论文摘要
边缘是图像最基本也是最重要的特征之一。边缘检测在图像工程中占有重要地位,是图像处理和图像分析的关键步骤。经过几十年的研究,人们已经提出了很多方法,但由于图像内容的复杂性和多样性以及数字图像成像机理等原因,使得检测精确度不高,对不同类型图像的适应性不强,在某些领域（如医学图像）中的图像检测效果还不理想。因此,边缘检测技术仍然是当今图像处理领域中的热点和难点问题,结合新的理论和方法探索新的边缘检测技术具有重要意义。蚁群算法是近年发展起来的一种新型搜索优化算法,具有强鲁棒性、正反馈性、分布式处理等特点,已在TSP问题、图着色、二次分配等组合优化问题中得到成功应用。其鲁棒性强的特点使得基本蚁群算法模型通过一定的修改就可较容易地用于解决其它问题。本文就是将蚁群算应用于图像处理领域,进行图像边缘的检测。本文在基本蚁群算法的基础上,提出了一种基于边缘特征的蚁群算法图像边缘检测方法,针对该方法的不足之处,又提出了一种改进方法,将改进方法甩于医学CT图像的边缘检测,取得了良好的效果。论文的主要工作和研究内容如下:（1）对当前各种图像边缘检测方法做了系统总结,对常用的边缘检测算子的优缺点做了分析比较,对结合特定理论而发展起来的新的边缘检测方法进行了归纳。（2）对蚁群算法的基本原理做了深入研究,对其近年来的研究进展及其改进方法进行了总结和比较,分析了改进算法的优点和不足,指出了算法改进方向,目的在于拓宽算法的应用领域和提高算法性能。（3）将蚁群算法应用于边缘检测,提出了一种图像边缘检测的新方法---基于边缘特征的蚁群算法图像边缘检测方法。首先将边缘检测问题转化成蚁群算法模型,将图像抽象成无向图,然后将蚂蚁随机分布到图像中,各蚂蚁根据转换规则从其3×3邻域像素中选择其一作为下一步转移目标,通过多次循环迭代最终使大多数蚂蚁聚集到图像边缘上,从而完成检测过程。仿真实验证明了检测结果比较准确,算法效率较高。蚁群算法中各参数的大小对检测效果影响较大,本文对此进行了深入探讨。（4）对基于边缘特征的蚁群算法图像边缘检测方法进行了改进。使用基于边缘特征蚁群算法进行边缘检测时,是把图像中所有的像素同等对待,蚂蚁在转移时采取统一的转换规则和信息素更新策略,因此使得边缘检测精确度降低,对不同种类图像的适应性降低。针对以上不足,本文提出改进方案。对图像中不同内容做不同处理,使用不同的选择规则和信息素更新策略,形成一种自适应的动态检测方法,极大地提高了检测精确度和适应性。将改进方法用于医学CT图像的边缘检测,取得良好效果,能够满足临床医学对CT图像三维重建的需要。