姜雪瑤

(天津商業(yè)大學(xué)信息工程學(xué)院，天津 300134)

?

基于RNA-蟻群算法的圖像邊緣檢測

姜雪瑤

(天津商業(yè)大學(xué)信息工程學(xué)院，天津 300134)

傳統(tǒng)蟻群邊緣檢測算法存在前期計算量大、收斂速度慢的不足，本文提出了一種基于RNA-蟻群算法的邊緣檢測方法。由于RNA計算前期收斂速度快，但后期冗余迭代較多，而蟻群算法具有良好的反饋機制。所以本文將二者結(jié)合，通過RNA計算粗估圖像邊緣位置，利用其結(jié)果改進蟻群算法的初始信息素矩陣，來提高邊緣點附近的圖像區(qū)域初始信息素濃度，從而加快蟻群算法收斂速度。仿真實驗表明，新算法可以快速、完整地提取圖像邊緣。

邊緣檢測；蟻群算法；RNA

邊緣是圖像的基本特征之一，常用的邊緣檢測方法主要利用邊緣附近灰度的劇烈變化，通過圖像和微分算子卷積來實現(xiàn)邊緣的提取，但這類算法的計算量大且對噪聲較敏感[1-2]。傳統(tǒng)的蟻群搜索算法應(yīng)用于邊緣檢測時存在前期冗余迭代多、易陷入局部最優(yōu)的問題[3-5]。

本文將RNA計算與蟻群算法相結(jié)合，提出了一種新的應(yīng)用于邊緣檢測的群智能算法。新算法通過收斂速度較快的RNA計算改進傳統(tǒng)蟻群算法的初始信息素分布矩陣，從而提高收斂速度。實驗結(jié)果表明，在相同迭代次數(shù)的條件下，新方法提取的圖像邊緣更加完整、連續(xù)。

1 RNA-蟻群算法

蟻群算法在算法初期存在收斂速度慢、計算量大的問題。RNA計算前期收斂速度快、隨機性強，但是算法后期由于沒有反饋機制會產(chǎn)生大量冗余迭代[6-7]。因此，本文將RNA計算與蟻群算法相結(jié)合，通過RNA計算得到蟻群算法的初始信息素分布矩陣，從而加快前期收斂速度，使其收斂到全局最優(yōu)。

蟻群搜索算法中，信息素矩陣初始化為常數(shù)矩陣τ(i,j)=C。RNA-蟻群算法的基本思想是先由收斂速度較快的RNA算法粗略估算到最優(yōu)解位置，并增加粗估結(jié)果附近的初始信息素，新的初始信息素矩陣表示為：

(1)

其中，C′為很小的常數(shù)。

2 基于RNA-蟻群算法的邊緣檢測

首先通過RNA計算初始化信息素分布，適應(yīng)度函數(shù)選擇最大類間方差法(OTSU)。通過選擇、交叉、頸環(huán)和變異操作更新種群，直至種群內(nèi)個體不再更新停止迭代。以該分割點灰度值為基準，搜索圖像中的每個像素點，判斷其8鄰域內(nèi)是否同時存在大于和小于該基準值的情況。如果存在，該像素點為潛在邊緣點；反之，則不然。搜索得到的潛在邊緣點坐標(biāo)即為RNA計算得到的最優(yōu)解坐標(biāo)值，根據(jù)式(1)進行信息素矩陣初始化。

將K只螞蟻隨機放置在M×N的圖像中，螞蟻下一步移動的方向按照式(2)由周圍8鄰域的轉(zhuǎn)移概率決定，式(2)中ηij為像素點(i,j)處的啟發(fā)式引導(dǎo)函數(shù)，是可以表征邊緣信息強度的歸一化因子，表示為公式(4)[8-9]。

(2)

(3)

其中，Ii,j為(i,j)點的灰度值；Vc(·)為該點處的邊緣信息強度函數(shù)，表示為：

(4)

本文采用的f(·)為：

(5)

每只螞蟻移動一步后，該像素點信息素濃度按照式(6)進行更新。在邊緣檢測中，式(6)的Δτij(t)表示為Δτij(t)=ηij。

τij(t+1)=(1-ρ)τij(t)+Δτij(t).

(6)

當(dāng)所有螞蟻完成一次周游后，信息素矩陣進行全局更新，表示為：

τnc=(1-φ)·τnc-1.

(7)

其中，φ為全局信息素衰減因子。

NC次迭代完成后，根據(jù)信息素矩陣τNC計算閾值，通過閾值判斷選擇圖像的邊緣點。采用信息素矩陣的均值初始化閾值，表示為：

(8)

將信息素矩陣分為大于T(0)和小于T(0)兩部分并各自求均值后再求平均得到T(1)。以此類推，T(l)表示為：

(9)

(10)

(11)

(12)

(13)

3 實驗結(jié)果與分析

選用128級灰度圖像驗證本算法的有效性，并與Canny算法、傳統(tǒng)蟻群邊緣檢測算法進行比較實驗，設(shè)置螞蟻總數(shù)K=128。對于腦部CT圖像，如圖1(a)所示，令信息素強度α=10，啟發(fā)式引導(dǎo)函數(shù)的影響因子β=1，信息素揮發(fā)因子ρ=0.3，每只螞蟻移動50步，所有螞蟻周游一次。圖1(b)～(d)分別給出了Canny算法、傳統(tǒng)蟻群邊緣檢測算法和本算法的邊緣檢測結(jié)果。

圖1 腦部CT圖邊緣檢測結(jié)果

對于細菌顯微圖像，如圖2(a)所示，令信息素強度α=10，啟發(fā)式引導(dǎo)函數(shù)的影響因子β=2，信息素揮發(fā)因子ρ=0.5，每只螞蟻移動50步。圖2(b)～(d)分別給出了Canny算法、傳統(tǒng)蟻群邊緣檢測算法和本算法的邊緣檢測結(jié)果。

圖2 細菌顯微圖邊緣檢測結(jié)果

對比可以看出，Canny算法檢測結(jié)果中誤檢的邊緣較多；傳統(tǒng)蟻群算法檢測到的圖像邊緣不連續(xù)；本文算法檢測到的邊緣點清晰，具有較好的連續(xù)性和完整性。

4 結(jié)束語

針對傳統(tǒng)蟻群算法用于圖像邊緣檢測時早期搜索量大、計算時間長的問題，本文提出一種基于RNA-蟻群算法的邊緣檢測方法。首先通過RNA計算初步估算出圖像的邊緣點位置，然后利用粗估結(jié)果改進蟻群算法的初始信息素矩陣分布，使得潛在邊緣點附近的初始信息素濃度高于非邊緣位置，從而加快了蟻群向邊緣靠攏的速度，提高了算法搜索效率。實驗結(jié)果證明了新算法的有效性和可靠性。

[1] 張志龍，楊衛(wèi)平，李吉成.一種基于蟻群優(yōu)化的顯著邊緣檢測算法[J].電子與信息學(xué)報，2014，36(9)：2061-2067.

[2] 孟陽，侯媛彬，張譯文.基于免疫蟻群融合算法的機械臂目標(biāo)圖像邊緣檢測[J].計算機應(yīng)用研究，2012，29(4)：1566-1571.

[3] Dorigo M,Blum C.Ant Colony Optimization Theory:A Survey[J].Theoretical Computer Science，2005，344(2/3):243-278.

[4] Dorigo M,Maniezzo V,Colorni A.Positive Feedback as a Search Strategy[R].Dipartimento di Elettronica Politecnico di Milano，Italy，1991.

[5] 張健，周激流，何坤，等.基于多態(tài)蟻群優(yōu)化的圖像邊緣檢測[J].計算機工程與應(yīng)用，2011，47(3)：20-22.

[6] Hoseini P,Shayesteh M G.Efficient Contrast Enhancement of Images Using Hybrid an Colony Optimisation,Genetic Algorithm,and Simulated Annealing[J].Digital Signal Processing，2013，23(3):879-893.

[7] Chen Bolun,Chen Ling,Chen Yixin.Efficient Ant Colony Optimization for Image Feature Selection[J].Signal Processing，2013，93(6):1566-1576.

[8] 耿艷香，孫云山，謝靖鵬，等.混沌蟻群算法在圖像邊緣檢測中的應(yīng)用[J].計算機工程與應(yīng)用，2015，47(3)：20-22.

[9] Jing Tian,Weiyu Yu,Shengli Xie.An Ant Colony Optimization Algorithm for Image Edge Detection[C].IEEE Congress on Evolutionary Computation,2008：751-755.

Image Edge Detection Based on RNA Ant Colony Algorithm

Jiang Xueyao

(CollegeofInformationEngineering,TianjinUniversityofCommerce,Tianjin300134,China)

An image rapid edge detection method based on chaotic ant colony algorithm is proposed in order to solve the problem of complicated calculations and premature convergence in traditional ant colony edge detection.In the new method,the image area where has higher edge information intensity places more ants so that the convergence speed is improved by changing the ants’ initial position.Meanwhile the chaotic algorithm is used to update pheromone matrix,thereby the ergodic property has been improved and the continuity of rapid detection results has been ensured.Simulation results demonstrate that the new method can extract edge rapidly and completely.

edge detection; ant colony algorithm; RNA

2016-10-10

姜雪瑤(1988-)，女，山西忻州人，助理實驗師，研究方向為圖像處理。

1674-4578(2016)05-0050-02

TP391.41

A