郑晓霞，赵青杉

（忻州师范学院，忻州 034000）

基于ACO的彩色图像边缘检测

郑晓霞，赵青杉

（忻州师范学院，忻州 034000）

针对传统的边缘检测算法分割图像时边缘定位不准的局限性，将蚁群优化算法用于彩色图像边缘检测。通过利用像素领域间的灰度值差确定启发引导函数，并合理设置参数，更新信息素矩阵迭代搜索边缘，然后用阈值判断边缘点，进而提取图像的真实边缘。实验显示，与传统算法相比，该算法具有较好的边缘检测效果，且收敛速度也快。

蚁群优化算法；边缘检测；彩色图像分割

0 引言

图像边缘是图像最根本的特征，它包含了目标区域的基本信息，是图像分析和识别等后续处理的重要基础。边缘是图像上灰度变化最明显的地方，经典的边缘检测方法是利用空域微分算子即求解一阶导数或二阶导数通过将图像与模板进行卷积来完成。常用的微分算子包括[1]：Roberts算子、Sobel算子、Prewitt算子、Laplacian算子和Canny算子等。这些算法得到了广泛应用，但有其适用范围，对于噪声图像或图像边界灰度变化小等情况，边缘检测效果往往不理想，甚至丢失大量重要细节。

蚁群优化算法是近年发展起来的一种群智能优化算法，它通过蚂蚁间的相互协作来实现全局搜索能力。因其具有强鲁棒性、全局性和正反馈性等优点，在数据挖掘、函数优化、图像处理和模式识别等众多领域都有一定的研究进展[2]。蚁群算法应用于图像边缘获取可达到边缘连续性好、抗噪能力强等效果，因而许多学者将其与图像边缘检测算子结合来避免边缘提取的不完整性和准确率低的缺陷。……