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:
蚁群算法应用于大多数图像边缘检测均具有抗噪声能力强、提取边缘精细等优点,但在处理含噪声的低对比度图像边缘时会出现边缘部分缺失、边缘不平滑等现象.为了对低对比度图像的边缘检测达到理想效果,文中通过对蚁群算法中信息素矩阵和阈值选取方法进行分析,将传统蚁群算法中四种启发函数得到的信息素矩阵进行叠加,再对其元素进行统计排序选取合适的阈值进行边缘提取.实验结果表明,文中方法能有效提取含一定噪声的低对比度图像边缘.
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
低对比度图像增强算法研究
低对比度图像
图像增强
二维直方图技
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
一种Hough变换与蚁群优化的云图像边缘检测算法
Hough变换
云计算
边缘提取
蚁群优化
边缘信息
像素梯度
统计均值
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 蚁群算法在低对比度图像边缘检测中的应用
来源期刊 计算机技术与发展 学科 工学
关键词 蚁群算法 边缘检测 信息素矩阵 阈值选取
年,卷(期) 2013,(5) 所属期刊栏目
研究方向 页码范围 180-183
页数 分类号 TP39
字数 2679字 语种 中文
DOI 10.3969/j.issn.1673-629X.2013.05.046
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 蒋慕蓉 云南大学信息学院计算机科学与工程系 26 62 4.0 7.0
2 殷小莉 云南大学信息学院计算机科学与工程系 1 5 1.0 1.0
3 黄晓彤 云南大学信息学院计算机科学与工程系 1 5 1.0 1.0
4 郑晓霞 云南大学信息学院计算机科学与工程系 1 5 1.0 1.0
5 雷建坤 云南大学信息学院计算机科学与工程系 3 6 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (127)
参考文献  (7)
节点文献
引证文献  (5)
同被引文献  (47)
二级引证文献  (19)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 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(4)
  • 引证文献(0)
  • 二级引证文献(4)
2016(5)
  • 引证文献(1)
  • 二级引证文献(4)
2017(4)
  • 引证文献(2)
  • 二级引证文献(2)
2018(4)
  • 引证文献(0)
  • 二级引证文献(4)
2019(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
蚁群算法
边缘检测
信息素矩阵
阈值选取
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
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导