基于蚁群算法的图像边缘检测毕业设计答辩ppt课件.ppt

《基于蚁群算法的图像边缘检测毕业设计答辩ppt课件.ppt》由会员分享，可在线阅读，更多相关《基于蚁群算法的图像边缘检测毕业设计答辩ppt课件.ppt（32页珍藏版）》请在三一办公上搜索。

1、,基于蚁群算法的图像边缘检测,Image Edge Detection based on Ant Colony Algorithm,指导老师：XXX,汇报人：XXX,工作安排,研究背景和目的,图像边缘检测概述,蚁群算法,实验结果及分析,总结,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,一、工作安排,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part

2、Six,进展情况,4,1,2,3,4,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,主要思想,5,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,二、研究背景和目的,研究背景,7,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Pa

3、rt Six,光学显微图像分析,生物医学图像,X射线图像,地质勘探,遥感图像分析,粒子物理,工作安排Part One,研究背景和目的Part Two,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,8,图像边缘检测,研究目的,图像边缘检测Part Three,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,三、图像边缘检测概述,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Par

4、t Four,实验结果及分析Part Five,总结Part Six,10,图像边缘检测流程,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,传统边缘检测算子,11,1,2,3,4,5,6,工作安排Part One,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,由于在图像的采集过程中，图像的清晰度会受到一些因素的干扰，导致产生噪声、图像模糊、对比度不强等问题，使边缘的提取或强化受到影响。因此，传统的边缘检测算法效果并不理想，表现在

5、：,12,研究背景和目的Part Two,图像边缘检测Part Three,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,四、蚁群算法,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,算法背景,14,蚁群算法又称蚂蚁算法，它是在1992年由意大利科学家Marco Dorigo等人受自然界蚂蚁觅食过程中路径选择行为的启迪而提出的一种新型搜索优

6、化算法。,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,算法原理,15,昆虫学家经过观察发现，蚂蚁在寻找食物源时，能在走过的路径上释放信息激素，并且它们分泌的信息量会随着所走路径的增长和时间的推迟而不断挥发，在一定范围内的其他蚂蚁能够感知到这种物质的存在及其强度，并由此决定它们以后的行为。从同一地点出发的一群蚂蚁通过各自的路径选择方式找到一个相同食物源时，通过较短路径的蚂蚁可以在相同时间内在自己经过的路径上搬运更多次数的食物回巢。,工作安排Part One,研究背景

7、和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,算法特征,16,在自然界中，类似蚂蚁、蜜蜂、鱼这类的昆虫，它们的个体虽然简单，但是在各自的群体中，个体之间的协作性很强。它们之间相互协作，共同完成某项群体任务，这就体现出了群体的自组织性。,自组织,自然界中的真实蚂蚁在寻找食物的过程中，会分泌相应的信息素，时间越短，次数越多，信息素量也就会越强。蚂蚁就是通过路径上信息素浓度的强弱来选择下一个即将行走的路径，最终找到巢穴到食物的最短路径。这个过程就是所谓的正反馈。,正反馈,将人工蚂蚁分布在问题空间的各个节点

8、上，每只人工蚂蚁开始独立构造问题的解，然后根据整个蚁群的运动趋势求取最优结果，因此一只蚂蚁并不会影响整个算法的结果。,分布式计算,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,算法流程,17,给各参数变量赋初值，相当于蚂蚁均在蚁穴，等待出发。,蚂蚁根据给定路径长度和信息素强度做动态选择，并在运动中释放信息素。,对于给定条件，若满足，则算法停止；否则，返回优化过程。,初始化,优化过程,终止条件,工作安排Part One,研究背景和目的Part Two,图像边缘检测Pa

9、rt Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,五、实验分析及分析,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,原始图像,19,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,运行结果,20,=10，=0.1，=0.1,工作安排Part One,研究背景和目的Part Two,图像边缘

10、检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,运行结果,21,=1，=5，=0.5,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,22,蚁群算法参数设置,为了进一步探讨参数改变对蚁群算法边缘检测结果的影响，下面对十组数据进行了分析比对，其数值设定如下表所示：,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part F

11、ive,总结Part Six,23,=50，=0.5，=0.5,=5，=0.05，=0.05,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,24,=1，=0.1，=0.1,=100，=0.1，=0.1,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,25,=10，=1，=0.1,=10，=10，=0.1,工作安排Part One,研究背景和

12、目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,26,=10，=0.1，=0.05,=10，=0.1，=0.1,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,最佳参数,27,=1，=0.01，=0.01,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six

13、,28,与传统边缘检测算子比较,1,2,3,4,5,6,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结Part Six,六、总结,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,总结,30,总结Part Six,本文提出了一种基于蚁群算法的图像边缘检测，它是根据自然界中蚂蚁能够找到食物与蚁巢间最短路径这一智能行为而提出的一种新型的进化算法。通过一系列的仿真实验改变参数值，得到了较

14、佳的实验效果。与传统边缘检测算子相比，该算法具有很强的鲁棒性，良好的正反馈特性和适应性，且收敛速度快。,（1）掌握蚁群算法的基本原理和基本模型。（2）成功实现基于MATLAB的边缘检测技术仿真。（3）通过多次实验寻找到较佳参数设定。,工作安排Part One,研究背景和目的Part Two,图像边缘检测Part Three,蚁群算法Part Four,实验结果及分析Part Five,亮点与不足,31,总结Part Six,（1）对于蚁群算法参数的选取原则和方法目前还没有理论上的指导和进展，只能通过大量实验进行调节，因此如何设置最佳参数需更进一步研究。（2）由于蚁群算法的搜索时间较长，可以思考将蚁群算法与其他优化算法相结合，以此提高算法性能。,谢谢聆听！,Thanks for listening！,指导老师：XXX,汇报人：XXX,