为了提高图像边缘检测的细节信息,采用了二进制粒子群算法.首先通过logistic变换更新粒子速度,粒子速度不受限制;接着动态调整粒子位置,使飞行状态充分调整;然后正态云发生器动态调整粒子的惯性权重,这样较优粒子可以取得较小的惯性权重;最后建立图像边缘检测模型和算法流程.实验仿真显示本文算法对图像边缘定位准确、清晰,信噪比为35.928 1 db,处理时间为1.340 1 s.满足检测结果中对信息含量大、执行时间少等要求.
参考文献
| [1] | 刘博超,赵建,孙强.基于边缘改进的Harris角点检测方法[J].液晶与显示,2013(06):939-942. |
| [2] | 高珊,马艳会.基于边缘保持的SAR图像滤波算法研究[J].液晶与显示,2013(02):290-294. |
| [3] | 一种基于最小交叉熵的Canny边缘检测算法[J].电视技术,2013(01):165-168. |
| [4] | 潘烁,王曙燕,王欢.基于改进粒子群算法的组合测试数据生成[J].西安邮电学院学报,2012(03):48-52. |
| [5] | 胥小波,郑康锋,李丹,武斌,杨义先.新的混沌粒子群优化算法[J].通信学报,2012(01):24-30,37. |
| [6] | 刘志刚,杜娟,李盼池.一种基于量子粒子群的过程神经元网络学习算法[J].信息与控制,2012(02):174-179. |
| [7] | Kennedy J,Eberhart R C.Particle swarm optimization[C].Proc.of IEEE International Conferenee on Neural Networks,Piscataway:IEEE press,1995:1942-1948.,1995. |
| [8] | Eberhart R C,Dobbins R W,Simpson P K.Computational Intelligence PC Tools[M].Boston:Academic Press,1996.,1996. |
| [9] | 刘建华,杨荣华,孙水华.离散二进制粒子群算法分析[J].南京大学学报：自然科学版,2011(05):504-514. |
| [10] | 王永强,周建中,覃晖,卢有麟,张勇传.基于改进二进制粒子群与动态微增率逐次逼近法混合优化算法的水电站机组组合优化[J].电力系统保护与控制,2011(10):64-69. |
| [11] | 基于改进云粒子群算法的电力系统无功优化研究[J].兰州交通大学学报,2012(06):49-53. |
| [12] | 基于云粒子群算法的航空发动机性能衰退模型研究[J].燃气涡轮试验与研究,2012(01):17-19,43. |
| [13] | 张朝龙,江巨浪,李彦梅,陈世军,查长礼,王陈宁.基于云粒子群-最小二乘支持向量机的传感器温度补偿[J].传感技术学报,2012(04):472-477. |
| [14] | 张英杰,邵岁锋,Niyongabo J.一种基于云模型的云变异粒子群算法[J].模式识别与人工智能,2011,24(1):90-95.Zhang Y J,Shao S F,Niyongabo J.Cloud hypermutation particle swarm optimization algorithm based on cloud modele[J].Pattern Recognition and Artifical Intelligence,2011,24(1):90-95.(in Chinese),2011. |
| [15] | 肖易寒,席志红,海涛,郭亮.基于非下采样contourlet变换的图像边缘检测新方法[J].系统工程与电子技术,2011(07):1668-1672. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%