[发明专利]一种基于区域生长与蚁群优化算法相结合的边缘检测方法

说明书

本发明涉及一种基于区域生长与蚁群优化算法相结合的边缘检测方法，包括如下步骤：S1：采用区域生长方法，对图像进行处理，提取感兴趣区域；S2：对提取的感兴趣区域，采用蚁群优化方法产生信息素矩阵；S3：对于提取的感兴趣区域，采用蚁群优化方法产生的信息素矩阵，计算阈值，确定图像边缘。本发明克服现有技术的图像边缘不清晰、边缘不连续、受噪影响大等技术缺陷，改进了已有蚁群算法容易过早收敛提供了一种基于区域生长与蚁群优化算法相结合的边缘检测方法。

技术领域

本发明涉及图像分割技术领域，具体的涉及一种基于区域生长与蚁群优化算 法相结合的边缘检测方法。

背景技术

图像分割的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。 图像分割是图像理解与计算机视觉的前提，也是图像处理与分析的基本技术之 一。图像分割已被应用于很多的领域，例如，在红外技术应用中，红外成像跟踪 系统中目标的分割，红外无损检测中红外热图像的分割；在遥感应用中，合成孔 径雷达图像中目标的分割等；在医学应用中，磁共振图像的分割，血液细胞图像 的分割；在农业工程应用中，水果品质无损检测过程中水果图像与背景的分割； 在工业生产应用中，机器视觉运用于产品质量检测等。图像分割技术在这些领域 的广泛应用，充分表明图像分割起着非常重要的作用。在图像分割中，边缘检测 是图像分割的前提和基础，边缘存在于目标与背景、目标与目标、区域与区域之 间，是图像中物体结构、纹理、形态的重要信息，边缘检测结果受噪声的影响很 大。因而在图像分割技术中，图像边缘检测技术有待改进。

现有的图像边缘检测方法受噪声的影响很大，如现有的对数函数图像边缘检 测方法无法根据对数函数性质消除噪声，虽然检测效率高，但边缘显示效果不好， 边缘不连续；高斯滤波图像边缘检测方法可以排除噪声，使图像边缘平滑，但在 处理高次噪声时由于滤波强度不好控制，因而经常造成边缘过度平滑。

发明内容

本发明克服现有技术的图像边缘不清晰、边缘不连续、受噪影响大等技术缺 陷，同时提高边缘检测的速度，提供了一种基于区域生长与蚁群优化算法相结合 的边缘检测方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于区域生长与蚁群优化算法相结合的边缘检测方法，算法包括如下步 骤：

S1：采用区域生长方法，对图像进行处理，提取感兴趣区域；

S2：对提取的感兴趣区域，采用蚁群优化方法产生信息素矩阵；

S3：对于提取的感兴趣区域，采用蚁群优化方法产生的信息素矩阵，计算阈 值，确定图像边缘，分割图像。

其中，S1的区域生长方法包括如下步骤：

S1.1：选择具有灰度值最大的像素点作为种子点；

S1.2：在空间上采用八邻域连通或者四邻域连通对邻接的相似像素进行搜 索，采用|I_seed-I|＜λ|I_max-I_min|公式进行区域生长，将满足此公式的邻近像 素加入到种子区域，当生长的过程中当没有像素满足加入某个种子区域的条件 时，区域生长终止；

其中：I表示像素的灰度值，I_seed表示种子点的灰度值；I_max与I_mix分别表 示图像中的最大灰度值与最小灰度值；λ是可调节的参数；

S1.3：递归调用S1.2，直至满足|I_seed-I|＜λ|I_max-I_min|公式的像素加入到 种子区域；

S1.4：输出种子区域。

对于经过区域生长处理后的图片，可加快边缘检测的速度，在后续图像处理 中节省了计算代价，可实现实时在线的图像边缘检测。