基于RNA-蚁群算法的图像边缘检测

姜雪瑶

(天津商业大学信息工程学院，天津 300134)



基于RNA-蚁群算法的图像边缘检测

姜雪瑶

(天津商业大学信息工程学院，天津 300134)

传统蚁群边缘检测算法存在前期计算量大、收敛速度慢的不足，本文提出了一种基于RNA-蚁群算法的边缘检测方法。由于RNA计算前期收敛速度快，但后期冗余迭代较多，而蚁群算法具有良好的反馈机制。所以本文将二者结合，通过RNA计算粗估图像边缘位置，利用其结果改进蚁群算法的初始信息素矩阵，来提高边缘点附近的图像区域初始信息素浓度，从而加快蚁群算法收敛速度。仿真实验表明，新算法可以快速、完整地提取图像边缘。

边缘检测；蚁群算法；RNA

边缘是图像的基本特征之一，常用的边缘检测方法主要利用边缘附近灰度的剧烈变化，通过图像和微分算子卷积来实现边缘的提取，但这类算法的计算量大且对噪声较敏感[1-2]。传统的蚁群搜索算法应用于边缘检测时存在前期冗余迭代多、易陷入局部最优的问题[3-5]。

本文将RNA计算与蚁群算法相结合，提出了一种新的应用于边缘检测的群智能算法。新算法通过收敛速度较快的RNA计算改进传统蚁群算法的初始信息素分布矩阵，从而提高收敛速度。实验结果表明，在相同迭代次数的条件下，新方法提取的图像边缘更加完整、连续。

1 RNA-蚁群算法

蚁群算法在算法初期存在收敛速度慢、计算量大的问题。RNA计算前期收敛速度快、随机性强，但是算法后期由于没有反馈机制会产生大量冗余迭代[6-7]。因此，本文将RNA计算与蚁群算法相结合，通过RNA计算得到蚁群算法的初始信息素分布矩阵，从而加快前期收敛速度，使其收敛到全局最优。

蚁群搜索算法中，信息素矩阵初始化为常数矩阵τ(i,j)=C。RNA-蚁群算法的基本思想是先由收敛速度较快的RNA算法粗略估算到最优解位置，并增加粗估结果附近的初始信息素，新的初始信息素矩阵表示为：

(1)

其中，C′为很小的常数。

2 基于RNA-蚁群算法的边缘检测

首先通过RNA计算初始化信息素分布，适应度函数选择最大类间方差法(OTSU)。通过选择、交叉、颈环和变异操作更新种群，直至种群内个体不再更新停止迭代。以该分割点灰度值为基准，搜索图像中的每个像素点，判断其8邻域内是否同时存在大于和小于该基准值的情况。如果存在，该像素点为潜在边缘点；反之，则不然。搜索得到的潜在边缘点坐标即为RNA计算得到的最优解坐标值，根据式(1)进行信息素矩阵初始化。

将K只蚂蚁随机放置在M×N的图像中，蚂蚁下一步移动的方向按照式(2)由周围8邻域的转移概率决定，式(2)中ηij为像素点(i,j)处的启发式引导函数，是可以表征边缘信息强度的归一化因子，表示为公式(4)[8-9]。

(2)

(3)

其中，Ii,j为(i,j)点的灰度值；Vc(·)为该点处的边缘信息强度函数，表示为：

(4)

本文采用的f(·)为：

(5)

每只蚂蚁移动一步后，该像素点信息素浓度按照式(6)进行更新。在边缘检测中，式(6)的Δτij(t)表示为Δτij(t)=ηij。

τij(t+1)=(1-ρ)τij(t)+Δτij(t).

(6)

当所有蚂蚁完成一次周游后，信息素矩阵进行全局更新，表示为：

τnc=(1-φ)·τnc-1.

(7)

其中，φ为全局信息素衰减因子。

NC次迭代完成后，根据信息素矩阵τNC计算阈值，通过阈值判断选择图像的边缘点。采用信息素矩阵的均值初始化阈值，表示为：

(8)

将信息素矩阵分为大于T(0)和小于T(0)两部分并各自求均值后再求平均得到T(1)。以此类推，T(l)表示为：

(9)

(10)

(11)

(12)

(13)

3 实验结果与分析

选用128级灰度图像验证本算法的有效性，并与Canny算法、传统蚁群边缘检测算法进行比较实验，设置蚂蚁总数K=128。对于脑部CT图像，如图1(a)所示，令信息素强度α=10，启发式引导函数的影响因子β=1，信息素挥发因子ρ=0.3，每只蚂蚁移动50步，所有蚂蚁周游一次。图1(b)～(d)分别给出了Canny算法、传统蚁群边缘检测算法和本算法的边缘检测结果。

图1 脑部CT图边缘检测结果

对于细菌显微图像，如图2(a)所示，令信息素强度α=10，启发式引导函数的影响因子β=2，信息素挥发因子ρ=0.5，每只蚂蚁移动50步。图2(b)～(d)分别给出了Canny算法、传统蚁群边缘检测算法和本算法的边缘检测结果。

图2 细菌显微图边缘检测结果

对比可以看出，Canny算法检测结果中误检的边缘较多；传统蚁群算法检测到的图像边缘不连续；本文算法检测到的边缘点清晰，具有较好的连续性和完整性。

4 结束语

针对传统蚁群算法用于图像边缘检测时早期搜索量大、计算时间长的问题，本文提出一种基于RNA-蚁群算法的边缘检测方法。首先通过RNA计算初步估算出图像的边缘点位置，然后利用粗估结果改进蚁群算法的初始信息素矩阵分布，使得潜在边缘点附近的初始信息素浓度高于非边缘位置，从而加快了蚁群向边缘靠拢的速度，提高了算法搜索效率。实验结果证明了新算法的有效性和可靠性。

[1] 张志龙，杨卫平，李吉成.一种基于蚁群优化的显著边缘检测算法[J].电子与信息学报，2014，36(9)：2061-2067.

[2] 孟阳，侯媛彬，张译文.基于免疫蚁群融合算法的机械臂目标图像边缘检测[J].计算机应用研究，2012，29(4)：1566-1571.

[3] Dorigo M,Blum C.Ant Colony Optimization Theory:A Survey[J].Theoretical Computer Science，2005，344(2/3):243-278.

[4] Dorigo M,Maniezzo V,Colorni A.Positive Feedback as a Search Strategy[R].Dipartimento di Elettronica Politecnico di Milano，Italy，1991.

[5] 张健，周激流，何坤，等.基于多态蚁群优化的图像边缘检测[J].计算机工程与应用，2011，47(3)：20-22.

[6] Hoseini P,Shayesteh M G.Efficient Contrast Enhancement of Images Using Hybrid an Colony Optimisation,Genetic Algorithm,and Simulated Annealing[J].Digital Signal Processing，2013，23(3):879-893.

[7] Chen Bolun,Chen Ling,Chen Yixin.Efficient Ant Colony Optimization for Image Feature Selection[J].Signal Processing，2013，93(6):1566-1576.

[8] 耿艳香，孙云山，谢靖鹏，等.混沌蚁群算法在图像边缘检测中的应用[J].计算机工程与应用，2015，47(3)：20-22.

[9] Jing Tian,Weiyu Yu,Shengli Xie.An Ant Colony Optimization Algorithm for Image Edge Detection[C].IEEE Congress on Evolutionary Computation,2008：751-755.

Image Edge Detection Based on RNA Ant Colony Algorithm

Jiang Xueyao

(CollegeofInformationEngineering,TianjinUniversityofCommerce,Tianjin300134,China)

An image rapid edge detection method based on chaotic ant colony algorithm is proposed in order to solve the problem of complicated calculations and premature convergence in traditional ant colony edge detection.In the new method,the image area where has higher edge information intensity places more ants so that the convergence speed is improved by changing the ants’ initial position.Meanwhile the chaotic algorithm is used to update pheromone matrix,thereby the ergodic property has been improved and the continuity of rapid detection results has been ensured.Simulation results demonstrate that the new method can extract edge rapidly and completely.

edge detection; ant colony algorithm; RNA

2016-10-10

姜雪瑶(1988-)，女，山西忻州人，助理实验师，研究方向为图像处理。

1674-4578(2016)05-0050-02

TP391.41

A