[发明专利]一种基于粒子群算法的图像边缘检测方法及系统

说明书

本发明公开一种基于粒子群算法的图像边缘检测方法及系统，涉及图像处理技术领域，所述基于粒子群算法的图像边缘检测方法包括：利用粒子群算法求解图像边缘检测的最优灰度阈值；根据所述最优灰度阈值对所述图像进行边缘检测。本发明提供的方法能够从全局并发求解灰度阈值，准确高效，适应性好。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于粒子群算法的图像边缘检测方法及系统。

背景技术

随着计算机技术的飞跃发展，人们越来越多的利用计算机来帮助人类获取和处理视觉图像信息。据统计，在人类从外界获取的信息中有80％是来自于视觉，这包括图像、图形、视频等。他是人们最有效的信息获取和交流方式，图像也因其所含的信息量大、表现直观而在多媒体处理技术中占有非常重要的位置。

边缘检测在图象处理中具有重要的意义，它是模式识别和图像理解系统的前处理阶段，是影响整个系统性能的一个关键因素。经典的边缘检测方法大多基于原始图像像素附近的数值导数，如梯度算子、拉普拉斯算子及拉普拉斯-高斯算子等。这些算子虽然非常简单方便，但是他们只适用于检测有限类型的边缘，并且对噪声很敏感，容易产生断裂的边缘。找到与图像中目标的实际边界线相对应的真实边缘，一直是图象处理领域里的一个难题，人们在这方面做了大量的研究，不断提出新的方法和算子。

例如公开号为CN 103150735A的专利，公开了一种基于灰度差值平均的图像边缘检测方法，该方法包括：步骤(1)开始，读取图像；步骤(2)设定灰度阈值；步骤(3)图像转换为灰度图像；步骤(4)图像滤波；步骤(5)读取图像地址；步骤(6)计算灰度差值绝对平均值；步骤(7)判断灰度差值绝对平均值是否大于阈值，如果是就设定灰度值为255，并进入步骤(8)；如果不是就设定灰度值为0，进入步骤(8)；步骤(8)判断图像是否处理完，如果是就进行边缘提取，输出图像边缘；如果不是就将图像地址加一后返回步骤(5)。通过灰度阈值将图像转化为灰度图像，该方法的实现效果依赖于灰度阈值，而该方法并没有提及。

基于灰度梯度算子的边缘检测技术需要基于先验知识来确定图像的灰度阈值，然而经验知识往往是基于以往的经验总结出来的，并不能很好地适应不同的情况，其处理结果很大程度上依赖预设的灰度阈值。另外，该技术在实际应用过程中实现较为复杂，运算量较大，因此基于灰度梯度算子的边缘检测技术自适应性和效率往往不尽人意。

发明内容

本发明所要解决的技术问题在于，在现有技术中，基于灰度梯度算子的图像边缘检测方法适应性不好，运算量较大，实现过程较为复杂，难以针对需要检测的图像确定最优灰度阈值。

针对现有技术的上述不足，本发明提出一种基于粒子群算法的图像边缘检测方法及系统。

所述基于粒子群算法的图像边缘检测方法包括：

利用粒子群算法求解图像边缘检测的最优灰度阈值；根据所述最优灰度阈值对所述图像进行边缘检测。

其中，在求解时，粒子群算法每次迭代的惯性权重的调整公式为：

式中，ω为调整后的惯性权重，t_max为预设的迭代次数，t为当前的迭代次数，ω_max为预设的最大惯性权重值，ω_min为预设的最小惯性权重值。

进一步地，所述利用粒子群算法求解图像边缘检测的最优灰度阈值包括：

S21，设定粒子群算法的参数，以对所述图像应用粒子群算法，获取所述图像边缘检测的最优灰度阈值；

S22，调整粒子群算法的惯性权重；

S23，计算每个粒子的适应度；

S24，根据所述适应度，更新各个粒子的局部最优灰度阈值和粒子群的全局最优灰度阈值；