【《基于具有侦察能力的蚁群算法的图像边缘检测实践报告》2000字】

基于具有侦察能力的蚁群算法的图像边缘检测实践报告目录TOC\o"1-3"\h\u22280基于具有侦察能力的蚁群算法的图像边缘检测实践报告 1255871.1基于具有侦察能力的蚁群算法的图像边缘检测的方法 14571.2仿真实验与分析 3虽然现如今蚁群算法的用法非常广泛，也适用于各个领域，但其自身也存在一定的缺点，例如在进行图像边缘检测的过程中存在效率低下，时效性不高的问题。针对算法消耗时间过长这个现象，本文在蚁群算法中把蚂蚁分成侦察蚂蚁和觅食蚂蚁，侦察蚂蚁的出现可以减少蚂蚁在随机分配时做无畏搜索工作的时间。经过实验，发现加入侦察蚂蚁可以有效降低算法的运行时间。1.1基于具有侦察能力的蚁群算法的图像边缘检测的方法在自然界中，蚂蚁寻找食物的过程中它们的分工是非常明确的，首先由侦察蚂蚁进行侦察活动，侦察蚂蚁在地图上随机行走，当其搜寻到食物后，再释放信息素通知觅食蚂蚁，觅食蚂蚁继续进行食物的搜集工作。受此启发，本文在传统的蚁群算法中加入了侦察蚂蚁的思想。此算法的基本思想是将算法分为两个阶段，第一个阶段是侦察阶段。首先，随机分配侦察蚂蚁于灰度图像中，对图像进行全局搜索，搜索完毕后判断边缘区域和非边缘区域，将非边缘区域剔除，保留边缘区域。第二阶段是觅食阶段，觅食蚂蚁只需要在侦察蚂蚁所保留的边缘区域进行搜索，最后完成图像边缘的遍历，实现边缘检测。该算法的详细过程如下：第一阶段为侦察阶段：侦察蚂蚁在图像上进行全局搜查，以自身位置为中心，对自身位置视觉区域内的像素点进行侦察。假设侦察蚂蚁数量设置为QUOTEM*NM*N，将侦察蚂蚁放入所有的像素点内，此时，每一只侦察蚂蚁QUOTEkk都有其相应的位置坐标，此点坐标为QUOTEV（i，j）V（i，QUOTEVm,n-Vi,j≥T若满足上述公式，则表示此区域是边缘区域；如果两个像素点之间的差小于检测阈值QUOTETT，则该区域是非边缘区域。第二阶段为觅食阶段：觅食蚂蚁根据侦察蚂蚁经过侦察所留下来的结果，就边缘区域进行搜索。如果是像素点之差小于阈值T的部分，则直接跳过不进行搜索，如果是像素点之差大于阈值T的部分，则进行搜索。该算法具体步骤如下：表4-1基于侦察能力的蚁群算法的边缘检测步骤改算法的具体流程如下：图4-1基于侦察能力的蚁群算法的边缘检测流程图1.2仿真实验与分析本文采用matlab2020版本进行了仿真实验，实验结果如下：图4-2原版和改进的实验结果对比1图4-3原版和改进的实验结果对比2图4-4原版和改进的实验结果对比3图4-5原版和改进的实验结果对比4图4-6原版和改进的实验结果对比5图4-2是用Ant进行原版的和改进之后的结果比较。其中，4-2（a）是原图，4-2（b）至（e）是原版蚁群算法实验所得的结果，4-2（f）至（i）是基于侦察能力的蚁群算法的图像边缘检测所得到的结果，4副图分辨对应着启发式引导函数里面4种不同的核函数。实验参数如3.1节所述。4-2（b）至（e）的算法运行时间为60.653205秒，4-2（f）至（i）的算法运行时间为48.800501秒，算法运行效率提高21.3%。图4-3是用Camera进行的比较。其中，4-3（a）是原图，4-3（b）至（e）是原版蚁群算法实验所得的结果，4-3（f）至（i）是基于侦察能力的蚁群算法的图像边缘检测所得到的结果，4副图分辨对应着启发式引导函数里面4种不同的核函数。4-3（b）至（e）的算法运行时间为59.10195秒，4-3（f）至（i）的算法运行时间为48.364634秒，算法运行效率提高22.2%。图4-4是用Bob进行的比较。其中，4-4（a）是原图，4-4（b）至（e）是原版蚁群算法实验所得的结果，4-4（f）至（i）是基于侦察能力的蚁群算法的图像边缘检测所得到的结果，4副图分辨对应着启发式引导函数里面4种不同的核函数。4-4（b）至（e）的算法运行时间为51.105778秒，4-4（f）至（i）的算法运行时间为42.562880秒，算法运行效率提高27.1%。图4-5是用Cat进行的比较。其中，4-5（a）是原图，4-5（b）至（e）是原版蚁群算法实验所得的结果，4-5（f）至（i）是基于侦察能力的蚁群算法的图像边缘检测所得到的结果，4副图分辨对应着启发式引导函数里面4种不同的核函数。4-5（b）至（e）的算法运行时间为486.783639秒，4-5（f）至（i）的算法运行时间为420.878560秒，算法运行效率提高15.7%。图4-6是用Eye进行的比较。其中，4-6（a）是原图，4-6（b）至（e）是原版蚁群算法实验所得的结果，4-6（f）至（i）是基于侦察能力的蚁群算法的图像边缘检测所得到的结果，4副图分辨对应着启发式引导函数里面4种不同的核函数。4-6（b）至（e）的算法运行时间为496.191297秒，4-6（f）至（i）的算法运行时间为438.878560秒，算法运行效率提高13.1%。通过分析实验结果，可以发现算法效率提高的原因如下：在大部分图像中，边缘的比例往往是低于其他部分的比例的。在传统的蚁群算法中，进行图像的边缘检测需要遍历整个图像，包括边缘区域和非边缘区域。由于非边缘的区域的比例过大，因此蚂蚁把大量的时间花费在非边缘区域的搜索上，形成了许多无效的搜索。通