[发明专利]基于刚体碰撞优化算法的图像边缘检测方法、装置及介质

说明书

本发明公开了一种基于刚体碰撞优化算法的图像边缘检测方法、装置及介质，包括将待检测图像转换为灰度图像；确定灰度图像中任一像素对应的候选边缘方向，并划分得到为两个像素集合；将各个候选边缘方向中最大的边缘强度作为目标像素的边缘强度；根据最大化方差法确定最佳边缘强度阈值；初始化种群规模和问题维度，并产生初始样本矩阵；将目标像素的边缘强度作为适应度函数，并设置循环次数；根据最佳边缘强度阈值、种群规模、问题维度、初始样本矩阵、适应度函数和循环次数，采用刚体碰撞优化算法确定边缘像素点；根据边缘像素点，输出图像边缘检测结果。本发明提高了精度和收敛速度，可广泛应用于图像处理技术领域。

技术领域

本发明涉及图像处理技术领域，尤其是一种基于刚体碰撞优化算法的图像边缘检测方法、装置及介质。

背景技术

图像边缘检测技术是图像分割和提取的重要手段，通过图像区域的边缘、轮廓以及形状获取大量的图像特征信息。是图像识别，图像分割，图像增强以及图像压缩等领域中广泛应用的基础，是一个非常重要的研究课题，在物体识别、视觉跟踪、工业检测、公共管理、军事科技等领域有广泛的应用。

图像成像过程中往往不可避免会呈现出一定的模糊和变形，这给边缘检测变带来困难，人们因此一直致力于构造具有良好性质的边缘检测算子。传统边缘检测与提取的主要手段包括基于图像灰度分布梯度的Robert算子，Sobel算子、Log等。这些算子计算简单、容易实现，但是由于边缘本身的复杂性，这些算子在抗噪性能方面效果不够理想。新的理论工具在图像边缘检测上得到更广泛的研究与应用，人们又相继提出了基于形态学的边缘检测技术，基于神经网络的检测技术、基于模糊理论的检测技术、基于遗传算法的检测技术、基于卷积神经网络的边缘检测技术等。

群智能优化是一种使用群体的随机搜索算法，它模仿昆虫、鸟类、鱼类等群体演化多样性和行为指向性的机制，不需要目标函数导数，可以用来近似求解一些难以直接求解的优化问题，近些年在产品或系统的优化设计中得到广泛的应用。其中，基于刚体碰撞群智能优化算法，模拟动力学刚体碰撞的动量守恒原理，寻找目标函数最优解，实现简单，算法精度高，收敛速度快。

因此，将刚体碰撞群智能优化算法应用于图像边缘检测，定义合理的确定边缘像素点的优化目标，构建一套新的具备良好抗噪性能的边缘检测方法并且能很好地适应复杂边缘具有重要意义。

发明内容

有鉴于此，本发明实施例提供一种精度高且速度快的，基于刚体碰撞优化算法的图像边缘检测方法、装置及介质。

本发明的一方面提供了一种基于刚体碰撞优化算法的图像边缘检测方法，包括：

将待检测图像转换为灰度图像；

确定所述灰度图像中任一像素对应的候选边缘方向，并根据像素宽范围划分得到为两个像素集合；

确定每个目标像素沿所述候选边缘方向的边缘强度；

将各个候选边缘方向中最大的边缘强度作为所述目标像素的边缘强度；

根据最大化方差法确定最佳边缘强度阈值；

初始化种群规模和问题维度，并产生初始样本矩阵；

将所述目标像素的边缘强度作为适应度函数，并设置循环次数；

根据所述最佳边缘强度阈值、所述种群规模、所述问题维度、所述初始样本矩阵、所述适应度函数和所述循环次数，采用刚体碰撞优化算法确定边缘像素点；

根据所述边缘像素点，输出图像边缘检测结果。

可选地，所述根据最大化方差法确定最佳边缘强度阈值，包括：

根据预设的初始边缘强度阈值，将图像像素分为第一像素集合和第二像素集合；