part Six运行结果20=10，=0.1，=0.1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运行结果21=1，=5，=0.5结论蚁群算法中参数的改变对于边缘检测的结果有很大的影响。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 Six2

12、2蚁群算法参数设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为了进一步探讨参数改变对蚁群算法边缘检测结果的影响，下面对十组数据进行了分析比对，其数值设定如下表所示：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 Six23=50，=0.5，=0.5=5，=0.05，=0.05工作安排Part One目 录Contents研究背景和目的

13、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 Six24=1，=0.1，=0.1=100，=0.1，=0.1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 Six25=10，=1，=0.1=10，=10，=0.1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 S

14、ix26=10，=0.1，=0.05=10，=0.1，=0.1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最佳参数27=1，=0.01，=0.01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 Six28Laplacian算子Prewitt算子Roberts算子Sobel算子Canny算子Kirsch算子与传统边缘检测算子比

15、较123456抗噪能力差易出现虚假边缘易出现多像素宽度强鲁棒性正反馈性收敛速度快工作安排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六、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30总结Part Six本文提出了一种基于蚁群算法的图像边缘检测，它是根据自然界中蚂蚁能够找到食物与蚁巢间最短路径这一智能行为而提出的一种新型的进化算法。通

16、过一系列的仿真实验改变参数值，得到了较佳的实验效果。与传统边缘检测算子相比，该算法具有很强的鲁棒性，良好的正反馈特性和适应性，且收敛速度快。（1）掌握蚁群算法的基本原理和基本模型。（2）成功实现基于MATLAB的边缘检测技术仿真。（3）通过多次实验寻找到较佳参数设定。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亮点与不足31总结Part Six收获的成绩（1）对于蚁群算法参数的选取原则和方法目前还没有理论上的指导和进展，只能通过大量实验进行调节，因此如何设置最佳参数需更进一步研究。（2）由于蚁群算法的搜索时间较长，可以思考将蚁群算法与其他优化算法相结合，以此提高算法性能。存在的不足谢谢聆听！Thanks for listening！指导老师：XXX汇报人：XXX