基于蚁群算法的玉米植株热红外图像边缘检测

基于蚁群算法的玉米植株热红外图像边缘检测

ID:36789040

大小:366.52 KB

页数:4页

时间:2019-05-15

基于蚁群算法的玉米植株热红外图像边缘检测_第1页
基于蚁群算法的玉米植株热红外图像边缘检测_第2页
基于蚁群算法的玉米植株热红外图像边缘检测_第3页
基于蚁群算法的玉米植株热红外图像边缘检测_第4页
资源描述:

《基于蚁群算法的玉米植株热红外图像边缘检测》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、2015年6月农机化研究第6期基于蚁群算法的玉米植株热红外图像边缘检测1,21222陈浩,方勇,朱大洲,王成,陈子龙(1.西北农林科技大学信息工程学院,陕西杨凌712100;2.北京农业智能装备技术研究中心,北京100097)摘要:针对热红外图像目标与背景区分不明显、效果模糊,以及传统的Roberts、Sobel、Canny等边缘检测方法难以取得理想检测效果的特点,以玉米植株为测试对象,首次将蚁群优化算法应用于热红外图像边缘检测。该算法由初始化过程开始,进行N步迭代构造信息素矩阵,然后执行信息素过更新过程,最后图像边缘由

2、决策过程给出。仿真实验结果表明,该算法与传统边缘检测算法相比,能够较好地得到边缘检测结果,可为农作物热红外图像处理提供一种新的方法。关键词:蚁群优化算法;玉米植株;热红外图像;边缘检测中图分类号:TP391.41;S126文献标识码:A文章编号:1003-188X(2015)06-0049-04DOI:10.13427/j.cnki.njyi.2015.06.011[3]理领域研究的较少。张景虎等人提出了基于蚁群0引言[4]算法的图像边缘检测研究,LUDS等提出了基于优由于作物叶片温度与抗旱性有密切的关系,而热化蚁群算法

3、的边缘检测研究。为此,笔者在前人研究红外图像能准确地反映物体的温度分布情况,因此采蚁群算法检测可见光图像的基础上,提出一种针对热用一定的设备来获取叶片的热红外图像,然后进行图红外图像特点而改进的蚁群优化算法,并将其应用于像处理,便有望测定作物的抗旱性。边缘检测是数字玉米植株红外图像边缘检测。图像处理的重要内容,是对作物热红外图像处理时测1蚁群优化算法原理量作物抗旱性的前提。传统边缘检测的基本原理是利用图像在边缘处的阶跃性,按照某种方法检测出边蚁群优化算法(ACO)由意大利学者MacroDori-[5]缘点并将其链接构成分

4、割区域,从而实现目标与背景go于1992年在他的博士论文中首次提出,是一种的分离。热红外图像与可见光图像相比,具有目标与用来在图中寻找最优化路径的概率型算法。生物学背景对比度差、边缘模糊、噪声大等特点,采用传统边研究表明:蚂蚁在运动时会在所经过的路径上释放出缘检测原理的Priwitt、Roberts、Sobel、Canny、Laplacian一种称为“信息素”的化学物质,后续的蚂蚁可根据此等边缘检测方法,在检测热红外图像时难以取得理想选择路径。前面的蚂蚁遇到一个路口时,会随机选择[1]的结果。其中的一条路径并释放出相应的

5、信息素,路径越长信蚁群优化算法(AntColonyOptimization,ACO)是息素越少。后面的蚂蚁来到相同的路口时,就会根据对自然界蚂蚁觅食时所走路径进行模拟而得出的一信息素的多少做出路径选择,信息量大的路径被选择种仿生算法,它利用一种称为信息素(Pheromone)的的概率相对较大,同时释放信息素,这样就形成了信物质进行信息传递,并通过蚂蚁间的协同与交互找到息正反馈。最优路径上的信息量越来越大,而其他路最优的觅食路径。近年来,许多学者致力于蚁群算法径上的信息量越来越少,最终整个蚁群会找到最佳路[6]的研究,并将

6、其成功用于TSP(TravelingSalesmanProb-径。采用蚁群优化算法的边缘检测N-S流程图,lem)问题[2]、QAP(QuadraticAssignmentProblem)问题如图1所示。等经典的组合优化问题,但用于农作物热红外图像处2蚁群优化算法热红外图像边缘检测过程收稿日期:2014-06-20基于蚁群优化算法的图像边缘检测方法,将图像基金项目:北京市自然科学基金项目(4142019);北京市科技新星计中的每个像素看作一个点,利用若干只蚂蚁在一副二划项目(Z111105054511051)维图像上运动

7、来构建信息素矩阵,其中矩阵的每个元作者简介:陈浩(1988-),男,河南南阳人,硕士研究生,(E-mail)moshui396@163.com。代表了图像每个像素点位置的边缘信息。此外,蚂蚁[7]通讯作者:方勇(1979-),男,江西崇仁人,教授,博士生导师。们的移动方向可由图像强度值的局部变化来调整。·49·2015年6月农机化研究第6期下面详细介绍各个过程。第2个问题是如何确定(l,m)处蚂蚁运动的允许范围,即式(1)中的Ω(l,m)。本文拟采用4连通域或8连通域进行求解。2.3更新过程在更新信息素矩阵时,执行两次更

8、新操作。1)第1次更新在每个执行步骤中每只蚂蚁移动之后执行,信息素矩阵的每个元素更新为(n-1)(k)(n-1)(1-σ)·αi,j+σ·Vi,jαi,j={(4)(n-1)αi,jelse式中σ—蒸发率;(k)(k)Δi,j—由启发矩阵决定,即Δi,j=ηi,j。2)第2次更新在每步中所有蚂蚁完成运动之后按图1蚁群

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。