基于蟻群算法的圖像邊緣檢測-畢業(yè)設(shè)計(jì)答辯ppt課件

1、基于蟻群算法的圖像邊緣檢測Image Edge Detection based on Ant Colony Algorithm指點(diǎn)教師：XXX匯報(bào)人：XXX目 錄Contents一二四三五六任務(wù)安排研討背景和目的圖像邊緣檢測概述蟻群算法實(shí)驗(yàn)結(jié)果及分析總結(jié)任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six一、任務(wù)安排任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析

2、Part Five總結(jié)Part Six進(jìn)展情況412342021年3月1、完成立題表、義務(wù)書2、撰寫開題報(bào)告3、翻譯英文文獻(xiàn)2021年4月1、查閱文獻(xiàn)，學(xué)習(xí)實(shí)際2、完成代碼初步編寫2021年5月1、學(xué)習(xí)蟻群算法代碼2、完成程序最終調(diào)試2021年6月1、撰寫結(jié)題報(bào)告2、整理畢設(shè)成果3、預(yù)備爭辯任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six主要思想5畢業(yè)設(shè)計(jì)實(shí)際學(xué)習(xí)實(shí)驗(yàn)設(shè)計(jì)實(shí)驗(yàn)分析算法研討任務(wù)安排Part One目 錄Contents研討背景和目的Part T

3、wo圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six二、研討背景和目的研討背景7任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six光學(xué)顯微圖像分析生物醫(yī)學(xué)圖像X射線圖像地質(zhì)勘探遙感圖像分析粒子物理數(shù)字圖像處置任務(wù)安排Part One目 錄Contents研討背景和目的Part Two蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six8圖像邊緣檢測研討目的圖像邊緣檢測Par

4、t Three任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six三、圖像邊緣檢測概述任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six10圖像邊緣檢測流程原始圖像平滑圖像梯度圖像邊緣圖像邊緣點(diǎn)濾波：去噪、平滑圖像，提高檢測效果加強(qiáng)：突出圖像中梯度幅度值有顯著變化的點(diǎn)檢測：確定邊緣點(diǎn)定位：在亞像素分辨率上確定邊緣位置和方位Lap

5、lacian算子Prewitt算子Roberts算子Sobel算子Canny算子Kirsch算子任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six傳統(tǒng)邊緣檢測算子11123456任務(wù)安排Part One目 錄Contents蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six由于在圖像的采集過程中，圖像的明晰度會(huì)遭到一些要素的干擾，導(dǎo)致產(chǎn)生噪聲、圖像模糊、對(duì)比度不強(qiáng)等問題，使邊緣的提取或強(qiáng)化遭到影響。因此，傳統(tǒng)的邊緣檢測算法效果并不理

6、想，表如今：1傳統(tǒng)的邊緣檢測定位精度不高2有效檢測需求運(yùn)用多個(gè)不同尺度的邊緣檢測算子3在平滑噪聲圖像中，去噪容易喪失圖像的高頻信息4圖像多為斜坡邊緣，而大多數(shù)檢測算子都是節(jié)約邊緣12研討背景和目的Part Two圖像邊緣檢測Part Three任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six四、蟻群算法任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part

7、Five總結(jié)Part Six算法背景14蟻群算法又稱螞蟻算法，它是在1992年由意大利科學(xué)家Marco Dorigo等人受自然界螞蟻尋食過程中途徑選擇行為的啟迪而提出的一種新型搜索優(yōu)化算法。任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six算法原理15 昆蟲學(xué)家經(jīng)過察看發(fā)現(xiàn)，螞蟻在尋覓食物源時(shí)，能在走過的途徑上釋放信息激素，并且它們分泌的信息量會(huì)隨著所走途徑的增長和時(shí)間的推遲而不斷揮發(fā)，在一定范圍內(nèi)的其他螞蟻可以感知到這種物質(zhì)的存在及其強(qiáng)度，并由此決議它們以后

8、的行為。從同一地點(diǎn)出發(fā)的一群螞蟻經(jīng)過各自的途徑選擇方式找到一個(gè)一樣食物源時(shí)，經(jīng)過較短途徑的螞蟻可以在一樣時(shí)間內(nèi)在本人經(jīng)過的途徑上搬運(yùn)更多次數(shù)的食物回巢。任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six算法特征16 在自然界中，類似螞蟻、蜜蜂、魚這類的昆蟲，它們的個(gè)體雖然簡單，但是在各自的群體中，個(gè)體之間的協(xié)作性很強(qiáng)。它們之間相互協(xié)作，共同完成某項(xiàng)群體義務(wù)，這就表達(dá)出了群體的自組織性。自組織 自然界中的真實(shí)螞蟻在尋覓食物的過程中，會(huì)分泌相應(yīng)的信息素，時(shí)間越短，

9、次數(shù)越多，信息素量也就會(huì)越強(qiáng)。螞蟻就是經(jīng)過途徑上信息素濃度的強(qiáng)弱來選擇下一個(gè)即將行走的途徑，最終找到巢穴到食物的最短途徑。這個(gè)過程就是所謂的正反響。正反響 將人工螞蟻分布在問題空間的各個(gè)節(jié)點(diǎn)上，每只人工螞蟻開場獨(dú)立構(gòu)造問題的解，然后根據(jù)整個(gè)蟻群的運(yùn)動(dòng)趨勢求取最優(yōu)結(jié)果，因此一只螞蟻并不會(huì)影響整個(gè)算法的結(jié)果。分布式計(jì)算任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six算法流程17給各參數(shù)變量賦初值，相當(dāng)于螞蟻均在蟻穴，等待出發(fā)。螞蟻根據(jù)給定途徑長度和信息素強(qiáng)度做動(dòng)

10、態(tài)選擇，并在運(yùn)動(dòng)中釋放信息素。對(duì)于給定條件，假設(shè)滿足，那么算法停頓；否那么，前往優(yōu)化過程。初始化優(yōu)化過程終止條件任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six五、實(shí)驗(yàn)分析及分析任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six原始圖像19任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢

11、測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six運(yùn)轉(zhuǎn)結(jié)果20=10，=0.1，=0.1任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six運(yùn)轉(zhuǎn)結(jié)果21=1，=5，=0.5結(jié)論蟻群算法中參數(shù)的改動(dòng)對(duì)于邊緣檢測的結(jié)果有很大的影響。任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six2

12、2蟻群算法參數(shù)設(shè)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為了進(jìn)一步討論參數(shù)改動(dòng)對(duì)蟻群算法邊緣檢測結(jié)果的影響，下面對(duì)十組數(shù)據(jù)進(jìn)展了分析比對(duì)，其數(shù)值設(shè)定如下表所示：任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six23=50，=0.5，=0.5=5，=0.05，=0.05任務(wù)安排Part One目 錄Contents研討背景和目的

13、Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six24=1，=0.1，=0.1=100，=0.1，=0.1任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six25=10，=1，=0.1=10，=10，=0.1任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part S

14、ix26=10，=0.1，=0.05=10，=0.1，=0.1任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six最正確參數(shù)27=1，=0.01，=0.01任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six28Laplacian算子Prewitt算子Roberts算子Sobel算子Canny算子Kirsch算子與傳統(tǒng)邊緣檢測算子

15、比較123456抗噪才干差易出現(xiàn)虛偽邊緣易出現(xiàn)多像素寬度強(qiáng)魯棒性正反響性收斂速度快任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)Part Six六、總結(jié)任務(wù)安排Part One目 錄Contents研討背景和目的Part Two圖像邊緣檢測Part Three蟻群算法Part Four實(shí)驗(yàn)結(jié)果及分析Part Five總結(jié)30總結(jié)Part Six本文提出了一種基于蟻群算法的圖像邊緣檢測，它是根據(jù)自然界中螞蟻可以找到食物與蟻巢間最短途徑這一智能行為而提出的一種新型的進(jìn)化算法。經(jīng)過一系列的仿真實(shí)驗(yàn)改動(dòng)參數(shù)值，得到了較佳的實(shí)驗(yàn)效果。與傳統(tǒng)邊緣檢測算子相比，該算法具有很強(qiáng)的魯棒性，良好的正反響特性和順應(yīng)性，且收斂速度快。1掌握蟻群算法的根本原理和根本模型。2勝利實(shí)現(xiàn)基于MATLAB的邊緣檢測技術(shù)仿真。3經(jīng)過多次實(shí)驗(yàn)尋覓到較佳參數(shù)設(shè)定。任務(wù)安排Part One目 錄C