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:
该文提出一种基于蚁群优化的显著边缘检测算法.该算法利用相位编组方法计算支持区面积作为描述图像边缘梯度方向一致性的指标,将梯度幅度和支持区面积结合起来形成启发信息和信息素增量的计算方法,采用线性加权方法将信息素、梯度幅度、支持区面积3种信息综合起来得到蚂蚁转移概率,通过引入禁忌表增大蚂蚁的活动范围.实验结果表明:该文提出的算法能够有效检测图像中的显著边缘特征,对多类图像都有良好的适应性,而且收敛速度较快.
推荐文章
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
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
一种改进的SUSAN边缘检测算法
边缘检测
噪声
门限
VC++
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 一种基于蚁群优化的显著边缘检测算法
来源期刊 电子与信息学报 学科 工学
关键词 图像处理 蚁群 边缘检测 显著边缘 梯度方向一致性
年,卷(期) 2014,(9) 所属期刊栏目 论文
研究方向 页码范围 2061-2067
页数 7页 分类号 TP391
字数 6176字 语种 中文
DOI 10.3724/SP.J.1146.2013.01506
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (38)
共引文献  (16)
参考文献  (16)
节点文献
引证文献  (24)
同被引文献  (94)
二级引证文献  (26)
1986(4)
  • 参考文献(1)
  • 二级参考文献(3)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(4)
  • 参考文献(1)
  • 二级参考文献(3)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(5)
  • 参考文献(4)
  • 二级参考文献(1)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(4)
  • 参考文献(4)
  • 二级参考文献(0)
2014(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)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(9)
  • 引证文献(8)
  • 二级引证文献(1)
2017(7)
  • 引证文献(4)
  • 二级引证文献(3)
2018(16)
  • 引证文献(4)
  • 二级引证文献(12)
2019(13)
  • 引证文献(5)
  • 二级引证文献(8)
2020(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
图像处理
蚁群
边缘检测
显著边缘
梯度方向一致性
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
电子与信息学报
月刊
1009-5896
11-4494/TN
大16开
北京市北四环西路19号
2-179
1979
chi
出版文献量(篇)
9870
总下载数(次)
11
总被引数(次)
95911
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导