基于人工蜂群算法的圖像的目標檢測與定位研究.pdf

1、隨著科學技術(shù)的發(fā)展和計算機視覺功能的廣泛應(yīng)用，圖像處理技術(shù)在農(nóng)業(yè)、航空航天、醫(yī)學、生活娛樂等方面得到了越來越廣泛的應(yīng)用，已經(jīng)成為了當前圖像研究領(lǐng)域最熱門的方向之一。在此背景下，本文展開了對人工蜂群算法的圖像的目標檢測和定位的研究。
　　目前，關(guān)于圖像的目標檢測和圖像的目標定位的算法已經(jīng)有很多，其中目標檢測的方法主要有Sobel算子檢測、Canny算子檢測等，目標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、圖像的實時性不強等缺點。同時，雖然人工蜂群算法有算法簡單易懂、魯棒性強、控制參數(shù)少等優(yōu)點，但由于算法沒有全局最優(yōu)值記憶和參與算法過程，導致該算法會因為全局探測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，收斂速度快且不易陷入局部最優(yōu)等特點，簡化圖像目標檢測和定位算法設(shè)計的復雜性，提高了圖像檢測和定位的速度、連續(xù)性和實時性。

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、特點和控制參數(shù)對優(yōu)化結(jié)果的作用分析，然后針對基本的人工蜂群算法易于陷于局部最優(yōu)的缺點，本文通過借鑒遺傳算法中的交叉運算改進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)計了圖像目標的邊緣檢測和定位算法，介紹了算法的實現(xiàn)方法。最后用MATLAB進行了全局人工蜂群算法在圖像檢測和定位中的實驗仿真，實驗表明，全局人