1、文库下载 免费文档下载http:/ 29 卷 第 7 期 2007 年 7 月文章编号:10012506X(2007)0721192205系统工程与电子技术SystemsEngineeringandElectronicsVol.29 No.7Jul.2007基于二维直方图和粒子群优化的边缘检测朱 炜,徐玉如,万 磊,吕春旺(哈尔滨工程大学水下机器人实验室,黑龙江哈尔滨)摘 要:,到图像分割中,提出了一种新的边缘检测算法,适应搜索最优解,。通过对水下图像处理的实验证明,和传统检测方法相比,具有更好的抗噪性能。关键词:;二维直方图;水下图像中图分类号:文献标志码:AEdgedetectionbas
2、edontwo2dimensionalhistogramandparticleswarmoptimizationZHUWei,XUYu2ru,WANLei,LChun2wang文库下载 免费文档下载http:/ 引 言:/ 免费文档下载http:/ 和 Canny 等。这种方法能提取出连续的边缘,而且不需要任何先验知识,但是阈值的选取是关键。Pun1提出用后验熵的概念来选取阈值,Kapur2对他的算法作了修正和改进,提出了基于一维直方图的最大熵阈值分割算法。但是当图像的信噪比较低或图像背景较为复杂时,一维最大熵阈值作者简介:朱炜(1979),男,博士研究生,主要研究方向为水下图像处理,目标识别
3、,群体智能。E2mail:第 7 期朱炜等:基于二维直方图和粒子群优化的边缘检测?1193 ? 分割的效果不佳。近年来,一些研究人员提出利用图像的二维灰度直方图(像素的灰度分布及其邻域的平均灰度分布所构成的直方图)的方法来进行阈值选取和图像分割3。由于这些方法利用了图像的像素灰度信息和像素邻域的空间相关信息,能够有效地抑制噪声,得到较高精度的分割图像,但运算速度慢,复杂性高,如果没有快速算法很难应用于实时处理。粒子群优化(particleswarmoptimization,PSO)算法是一种基于群体智能方法的演化计算技术47化算法在二维灰度空间上搜索最优解,使得二维熵最大化;然后将搜索到的阈值
4、作为边缘检测算子的门限,再对图像进行阈值变换后,便可得到表示原图像主要特征的分割结果。通过对水文库下载 免费文档下载http:/ 水下图像特点,在不同光,。,使得采,图像对比度大幅度下降,细节模糊;另外在图像采集和传输过程中,由于 http:/ 噪声污染,图像质量也有所下降;其他还有一些由于摄像机镜头的几何形状造成的图像部分失真现象等等。图 1是几幅比较典型的水下图像。我们可以看到,水下图像的对比度都比较低,此外受到采集时光照条件的影响,右边两幅图像的模糊性更强,存在明显的灰白效应。,同遗传算法一样是一种迭代优化算法,变异。系统初始化为一组随机粒子,;值法有机的结合起来,提出了一种基于二维直方
5、图和 PSO 的边缘检测算法。算法首先根据像素的灰度分布及其邻域的平均灰度分布定义二维直方图,然后利用粒子群优图 1 水下目标图像2 粒子群优化算法(PSO)文献4引用了生物社会学家 E.O.Wilson 关于生物群体的一段话“,至少在理论上,一个生物群体中的一员可以从这个群体中所有其他成员以往在寻找食物过程中积累的经验和发现中获得好处。只要食物源不可预知的分布于不同地方,这种协作带来的优势可能变成决定性的,超过群体中个体之间对食物竞争所带来的劣势” 。这段话的意思是说生物群体中信息共享会产生进化优势,这也正是粒子群优化算法的基本思想。PSO 就是从这种模型中得到启示并用于解决优化问题文库下载
6、 免费文档下载http:/ 1kk=w?vid c1?r()?(pid-xid) kc2?r()?(pgd-xid)(1)(2)xidkk 1=xid vidkk 1(2)中,i=1,M,M 是群体的粒子总数。在式(1)、文库下载 免费文档下载http:/ k 次迭代粒子 i 速度矢量的第 d 维分量;xid:第 k 次迭代粒子ihttp:/ 位置矢量的第 d 维分量;pid:粒子 i 个体最优位置的第 d 维分量;pgd:群体最优位置的第 d 维分量;r():随机函数,产生0,1间的随机数。k的5。在一个 PSO 系统中,包含一定数量个体(称为粒子)的群体在搜索空间中运动,其中每个粒子表示针
7、对一个特定优化问题的潜在解。群体中每个粒子的位置受到其本身运动过程中最优位置的影响(即个体经验)和其邻域中最优粒子的位置的影响(即邻域经验)。当粒子的邻域是整个粒子群体时,邻域的最优位置则对应了全局最优粒子,此时算法称为全局PSO 算法。相应的如果在算法中利用了较小的邻域,通常称它为局部 PSO 算法。此外在不同的优化问题中,还需要一个特定的适应函数来衡量每个粒子的性能。将第 i 个粒子在 N 维空间里的位置用 Xi=(x1,xN)来表示,速度用 Vi=(v1,vN)表示。同时由适应函数在图 2 中,描述了粒子在二维空间里,根据迭代公式(1)和(2)从位置 Xk 运动到 Xk 1 的原理。图
8、2 二维空间粒子运动示意图文库下载 免费文档下载http:/ ?系统工程与电子技术N第 29 卷 (3)w 是惯性权重函数,它对于 PSO 算法的收敛性起到很大作用,通过调整 w 的大小来控制以前速度对当前速度的影响,使其兼顾全局搜索与局部搜索的一个折中。通常 w 由下式来确定w=wmax=iteritermaxL-1L-1pij=i同时 pij 还满足i=0文库下载 免费文档下载http:/ 息量最大(s,t),其中s 表 t。根 pij,而阈 t)(图 3)。由于区域 3 和 4,因此在计算中可以忽略不计,而区域 1 和 2则对应着图像中的目标和背景,它们可以被看作是独立分布的。此外为保证
9、每个区域的总概率等于 1,还需要对每个区域的概率累积分布做归一化的处理。这里根据 Shannon 熵函数,定义离散二维熵为H=-其中 wmax,wmin 分别是 w 的最大最小值;iter,itermax 分别是当前迭代次数和最大迭代次数。w 大,速度 v 就大,有利于粒子搜索更大的空间,可能发现新的解域;而 w 小,则速度v 就小,代开始时设 w=wmax,wwmin。,得到合适的种子,。c1,c2 可看作是加速度常量,其中 c1 反映了单个粒子本身运动过程中所记忆的最好位置对其运动速度的影响,称为“认知系数”;c2 反映了整个粒子群体所记忆的最好位置对单个粒子运动速度的影响,称为“社会系数
10、” 。大量实验证明,c1与 c2 之和近似等于 4.1,通常取 c1=c2=2。文库下载 免费文档下载http:/ M 越大,则算法的寻优能力越强,但计算代价也越大;同时在某些实际应用中,还需要对粒子的最大运动速度进行限制,控制每次迭代时粒子的运动步长,从而提高算法的稳定性和减小计算代价。pijijlogpij(4)3 二维最大熵阈值分割原理阈值法是图像分割中最常用的一种技术。在过去的 20 年里,已经提出了很多阈值技术。其中基于信息论的图 3 阈值划分后的二维直方图区域 1 和 2 的概率累计分布为st文库下载 免费文档下载http:/ 首先提出基于最大熵原则来选择阈值,http:/ 将图像
11、的灰度直方图分成独立的类,使得各类的总熵最大。从信息论角度来说,就是使这样选择阈值获得的信息量最大。Pun 的一维最大熵阈值算法在图像质量较好和背景稳定变化时,可以取得比较理想的分割结果。但当图像的信噪比较低或图像背景较为复杂时,其效果不佳。因此,Abutaleb3P1=i=0pj=0ij,P2=i=s 1j=t 1p文库下载 免费文档下载http:/ P11-P2。根据式(4),可分别定义对应目标和背景的离散二维熵StLLH1=-i=1pj=1ijlogpij,H2=-i=s 1j=t 1p文库下载 免费文档下载http:/ H2=logP1(1-P1) H1/P1 (HL-H1)/(1-P
12、1)(7)在 1989 年提出了二选取的最优阈值(s3,t3)应满足(s3,t3)=max(s,t)LL维最大熵图像分割算法,算法采用像素灰度和邻域平均灰度构成的二维直方图搜索阈值,充分利用了图像像素的灰度分布信息和各像素间的空间相关信息,分割效果较好。设一 mn 的图像的灰度级数为 L,图像 kk 邻域的平均灰度也有 L 级灰度,总像素点数为N(N=mn),其二维直方图为 h(i,j)=pij,0i,jL-1,其中 i 为像素灰度,j 为邻域平均灰度。如 fij 为图像中点灰度为 i 及http:/ 其邻域灰度均值为 j的像素点数,则 pij 可由下式确定文库下载 免费文档下载http:/
13、HL=-(8)i=1pj=1ijlogpij。4 基于 PSO 优化的阈值选择二维最大熵法本质上是在二维灰度空间上搜索参数,使得目标函数式(7)取得最大值的优化问题。从上面的分析可以看出,对于每个(s,t)对,都要从头开始计算 P1 和H1,运算过程是一个 4 重循环,计算比较耗时。实际应用中,为了提高运算速度,必须对二维最大熵法进行优化。第 7 期朱炜等:基于二维直方图和粒子群优化的边缘检测?1195 ? 综合考虑二维最大熵原理和 PSO 优化算法,在二维空间 Q=(s,t)|0s,tL-1 里,设置点(s,t)作为粒子的位置,熵函数式(7)作为评价粒子的适应函数,通过迭代寻找最优解,也就是
14、让图像二维熵最大的点(s3,t3)。获取最优阈值的基本流程如下。文库下载 免费文档下载http:/ 1 初始化:在 LL 的二维灰度空间中随机选取n 个点(s,t)作为初始化粒子的位置,同时也是开始时每个良好的灰度阈值,使得图像的二值化处理能达到最佳效果。如果灰度图像用 f(i,j)表示,T 表示分割阈值,则二值化过程可以表示如下f(i,j)=1 如果 f(i,j)T0 其它 f(i,j)T(9)由于受成像环境的影响,干扰严重,PSO,效果有需要的是图像的边界特,PSO 优化算法在,然后以它作为边缘检测算子判别像素点是否为边界点的门限,再经过阈值变换来实现对图像的分割。现以 Sobel 算子为
15、例,具体描述本文算法如下:步骤 1 根据给定图像,计算得到其二维直方图;步骤 2 利用全局 PSO 算法在二维灰度空间寻找最优阈值(S3,t3),使得目标函数式(5)取最大值;步骤 3 对图像所有 33 窗口,用 Sobel 算子计算梯http:/ 度;步骤 4 将最优阈值中的 s3 作为边缘检测算子中判别目标点是否为边界点的门限 T;步骤 5 按照式(9),对图像进行二值分割。粒子个体最优位置(pBest),并随机初始化每个粒子的初始速度。根据式(7)计算出每个粒子的个体极值(适应度值),全局极值就是个体极值中最大的,录该最大值的序号,)子当前位置。文库下载 免费文档下载http:/ 2 :
16、(7)计算每一个粒子的适应度值,如果好于该粒子当前位置的个体极值,则将pBest 设置为该粒子的当前位置,且更新个体极值。如果所有个体极值中最大的好于当前全局极值,则 gBest 设置为该粒子的位置,记录该粒子的位置并更新全局极值。步骤 3 粒子的更新:用式(1)和式(2)对每一个粒子的位置和速度进行更新。步骤 4 如果达到最大循环次数或其他停止准则,就退出程序,gBest 指向的粒子就是最优阈值点(s,t)。否则转到步骤 2。336 实验结果与分析在我们的仿真实验里,目标球体、椭球体以及三棱柱和立方体四个不同类型的物体被固定在水下 1.5m 处,在无流静止、有侧面透光干扰及无辅助照明的情况下
17、,利用 Ma2troxCoronaII 图像采集卡从不同角度和距离采集图像(图 1)。图 4 和图像 5 分别给出了两幅在水下采集到的大小为 576768,具有 256 个灰度级的图像。为验证本文算法的5 基于二维熵和边缘检测的分割算法图像的边缘是图像的最基本特征,所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。物体的边缘是由灰度不连续性所反映的,经典的边缘提取方法是考察图像的每个像素在某个邻域内灰度的变化,利用边缘附近一阶或二阶方向导数变化规律。如果一个文库下载 免费文档下载http:/ Roberts 算子,Sobel 算子,Prewitt 算子http:/ 以及 Kirs
18、ch 算子。一种好的分割技术能够识别图像的边缘并且确定目标的边界。图像分割的过程也就是选择合适的阈值对图像进行二值化的过程,而二值化算法的核心在于如何获得一个有效性,采用两种不同的边缘检测算子,Sobel 和 Kirsch 算子来与本算法进行比较(运行环境:Vc 6.0,CPU 为 P43.0G,内存为 0.98G)。结果显示利用 PSO 在二维灰度空间搜索最优阈值比利用穷举法搜索阈值在运算时间上提高了10 倍以上,而且分割效果比传统检测算子处理效果要好,由于考虑了图像的空间信息,从而对噪声的抑制能力较强。处理结果如图 4、图 5 所示,实验结果表明本算法的性能要优于前两种算法。图 4 图像
19、A 实验结果?1196 ?系统工程与电子技术第 29 卷图 5 图像 B 本文算法还涉及到 PSO 利用 PSO,子数的选择问题,一般的问题,20 左右。随着粒子个数的增加,算法的复杂度也随之增大,另一方面会使得解有多次重复,不利于算法的收敛性。根据 Shi 和 Eberhart 的研究7,PSO 的性能对粒子数目大小并不敏感。但是通过对水下图像的处理,我们发现选取粒子数目在 10-12 之间为最佳,粒子数目一旦超过 12 个,不但运算时间增加,同时获得最优解的几率也降低了。此外惯性权重以及加速度常量对算法的文库下载 免费文档下载http:/ VandenBergh 的研究8,为保证算法收敛,
20、惯性权重和加速因子c1,c2 需要满足,具有很好的抗噪性,这两点对于实时性要求很高的水下任务来说显得尤为重要,因此对水下图像处理及识别系统的研究有很大的意义。参考文献:1PunT.Entropicthresholding:anewapproachJ.ComputerVisionGraphicsandImageProcess,1981,16(2):210239.2KapurJN,SahooPK,WongAKhttp:/ 免费文档下载http:/ w0.9,1.2时,算法具有较理想的搜索性能。1948.5KennedyJ.Theparticleswarm:socialadaptationofkno
21、wledgeCProc.IEEEIntConfonEvolutionaryComputation,1997:303308.6ParsopoulosKE,VrahatisMN.RecentapproachestoglobaloptimizationproblemsthroughParticleSwarmOptimizationJ.NaturalComputing,2002,1:2357 结 论本文提出一种基于二维直方图和粒子群优化的边缘检测算法。算法文库下载 免费文档下载http:/ 中首先利用图像的像素灰度信息以及其邻域平均灰度分布计算二维直方图,然后基于最大熵原理,引入粒子群(PSO)优化算
22、法在二维灰度空间来搜索最优阈值,并以此作为判别目标点是否为边界点的门限,最后再进行阈值变换就可得到分割后的结果。文中提出的算法具有两个主要的特点:一是相对于利用穷举法来求得二维最大熵的最优阈值,在运算效率上要高很多;同时在整个过程中,306.7ShiY,EberhartRC.AmodifiedparticleswarmoptimizerCIEEEWorldCongressonComputationalIntelligence,1998:6973.8VandenBerghF.AnanalysisofparticleswarmoptimizersD.SouthAfrica:DepartmentofComputerScience,UniversityofPretoria,2002.文库下载网是专业的免费文档搜索与下载网站，提供行业资料，考试资料，教学课件，学术论文，技术资料，研究报告，工作范文，资格考试，word 文档，专业文献，应用文书，行业论文等文档搜索与文档下载，是您文档写作和查找参考资料的必备网站。文库下载 http:/
