蚁群算法图像边缘提取(MATLAB)

蚁群算法用于图像边缘提取的主要思想和步骤如下:

1. 初始化蚁群:在图像上随机产生一群蚂蚁,定义蚂蚁移动规则和信息素更新公式。

2. 蚂蚁爬行建图:让蚂蚁按照一定概率移动规则在图像上爬行,当蚂蚁爬到边缘时,在该位置留下信息素。重复多次迭代。

3. 信息素更新:根据蚂蚁移动路径和信息素挥发规则更新各个位置的信息素浓度。信息素主要在边缘位置聚集。

4. 图像边缘提取:根据迭代终止条件,当蚂蚁爬行次数达到设定最大值时,提取出信息素浓度大于设定阈值的像素点,连接这些点得到图像边缘。

5. 后处理:对提取出的边缘进行后处理,如细化、平滑等消除噪声点,使边缘连贯。

相比传统边缘检测,蚁群算法提取的边缘更连续平滑,适用于图像存在噪声或边缘不清晰的情况。但计算量较大。整体来说,蚁群算法为图像边缘提取提供了一种新的思路。

MATLAB主代码如下:

clc;clear all;close all;%清空环境变量和关闭无关窗口
%% 蚁群算法优化图像边缘检测算法 主程序
filename = 'rice';%图片名称
img=imread([filename '.png']);%读取图片
%% 判断是否彩色图片或者灰度图
if size(img,3)==3%彩图的话要转换为灰度
    img=rgb2gray(img);
    img=double(img)./255;
else%
    img=double(img)./255;
end
[nrow, ncol] = size(img);
a=0.5;
R=3;
deltaI=PixelGradient(img);%根据文献的公式(1)进行计算
deltaE=PixelStatisticalMean(img,R);%根据文献的公式(2)(3)(4)(5)进行计算
Eta=CalculateEta(deltaI,deltaE,a);%根据文献的公式(6进行计算

%% ---蚁群算法参数设置开始---
alpha = 1;      %
beta = 0.1;     %
rho = 0.1;      %
phi = 0.05;     %
tau0=0.0001;

% alpha = 0.5;      %
% beta = 3;     %
% rho = 0.2;      %
% phi = 0.3;     %
% tau0=0.00001;
Tau = tau0.* ones(size(img)); %信息素初始化
%% ---蚁群算法参数设置结束---

AntNumber = round(sqrt(nrow*ncol));%蚂蚁个数
AntPosition = zeros(AntNumber, 2); % 初始化记录蚂蚁的位置的矩阵
% 初始化蚂蚁位置
rand('state', sum(clock));%随机种子,防止每次运行都一样
H1 = rand(AntNumber, 2);
AntPosition(:,1) = round(1 + (nrow-1) * H1(:,1)); %行标
AntPosition(:,2) = round(1 + (ncol-1) * H1(:,2)); %列标
%% ----根据图像的大小进行定义内存长度start----
if nrow*ncol == 128*128
    MyA = 40;
    memoryLong = round(rand(1).*(1.15*MyA-0.85*MyA)+0.85*MyA); % memory length
elseif nrow*ncol == 256*256
    MyA = 30;
    memoryLong = round(rand(1).*(1.15*MyA-0.85*MyA)+0.85*MyA); % memory length
elseif nrow*ncol == 512*512
    MyA = 20;
    memoryLong = round(rand(1).*(1.15*MyA-0.85*MyA)+0.85*MyA); % memory length
end
%% ----根据图像的大小进行定义内存长度end-----
AntMemory = zeros(AntNumber, memoryLong);
if nrow*ncol == 128*128
    Maxiternum = 300; % 迭代次数
    %     Maxiternum = 10;
elseif nrow*ncol == 256*256
    Maxiternum = 900;
    %     Maxiternum = 100;
elseif nrow*ncol == 512*512
    Maxiternum = 1500;
end
runNumber = 3;
%进度条
myhand01 = waitbar(0,'正在蚁群算法优化图像边缘检测算法运算……', 'tag', 'TMWWaitbar');
gen03=1;
allgen03=runNumber*Maxiternum*AntNumber;

for gen01 = 1: runNumber%循环3次
    deltaTau = zeros(nrow, ncol);
    for gen02 = 1: Maxiternum
        deltaTauCurrent = zeros(nrow, ncol);
        for k001 = 1:AntNumber
            waitbar(gen03/allgen03,myhand01);%每循环一次更新一次进步条
            gen03=gen03+1;
            RowIndexCurrent = AntPosition(k001,1);
            ColIndexCurrent = AntPosition(k001,2);
            % 找出当前节点的领域
            i01 = RowIndexCurrent;%行标
            j01 = ColIndexCurrent;%列标
            NeighborhoodIndex = [i01-1 j01-1;
                i01-1 j01;
                i01-1 j01+1;
                i01 j01-1;
                i01 j01+1;
                i01+1 j01-1;
                i01+1 j01;
                i01+1 j01+1];%当前节点的领域集(8领域): 文献中的"其中， (k,l)∈Ω 表示像素(i, j) 8 邻域的点；"
            %% 领域节点下标的合法性判断
            H1 = NeighborhoodIndex(:,1)>=1 & NeighborhoodIndex(:,1)<=nrow & NeighborhoodIndex(:,2)>=1 & NeighborhoodIndex(:,2)<=ncol;%逻辑判断式,防止超出
            LegalRange = NeighborhoodIndex(H1, :);
            tempTau = zeros(size(LegalRange,1),1);%邻域信息素矩阵初始化
            tempTranProbabilities = zeros(size(LegalRange,1),1);%转移概率矩阵初始化
            for kk = 1:size(LegalRange,1)
                H1 = (LegalRange(kk,1)-1)*ncol + LegalRange(kk,2);
                if length(find(AntMemory(k001,:)==H1))==0 %不再蚂蚁的禁忌表内
                    tempTau(kk) = Eta(LegalRange(kk,1), LegalRange(kk,2));
                    tempTranProbabilities(kk) = Tau(LegalRange(kk,1), LegalRange(kk,2));
                else %在蚂蚁的禁忌表内
                    tempTau(kk) = 0;
                    tempTranProbabilities(kk) = 0;
                end
            end
            % 如果所有邻域都在禁忌表内,从新计算
            if (sum(sum(tempTau))==0) || (sum(sum(tempTranProbabilities))==0)
                for kk = 1:size(LegalRange,1)
                    H1 = (LegalRange(kk,1)-1)*ncol + LegalRange(kk,2);
                    tempTau(kk) = Eta(LegalRange(kk,1), LegalRange(kk,2));
                    tempTranProbabilities(kk) = Tau(LegalRange(kk,1), LegalRange(kk,2));
                end
            end
            %转移概率:文献公式(7),未考虑w,因为w无意义,分子分母相除没有了
            TransitProb = (tempTau.^alpha) .* (tempTranProbabilities.^beta) ./ (sum(sum((tempTau.^alpha) .* (tempTranProbabilities.^beta))));
            rand('state', sum(100*clock));
            H1 = find(cumsum(TransitProb)>=rand(1), 1);
            NextRowindex = LegalRange(H1,1);
            NextColIndex = LegalRange(H1,2);
            if length(NextRowindex) == 0
                disp('error');
            end
            AntPosition(k001,1) = NextRowindex;
            AntPosition(k001,2) = NextColIndex;
            deltaTauCurrent(AntPosition(k001,1), AntPosition(k001,2)) = 1;
            %% 更新禁忌表开始
            if gen02 <= memoryLong
                AntMemory(k001,gen02) = (AntPosition(k001,1)-1)*ncol + AntPosition(k001,2);
            elseif gen02 > memoryLong
                AntMemory(k001,:) = circshift(AntMemory(k001,:),[0 -1]);
                AntMemory(k001,end) = (AntPosition(k001,1)-1)*ncol + AntPosition(k001,2);
            end
            %% 更新禁忌表结束
            Tau(NextRowindex,NextColIndex) = (1-rho).*Tau(NextRowindex,NextColIndex) + rho*Eta(NextRowindex,NextColIndex);%信息素局部更新,文献公式(11),(12)
        end %结束蚂蚁循环
        deltaTau = (deltaTau + (deltaTauCurrent>0))>0;
        Tau = (1-phi).*Tau+phi*tau0;  %信息素全局更新,文献公式(13)
    end
end
delete(myhand01);%执行完后删除该进度条
Threshold = seperateIED(Tau); %根据信息素浓度来提取边缘的阀值
disp('蚁群算法优化提取图像边缘算法程序运行结束');
imwrite(uint8(abs((Tau>=Threshold).*255-255)), gray(256), [filename 'ACO.bmp'], 'bmp');