[发明专利]基于适应性差分演化的图像边缘检测方法

说明书

本发明公开了一种基于适应性差分演化的图像边缘检测方法。本发明应用适应性差分演化来设计图像边缘检测的卷积核系数，然后利用设计得到的卷积核系数来实现图像边缘检测。在适应性差分演化中，每个个体都存储了所设计的卷积核系数。在每一代演化操作中，根据变异调节因子适应性地选择变异策略来执行变异操作，并利用高斯分布来提高杂交概率的适应性，增强差分演化的搜索能力，从而提高图像边缘检测的效率。

技术领域

本发明涉及数字图像处理领域，尤其是涉及一种基于适应性差分演化的图像边缘检测方法。

背景技术

边缘检测是一种重要的数字图像处理方法，它在图像分割、图像特征提取等方面具有非常重要的作用。为了实现图像的边缘检测，技术人员通常利用给定的卷积核系数对数字图像进行卷积运算。常用的卷积核有：Sobel卷积核、Roberts卷积核和Prewitt卷积核。这些常用的卷积核在许多图像的边缘检测中获得了一定的效果。然而，由于这些卷积核都是面向通用图像的边缘检测而设计的。因此，这些常用的卷积核应用于特定场景下的图像边缘检测时，往往会关注一些特定场景中不重要的边缘信息，难以达到工程上的满意效果。针对这种问题，工程技术人员往往需要面向特定场景而设计专用的卷积核来实现图像的边缘检测。

然而，面向特定场景而设计专用的卷积核，往往需要工程技术人员掌握较深入的数字图像处理知识，这在很大程度上影响了特定场景下的图像边缘检测的效果。为此，研究人员利用智能优化算法面向特定场景而设计专用的卷积核来实现图像的边缘检测。工程技术人员利用智能优化算法来设计卷积核，可以减少对数字图像处理理论知识的依赖。因此，基于智能优化算法的卷积核设计方法备受工程技术人员的关注。

差分演化是一种深受工程技术人员关注的智能优化算法，它在许多工程领域中得到了广泛的应用。然而，传统差分演化在设计图像边缘检测的卷积核时存在着搜索能力不足的缺点，图像边缘检测效果有待于提高。

发明内容

本发明提供一种基于适应性差分演化的图像边缘检测方法。它在一定程度上克服了传统差分演化在设计图像边缘检测的卷积核时搜索能力不足的缺点。本发明能够提高图像边缘检测的效率。

本发明的技术方案：一种基于适应性差分演化的图像边缘检测方法，包括以下步骤：

步骤1，用户输入训练图像OIM，并输入训练图像OIM的参考边缘图像RIM；

步骤2，用户输入测试图像TIM；

步骤3，用户输入种群大小NP，最大迭代次数GMAX；

步骤4，设置缩放因子F＝0.5；

步骤5，设置变异调节因子CA_ki＝0.9，然后设置后备杂交概率BCR_ki＝0.9，其中下标ki＝1,2,...,NP；

步骤6，设置当前代数G＝0；

步骤7，随机产生NP个个体，组成种群EP＝{X₁,X₂,...,X_ki,...,X_NP}，其中X_ki＝{X_ki,1,X_ki,2,...,X_ki,pj,...,X_ki,HD}是种群中的第ki个个体，并且下标ki＝1,2,...,NP；种群中每个个体都存储了HD个卷积核系数；其中，X_ki,pj表示种群中第ki个个体中存储的第pj个卷积核系数；下标pj＝1,2,...,HD；