基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于蚁群算法,提出了一种新的图像边缘提取方法.利用图像的灰度梯度作为启发信息,引入运动方向的改变量,通过蚁群在路径上信息素的分布及更新,从而使其迭代搜索逐渐向边缘曲线收敛,根据信息素的情况提取边缘曲线.实验结果证明,该方法利用蚁群算法的正反馈性的优点,有效地提高了边缘提取准确性,获得了比较理想的边缘提取效果.
推荐文章
改进蚁群优化算法的图像边缘检测
蚁群优化算法
外激素
像素域
图像边缘检测
数据结构控制
检测效率
基于蚁群优化算法的图像边缘检测
边缘检测
蚁群算法
蚁群优化算法
基于改进蚁群算法的图像边缘检测
边缘检测
蚁群算法
信息素
启发信息
边缘追踪
基于改进蚁群算法的图像边缘检测研究
蚁群算法
边缘检测
权重
梯度
区域灰度均值
自适应
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进蚁群算法的图像边缘提取的研究
来源期刊 微型电脑应用 学科 工学
关键词 蚁群算法 边缘提取 灰度变化 迭代搜索
年,卷(期) 2010,(4) 所属期刊栏目 研究与设计
研究方向 页码范围 12-14
页数 分类号 TP391.4
字数 3703字 语种 中文
DOI 10.3969/j.issn.1007-757X.2010.04.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杜玉晓 广东工业大学自动化学院 55 251 9.0 14.0
2 李伟研 广东工业大学自动化学院 4 17 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (34)
共引文献  (19)
参考文献  (7)
节点文献
引证文献  (5)
同被引文献  (12)
二级引证文献  (12)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(2)
  • 参考文献(0)
  • 二级参考文献(2)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(5)
  • 参考文献(3)
  • 二级参考文献(2)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(4)
  • 引证文献(1)
  • 二级引证文献(3)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(6)
  • 引证文献(0)
  • 二级引证文献(6)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
蚁群算法
边缘提取
灰度变化
迭代搜索
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微型电脑应用
月刊
1007-757X
31-1634/TP
16开
上海市华山路1954号上海交通大学铸锻楼314室
4-506
1984
chi
出版文献量(篇)
6963
总下载数(次)
20
总被引数(次)
28091
论文1v1指导