基于人工蜂群算法的圖像的目標(biāo)檢測與定位研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展和計(jì)算機(jī)視覺功能的廣泛應(yīng)用，圖像處理技術(shù)在農(nóng)業(yè)、航空航天、醫(yī)學(xué)、生活?yuàn)蕵返确矫娴玫搅嗽絹碓綇V泛的應(yīng)用，已經(jīng)成為了當(dāng)前圖像研究領(lǐng)域最熱門的方向之一。在此背景下，本文展開了對(duì)人工蜂群算法的圖像的目標(biāo)檢測和定位的研究。
　　目前，關(guān)于圖像的目標(biāo)檢測和圖像的目標(biāo)定位的算法已經(jīng)有很多，其中目標(biāo)檢測的方法主要有Sobel算子檢測、Canny算子檢測等，目標(biāo)定位的方法主要有圖像矩法和多次曲線擬合等方法，但是他們都存在精度不高、

2、圖像的實(shí)時(shí)性不強(qiáng)等缺點(diǎn)。同時(shí)，雖然人工蜂群算法有算法簡單易懂、魯棒性強(qiáng)、控制參數(shù)少等優(yōu)點(diǎn)，但由于算法沒有全局最優(yōu)值記憶和參與算法過程，導(dǎo)致該算法會(huì)因?yàn)槿痔綔y能力的不足而陷入局部最優(yōu)。因此，本文在基本人工蜂群算法的基礎(chǔ)上，提出了一種采用改進(jìn)的人工蜂群算法即采用全局人工蜂群算法，可借助全局人工蜂群算法搜索能力強(qiáng)，收斂速度快且不易陷入局部最優(yōu)等特點(diǎn)，簡化圖像目標(biāo)檢測和定位算法設(shè)計(jì)的復(fù)雜性，提高了圖像檢測和定位的速度、連續(xù)性和實(shí)時(shí)性。

3、　　本文首先介紹了圖像邊緣檢測和定位的方法，然后介紹了人工蜂群算法的生物模型和基本思想，介紹了人工蜂群算法的執(zhí)行過程、特點(diǎn)和控制參數(shù)對(duì)優(yōu)化結(jié)果的作用分析，然后針對(duì)基本的人工蜂群算法易于陷于局部最優(yōu)的缺點(diǎn)，本文通過借鑒遺傳算法中的交叉運(yùn)算改進(jìn)了搜索方式形成了全局人工蜂群算法，并基于全局人工蜂群算法設(shè)計(jì)了圖像目標(biāo)的邊緣檢測和定位算法，介紹了算法的實(shí)現(xiàn)方法。最后用MATLAB進(jìn)行了全局人工蜂群算法在圖像檢測和定位中的實(shí)驗(yàn)仿真，實(shí)驗(yàn)表明，全局人