基于蚁群算法的图像边缘检测_毕业设计答辩PPT

1、完成立题表、任务书 2、撰写开题报告 3、翻译英文文献
3 4
2015年6月
1、撰写结题报告 2、整理毕设成果 3、准备答辩
图像边缘检测
Part Three
蚁群算法
Part Four
1
实验结果及分析
Part Five
2
2015年4月
1、查阅文献，学习理论 2、完成代码初步编写
总结
Part Six
4
研究背景和目的
Part Two
滤波：去噪、平滑图像，提高检测效果
图像边缘检测
Part Three
蚁群算法
Part Four
增强：突出图像中梯度幅度值有显著变化的点
实验结果及分析
Part Five
检测：确定边缘点
定位：在亚像素分辨率上确定边缘位置和方位
总结
Part Six
10
目录
Contents
工作安排
Contents
工作安排
Part One
算法特征
自组织
在自然界中，类似蚂蚁、蜜蜂、鱼这类的昆虫，它们的个体虽然简
研究背景和目的
Part Two
单，但是在各自的群体中，个体之间的协作性很强。它们之间相互协作，
共同完成某项群体任务，这就体现出了群体的自组织性。
图像边缘检测
Part Three
正反馈
自然界中的真实蚂蚁在寻找食物的过程中，会分泌相应的信息素，
基于蚁群算法的图像边缘检测
指导老师：XXX
Image Edge Detection based on Ant Colony Algorithm 汇报人：XXX
一
二
工作安排
研究背景和目的
图像边缘检测概述 蚁群算法 实验结果及分析 总结
目录
Contents
三 四 五 六
目录
Contents
工作安排
Part One
生物医学图像
实验结果及分析
Part Five
总结
Part Six
光学显微 图像分析
遥感图像分析
7
目录
Contents
工作安排
Part One
研究目的
研究背景和目的
Part Two
图像边缘检测
Part Three
蚁群算法
Part Four
实验结果及分析
Part Five
总结
Part Six
图像边缘检测
图像多为斜坡边缘，而大多数检测算子都是节约边缘
蚁群算法
Part Four
3 4
实验结果及分析
Part Five
总结
Part Six
12
目录
Contents
工作安排
Part One
研究背景和目的
Part Two
图像边缘检测
Part Three
四、蚁群算法
蚁群算法
Part Four
实验结果及分析
Part Five
工作安排
Part One
由于在图像的采集过程中，图像的清晰度会受到一些因素 的干扰，导致产生噪声、图像模糊、对比度不强等问题，使边
缘的提取或强化受到影响。因此，传统的边缘检测算法效果并
不理想，表现在：
研究背景和目的
Part Two
1 2
传统的边缘检测定位精度不高
图像边缘检测
Part Three
有效检测需要使用多个不同尺度的边缘检测算子 在平滑噪声图像中，去噪容易丢失图像的高频信息
研究背景和目的
Part Two
图像边缘检测
Part Three
一、工作安排
蚁群算法
Part Four
实验结果及分析
Part Five
总结
Part Six
目录
Contents
工作安排
Part One
进展情况
2015年5月
1、学习蚁群算法代码 2、完成程序最终调试
研究背景和目的
Part Two
2015年3月
蚁群算法
Part Four
时间越短，次数越多，信息素量也就会越强。蚂蚁就是通过路径上信息素 浓度的强弱来选择下一个即将行走的路径，最终找到巢穴到食物的最短路 径。这个过程就是所谓的正反馈。
实验结果及分析
Part Five
目录
Contents
工作安排
Part One
主要思想
研究背景和目的
Part Two
实验设计
理论学习
图像边缘检测
Part Three
蚁群算法
Part Four
毕业设计
算法研究
实验结果及分析
Part Five
实验分析
总结
Part Six
5
目录
Contents
工作安排
Part One
研究背景和目的
Part Two
蚁群算法
Part Four
蚁能够感知到这种物质的存在及其强
度，并由此决定它们以后的行为。从 同一地点出发的一群蚂蚁通过各自的 路径选择方式找到一个相同食物源时 ，通过较短路径的蚂蚁可以在相同时 间内在自己经过的路径上搬运更多次 数的食物回巢。
实验结果及分析
Part Five
总结
Part Six
15
目录
总结
Part Six
目录
Contents
工作安排
Part One
算法背景
研究背景和目的
Part Two
图像边缘检测
Part Three
蚁群算法
Part Four
实验结果及分析
Part Five
蚁群算法又称蚂蚁算法， 它是在1992年由意大利 科学家Marco Dorigo 等人受自然界蚂蚁觅食 过程中路径选择行为的 启迪而提出的一种新型 搜索优化算法。
图像边缘检测
Part Three
二、研究背景和目的
蚁群算法
Part Four
实验结果及分析
Part Five
总结
Part Six
目录
Contents
工作安排
Part One
研究背景
地质勘探 X射线图像
研究背景和目的
Part Two
图像边缘检测
Part Three
蚁群算法
Part Four
粒子物理 数字图像处理
8
目录
Contents
工作安排
Part One
研究背景和目的
Part Two
图像边缘检测
Part Three
三、图像边缘检测概述
蚁群算法
Part Four
实验结果及分析
Part Five
总结
Part wk.baidu.comix
目录
Contents
工作安排
Part One
图像边缘检测流程
原始图像 平滑图像 梯度图像 边缘点 边缘图像
Part One
传统边缘检测算子
1 2
Roberts算子
研究背景和目的
Part Two
Sobel算子
图像边缘检测
Part Three
3
Prewitt算子
蚁群算法
Part Four
4
Canny算子
实验结果及分析
Part Five
5
Laplacian算子
总结
Part Six
Kirsch算子
6
11
目录
Contents
14
总结
Part Six
目录
Contents
工作安排
Part One
算法原理
昆虫学家经过观察发现，蚂蚁在 寻找食物源时，能在走过的路径上释 放信息激素，并且它们分泌的信息量 会随着所走路径的增长和时间的推迟 而不断挥发，在一定范围内的其他蚂
研究背景和目的
Part Two
图像边缘检测
Part Three