一種基于qpso算法的圖像邊緣檢測(cè)方法
【專(zhuān)利摘要】本發(fā)明涉及一種基于量子行為粒子群優(yōu)化(QPSO)算法的圖像邊緣檢測(cè)方法，該方法將四個(gè)自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)子檢測(cè)器和一個(gè)后處理塊組成一個(gè)圖像邊緣檢測(cè)器。在使用該方法對(duì)圖像進(jìn)行邊緣檢測(cè)前，首先人工構(gòu)造一個(gè)訓(xùn)練圖像，使用QPSO和線性最小二乘法(LSE)對(duì)四個(gè)子檢測(cè)器單獨(dú)進(jìn)行訓(xùn)練，確定系統(tǒng)中的參數(shù)；當(dāng)四個(gè)子檢測(cè)器都訓(xùn)練完畢，就可以和一個(gè)后處理塊一起構(gòu)成一個(gè)圖像邊緣檢測(cè)器，對(duì)測(cè)試圖像進(jìn)行邊緣檢測(cè)。本發(fā)明的圖像邊緣檢測(cè)方法特色之處在于，即使測(cè)試圖像被噪聲污染，該方法也能有效地提取圖像中的邊緣信息而無(wú)需進(jìn)行圖像濾波預(yù)處理過(guò)程。
【專(zhuān)利說(shuō)明】-種基于QPSO算法的圖像邊緣檢測(cè)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于量子行為粒子群優(yōu)化（QPSO)算法的圖像邊緣檢測(cè)方法，屬 于圖像處理【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 邊緣檢測(cè)是許多圖像處理操作如圖像分割、對(duì)象識(shí)別、圖像配準(zhǔn)、圖像分類(lèi)等的基 礎(chǔ)，其檢測(cè)質(zhì)量在很大程度上決定了這些后續(xù)操作的效果。
[0003] 邊緣檢測(cè)算法通過(guò)檢測(cè)包含不同區(qū)域的邊緣來(lái)解決圖像分割問(wèn)題。邊緣由邊緣像 素構(gòu)成，而邊緣像素是圖像中灰度突變的那些像素。邊緣檢測(cè)算法一般利用圖像一階導(dǎo)數(shù) 的極大值或二階導(dǎo)數(shù)的過(guò)零點(diǎn)信息來(lái)提供判斷邊緣點(diǎn)的基本依據(jù)。Robert算子、Prewitt 算子和Sobel算子都是基于梯度的算子，它們使用不同的模板來(lái)求圖像中各像素點(diǎn)處一階 偏導(dǎo)數(shù)的近似值。這些基于梯度的邊緣檢測(cè)算法易于實(shí)現(xiàn)，但它們不僅對(duì)邊緣信息敏感， 對(duì)噪聲同樣也很敏感。J. Canny采用高斯函數(shù)的一階導(dǎo)數(shù)，并提出邊緣檢測(cè)算子應(yīng)滿足以 下3個(gè)判斷準(zhǔn)則：信噪比準(zhǔn)則、定位精度準(zhǔn)則以及單邊緣響應(yīng)準(zhǔn)則，由此推導(dǎo)出邊緣檢測(cè)算 子-Canny算子。而計(jì)算機(jī)視覺(jué)的創(chuàng)始人D. Marr提出采用Laplacian算子求高斯函數(shù)的二 階導(dǎo)數(shù)得到L0G(Laplacian of Gaussian)濾波算子。這些經(jīng)典的算法能在一定程度上有 效地提取出圖像中的邊緣，但在算法中需確定一些參數(shù)的值，而這些參數(shù)的最優(yōu)值的確定， 是一個(gè)比較困難的問(wèn)題。
[0004] 數(shù)字圖像在其獲取、傳輸過(guò)程中因種種原因可能導(dǎo)致在正常的圖像數(shù)據(jù)中混入噪 聲信號(hào)。在噪聲圖像中，細(xì)節(jié)或邊緣與噪聲之間的區(qū)別并不明顯。這種信息的不確定性和 不完整性給數(shù)字圖像處理帶來(lái)了困難，而模糊理論正好能適應(yīng)這些不確定性。人工神經(jīng)網(wǎng) 絡(luò)方法能夠根據(jù)學(xué)習(xí)樣本找出輸入與輸出數(shù)據(jù)之間的內(nèi)在聯(lián)系，特別適合圖像處理中許多 非線性問(wèn)題。近年來(lái)，神經(jīng)模糊理論綜合了模糊理論模擬圖像處理過(guò)程中的不確定性的能 力和人工神經(jīng)網(wǎng)絡(luò)強(qiáng)大的學(xué)習(xí)能力，逐漸應(yīng)用在圖像處理過(guò)程中。


【發(fā)明內(nèi)容】

[0005] 要解決的技術(shù)問(wèn)題
[0006] 本發(fā)明所要解決的問(wèn)題是，提出一種基于QPSO算法的圖像邊緣檢測(cè)方法，即使測(cè) 試圖像被噪聲污染，在無(wú)需進(jìn)行濾波預(yù)處理過(guò)程情況下，也能進(jìn)行邊緣檢測(cè)的方法。
[0007] 技術(shù)方案
[0008] 本發(fā)明的技術(shù)特征在于，包括以下步驟：
[0009] 步驟一：將四個(gè)自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS)子檢測(cè)器和一個(gè)后處理塊組成 一個(gè)圖像邊緣檢測(cè)器，在使用該檢測(cè)器對(duì)圖像進(jìn)行邊緣檢測(cè)前，人工構(gòu)造一個(gè)訓(xùn)練圖像，使 用QPSO和線性最小二乘法（LSE)對(duì)四個(gè)子檢測(cè)器單獨(dú)進(jìn)行訓(xùn)練，確定系統(tǒng)中的參數(shù)； [0010] 步驟二：當(dāng)四個(gè)子檢測(cè)器都訓(xùn)練完畢，就可以和一個(gè)后處理塊一起構(gòu)成一個(gè)圖像 邊緣檢測(cè)器，對(duì)測(cè)試圖像進(jìn)行邊緣檢測(cè)。
[0011] 所述步驟一進(jìn)一步包括以下步驟：
[0012] 步驟A :每個(gè)ANFIS子檢測(cè)器都有四個(gè)輸入，一個(gè)輸出，人工構(gòu)造一個(gè)原始圖像，在 該圖像上添加30%的椒鹽脈沖噪聲得到噪聲圖像，作為每個(gè)子檢測(cè)器的輸入的訓(xùn)練圖像， 由原始圖像可得到邊緣標(biāo)志圖像，作為每個(gè)子檢測(cè)器的期望輸出的訓(xùn)練圖像，由輸入的訓(xùn) 練圖像和期望輸出的訓(xùn)練圖像得到所有組訓(xùn)練數(shù)據(jù)；
[0013] 步驟B :設(shè)迭代次數(shù)η = 0。初始化粒子群，包括粒子的個(gè)數(shù)，搜索空間，隨機(jī)初始 化每個(gè)粒子初始位置；
[0014] 步驟C :在第一次迭代時(shí)，每個(gè)粒子的初始位置即為個(gè)體最好位置。每個(gè)粒子的位 置為ANFIS系統(tǒng)中的前提參數(shù)，采用LSE算法得到該粒子所對(duì)應(yīng)的結(jié)論參數(shù)。計(jì)算所有輸 入組數(shù)據(jù)的ANFIS系統(tǒng)的實(shí)際輸出，根據(jù)實(shí)際輸出和期望輸出得到該粒子所對(duì)應(yīng)的目標(biāo)函 數(shù)值，所有粒子的目標(biāo)函數(shù)值相比較就能找到一個(gè)具有最小目標(biāo)函數(shù)值的粒子，該粒子的 位置即為全局最好位置，同時(shí)保存該粒子（前提參數(shù)）所對(duì)應(yīng)的結(jié)論參數(shù)矩陣；
[0015] 步驟D :由所有粒子的個(gè)體最好位置計(jì)算個(gè)體的平均最好位置，對(duì)每個(gè)粒子的位 置進(jìn)行更新，采用LSE算法得到相應(yīng)的結(jié)論參數(shù)，計(jì)算每個(gè)粒子的目標(biāo)函數(shù)值，并更新個(gè)體 最好位置。最后，比較所有粒子的個(gè)體最好位置，得到全局最好位置，同時(shí)保存具有全局最 好位置粒子所對(duì)應(yīng)的結(jié)論參數(shù)矩陣；
[0016] 步驟E :當(dāng)達(dá)到迭代結(jié)束條件時(shí)，訓(xùn)練結(jié)束，全局最好位置即為所要確定的前提參 數(shù)，保存的結(jié)論參數(shù)矩陣即為要確定的結(jié)論參數(shù)。當(dāng)?shù)Y(jié)束條件未達(dá)到時(shí)，設(shè)η = η+1，轉(zhuǎn) 到步驟D。
[0017] 所述步驟二進(jìn)一步包括以下步驟：
[0018] 步驟A :將需進(jìn)行邊緣檢測(cè)的測(cè)試圖像作為檢測(cè)器的輸入圖像，以輸入圖像中左 上角的像素（該像素即為當(dāng)前操作像素）開(kāi)始，在圖像上以從上到下，從左至右的方式滑 動(dòng)，遍取輸入圖像中所有像素；
[0019] 步驟B :對(duì)于當(dāng)前操作像素，由四個(gè)數(shù)據(jù)提取塊得到四個(gè)ANFIS子檢測(cè)器的四個(gè)輸 入；
[0020] 步驟C :每個(gè)子檢測(cè)器都會(huì)得到一個(gè)輸出，這些輸出即為后處理塊的輸入，后處理 塊對(duì)這四個(gè)輸入取平均值，再將該平均值與一個(gè)預(yù)先設(shè)定的閾值相比較，得到一最終輸出， 該輸出即為與輸入圖像當(dāng)前操作像素相對(duì)應(yīng)的邊緣標(biāo)志圖像像素的灰度值；
[0021] 步驟D :選取輸入圖像中下一個(gè)像素作為當(dāng)前操作像素，重復(fù)步驟（B)和（C)，當(dāng)輸 入圖像中所有像素經(jīng)過(guò)檢測(cè)器都得到輸出后，就能得到一個(gè)輸出圖像，該輸出圖像即為邊 緣標(biāo)志圖像。
[0022] 有益效果
[0023] 本發(fā)明的圖像邊緣檢測(cè)方法能有效地提取圖像中的邊緣信息。本發(fā)明所提出的邊 緣檢測(cè)方法，綜合利用了模糊理論模擬圖像處理過(guò)程中的不確定性的能力和人工神經(jīng)網(wǎng)絡(luò) 強(qiáng)大的學(xué)習(xí)能力，即使測(cè)試圖像被噪聲污染，也能有效地提取圖像中的邊緣信息而無(wú)需進(jìn) 行圖像濾波預(yù)處理過(guò)程，從而使得后續(xù)的圖像分割、特征提取和圖像識(shí)別等任務(wù)更能有效 地進(jìn)行。

【專(zhuān)利附圖】

【附圖說(shuō)明】
[0024] 圖1是邊緣檢測(cè)器網(wǎng)絡(luò)結(jié)構(gòu)圖
[0025] 圖2是ANFIS子檢測(cè)器訓(xùn)練優(yōu)化過(guò)程圖
[0026] 圖3是人工訓(xùn)練圖像
[0027] 圖4是四個(gè)數(shù)據(jù)提取塊所對(duì)應(yīng)的拓?fù)浣Y(jié)構(gòu)
[0028] 圖5是中值提取操作窗口大小的選擇
[0029] 圖6是測(cè)試圖像和基準(zhǔn)邊緣圖像
[0030] 圖7是對(duì)被10%椒鹽脈沖噪聲污染的測(cè)試圖像使用不同方法進(jìn)行邊緣檢測(cè)后得 到的結(jié)果圖
[0031] 圖8是使用不同方法得到的Score值
[0032] 圖9是使用不同方法得到的PSNR值

【具體實(shí)施方式】
[0033] 下面結(jié)合圖1至圖9對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述。
[0034] 步驟一：將四個(gè)自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS)子檢測(cè)器和一個(gè)后處理塊組成 一個(gè)圖像邊緣檢測(cè)器，在使用該檢測(cè)器對(duì)圖像進(jìn)行邊緣檢測(cè)前，人工構(gòu)造一個(gè)訓(xùn)練圖像，使 用QPSO和線性最小二乘法（LSE)對(duì)四個(gè)子檢測(cè)器單獨(dú)進(jìn)行訓(xùn)練，確定系統(tǒng)中的參數(shù)；
[0035] 具體步驟如下：
[0036] 步驟A :每個(gè)ANFIS子檢測(cè)器都有四個(gè)輸入，一個(gè)輸出，人工構(gòu)造一個(gè)原始圖像，在 該圖像上添加30%的椒鹽脈沖噪聲得到噪聲圖像，作為每個(gè)子檢測(cè)器的輸入的訓(xùn)練圖像， 由原始圖像可得到邊緣標(biāo)志圖像，作為每個(gè)子檢測(cè)器的期望輸出的訓(xùn)練圖像，由輸入的訓(xùn) 練圖像和期望輸出的訓(xùn)練圖像得到所有組訓(xùn)練數(shù)據(jù)；
[0037] 圖1是圖像邊緣檢測(cè)器結(jié)構(gòu)圖，包含四個(gè)ANFIS子檢測(cè)器和一個(gè)后處理塊，在使用 該檢測(cè)器對(duì)圖像進(jìn)行邊緣檢測(cè)前，每個(gè)子檢測(cè)器都需單獨(dú)進(jìn)行訓(xùn)練。圖2是ANFIS子檢測(cè) 器訓(xùn)練優(yōu)化過(guò)程圖。訓(xùn)練圖像可通過(guò)計(jì)算機(jī)人工構(gòu)造得到，圖3(a)是原始圖像，該圖像大 小為128X 128,是由1024個(gè)4X4色塊組成,每個(gè)色塊中的16個(gè)像素具有相同的灰度值,不 同色塊的灰度值各不相同，遍取〇到255中的所有值，不同灰度值的色塊在圖片中的位置是 隨機(jī)的，圖3 (b)是子檢測(cè)器的輸入的訓(xùn)練圖像，是在圖3 (a)上添加30%的椒鹽脈沖噪聲得 到的噪聲圖像，圖3 (c)是根據(jù)圖3 (a)原始圖像得到的邊緣標(biāo)志圖像，也就是子檢測(cè)器期望 輸出的訓(xùn)練圖像，圖中像素灰度值為0表示當(dāng)前像素是邊緣像素，顯示為黑色，像素灰度值 為1表示當(dāng)前像素不是邊緣像素，顯示為白色。
[0038] 由輸入的訓(xùn)練圖像和期望輸出的訓(xùn)練圖像得到所有的訓(xùn)練數(shù)據(jù)，設(shè)為N組。在圖 1中，每個(gè)ANFIS子檢測(cè)器對(duì)應(yīng)一個(gè)數(shù)據(jù)提取塊，每個(gè)數(shù)據(jù)提取塊為相應(yīng)的ANFIS子檢測(cè)器 提供四個(gè)輸入。具體步驟如下：
[0039] (1)如圖4所示，以當(dāng)前操作像素 p2為中心，得到一個(gè)3X3操作窗口，依照水平、 垂直、左對(duì)角線和右對(duì)角線這四種不同的拓?fù)浣Y(jié)構(gòu)得到像素灰度值 Pl、P2和P3 ;
[0040] ⑵仍以當(dāng)前操作像素 P2為中心，另外得到一個(gè)預(yù)先定義的中值提取操作窗口，由 該窗口內(nèi)所有像素點(diǎn)的灰度值，得到中值m ;
[0041] (3)令每個(gè)自適應(yīng)神經(jīng)模糊推理系統(tǒng)四個(gè)輸入Xl、x2、X 3和X4分別為：

【權(quán)利要求】
1. 一種基于量子行為粒子群優(yōu)化（QPSO)算法的圖像邊緣檢測(cè)方法，其特征在于，包括 以下步驟： 步驟一：將四個(gè)自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS)子檢測(cè)器和一個(gè)后處理塊組成一 個(gè)圖像邊緣檢測(cè)器，在使用該檢測(cè)器對(duì)圖像進(jìn)行邊緣檢測(cè)前，人工構(gòu)造一個(gè)訓(xùn)練圖像，使用 QPS0和線性最小二乘法（LSE)對(duì)四個(gè)子檢測(cè)器單獨(dú)進(jìn)行訓(xùn)練，確定系統(tǒng)中的參數(shù)； 步驟二：當(dāng)四個(gè)子檢測(cè)器都訓(xùn)練完畢，就可以和一個(gè)后處理塊一起構(gòu)成一個(gè)圖像邊緣 檢測(cè)器，對(duì)測(cè)試圖像進(jìn)行邊緣檢測(cè)。
2. 根據(jù)權(quán)利要求1所述的基于QPS0算法的圖像邊緣檢測(cè)方法，其特征在于，步驟一進(jìn) 一步包括以下步驟： 步驟A :每個(gè)ANFIS子檢測(cè)器都有四個(gè)輸入，一個(gè)輸出，人工構(gòu)造一個(gè)原始圖像，在該 圖像上添加30%的椒鹽脈沖噪聲得到噪聲圖像，作為每個(gè)子檢測(cè)器的輸入的訓(xùn)練圖像，由 原始圖像可得到邊緣標(biāo)志圖像，作為每個(gè)子檢測(cè)器的期望輸出的訓(xùn)練圖像，由輸入的訓(xùn)練 圖像和期望輸出的訓(xùn)練圖像得到所有組訓(xùn)練數(shù)據(jù)； 步驟B :設(shè)迭代次數(shù)η = 0。初始化粒子群，包括粒子的個(gè)數(shù)，搜索空間，隨機(jī)初始化每 個(gè)粒子初始位置； 步驟C :在第一次迭代時(shí)，每個(gè)粒子的初始位置即為個(gè)體最好位置。每個(gè)粒子的位置為 ANFIS系統(tǒng)中的前提參數(shù)，采用LSE算法得到該粒子所對(duì)應(yīng)的結(jié)論參數(shù)。計(jì)算所有輸入組數(shù) 據(jù)的ANFIS系統(tǒng)的實(shí)際輸出，根據(jù)實(shí)際輸出和期望輸出得到該粒子所對(duì)應(yīng)的目標(biāo)函數(shù)值， 所有粒子的目標(biāo)函數(shù)值相比較就能找到一個(gè)具有最小目標(biāo)函數(shù)值的粒子，該粒子的位置即 為全局最好位置，同時(shí)保存該粒子（前提參數(shù)）所對(duì)應(yīng)的結(jié)論參數(shù)矩陣； 步驟D :由所有粒子的個(gè)體最好位置計(jì)算個(gè)體的平均最好位置，對(duì)每個(gè)粒子的位置進(jìn) 行更新，采用LSE算法得到相應(yīng)的結(jié)論參數(shù)，計(jì)算每個(gè)粒子的目標(biāo)函數(shù)值，并更新個(gè)體最好 位置。最后，比較所有粒子的個(gè)體最好位置，得到全局最好位置，同時(shí)保存具有全局最好位 置粒子所對(duì)應(yīng)的結(jié)論參數(shù)矩陣； 步驟E :當(dāng)達(dá)到迭代結(jié)束條件時(shí)，訓(xùn)練結(jié)束，全局最好位置即為所要確定的前提參數(shù)， 保存的結(jié)論參數(shù)矩陣即為要確定的結(jié)論參數(shù)。當(dāng)?shù)Y(jié)束條件未達(dá)到時(shí)，設(shè)η = n+1，轉(zhuǎn)到 步驟D。
3. 根據(jù)權(quán)利要求1所述的基于QPS0算法的圖像邊緣檢測(cè)方法，其特征在于，步驟二進(jìn) 一步包括以下步驟： 步驟A :將需進(jìn)行邊緣檢測(cè)的測(cè)試圖像作為檢測(cè)器的輸入圖像，以輸入圖像中左上角 的像素（該像素即為當(dāng)前操作像素）開(kāi)始，在圖像上以從上到下，從左至右的方式滑動(dòng)，遍 取輸入圖像中所有像素； 步驟B :對(duì)于當(dāng)前操作像素，由四個(gè)數(shù)據(jù)提取塊得到四個(gè)ANFIS子檢測(cè)器的四個(gè)輸入； 步驟C :每個(gè)子檢測(cè)器都會(huì)得到一個(gè)輸出，這些輸出即為后處理塊的輸入，后處理塊對(duì) 這四個(gè)輸入取平均值，再將該平均值與一個(gè)預(yù)先設(shè)定的閾值相比較，得到一最終輸出，該輸 出即為與輸入圖像當(dāng)前操作像素相對(duì)應(yīng)的邊緣標(biāo)志圖像像素的灰度值； 步驟D :選取輸入圖像中下一個(gè)像素作為當(dāng)前操作像素，重復(fù)步驟（B)和（C)，當(dāng)輸入圖 像中所有像素經(jīng)過(guò)檢測(cè)器都得到輸出后，就能得到一個(gè)輸出圖像，該輸出圖像即為邊緣標(biāo) 志圖像。
【文檔編號(hào)】G06K9/62GK104239903SQ201410532628
【公開(kāi)日】2014年12月24日 申請(qǐng)日期:2014年10月10日 優(yōu)先權(quán)日:2014年10月10日
【發(fā)明者】李岳陽(yáng), 羅海馳, 孫俊 申請(qǐng)人:江南大學(xué)