原文服务方: 计算技术与自动化       
摘要:
图像边缘携带了图像的大部分主要信息。通过对图像进行边缘检测不仅能有效地提取图像信息降低计算的复杂度而且是图像测量、图像分割、图像压缩、模式识别等图像处理的基础。本文尝试将蚁群优化算法(Ant Colony Optimization,ACO)用于图像边缘检测,通过选取经典 house 图像和 SAR 机场图像设置阈值进行自适应边缘提取,实现了边缘的精确检测。实验结果显示,该算法能够有效地提取图像目标的轮廓信息,很好保持图像纹理,具有理想的抗干扰性能,保证了检测结果的准确性。
推荐文章
基于蚁群优化的图像边缘检测算法
边缘检测
蚁群优化
特征提取
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
基于优化的蚁群图像边缘检测算法研究
边缘检测
蚁群优化
转移规则
信息素
基于K-均值改进蚁群优化的彩色图像边缘检测算法
图像分割
边缘检测
K-均值
聚类
蚁群优化
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 基于蚁群优化算法的图像边缘检测
来源期刊 计算技术与自动化 学科
关键词 边缘检测 蚁群算法 蚁群优化算法
年,卷(期) 2015,(3) 所属期刊栏目 【图形图像技术】
研究方向 页码范围 96-99
页数 4页 分类号 TP391.9
字数 语种 中文
DOI
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 李琳琳 山东协和学院机电工程学院 16 36 4.0 5.0
2 王纪奎 4 15 3.0 3.0
3 宋艳芳 山东协和学院机电工程学院 15 12 2.0 3.0
4 王淑娇 山东协和学院机电工程学院 10 8 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (30)
共引文献  (11)
参考文献  (5)
节点文献
引证文献  (6)
同被引文献  (13)
二级引证文献  (5)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(6)
  • 参考文献(1)
  • 二级参考文献(5)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(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)
2016(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(3)
  • 引证文献(2)
  • 二级引证文献(1)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
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
边缘检测
蚁群算法
蚁群优化算法
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
计算技术与自动化
季刊
1003-6199
43-1138/TP
16开
1982-01-01
chi
出版文献量(篇)
2939
总下载数(次)
0
总被引数(次)
14675
论文1v1指导