图像边缘提取的分维算法

利用分形几何的计盒维数估计来确定图像的边缘，提出图像边缘的分维接近于一，这种方法具有消除图像噪声和增强图像边缘的特点。     

基于异步更新策略的蚁群边缘提取算法

针对蚁群算法在提取边缘不连续以及难以搜索到弱边缘的问题提出了改进措施,利用Otsu预处理,并对信息素矩阵和启发式矩阵初始化做了改进,同时加入信息素异步更新策略和参数自适应修改来避免过早陷入停滞从而发现更多弱边缘。通过主观对比和定量分析,本文方法提取了更多的连续边缘以及弱边缘,具有更好的鲁棒性。     

X线图像计算机边缘提取综合算法的研究

研究提出了一种适合于X线图象的综合算法 ,用于X线图象的边缘探测 ,通过实验检验 ,效果理想     

X线图像计算机边缘提取综合算法的研究

研究提出了一种适合于X线图象的综合算法，用于X线图像的边缘探测，通过实验检验，效果理想。     

基于蚁群模糊聚类算法的图像边缘检测

提出了一种基于蚁群动态模糊聚类算法的图像边缘检测,该算法首先利用蚁群算法的较强处理局部极值的能力,克服了FCM算法对初始化的敏感,动态地确定了聚类数目和中心;然后利用蚁群聚类得到的结果,再进行FCM聚类弥补蚁群算法的不足.两者有机结合起来可以寻求到具有全局分布特性的最优聚类,实现了基于改进的目标函数聚类分析.最后将该算法应用到图像边缘检测,对比实验表明,该算法具有很强的模糊边缘和微细边缘检测能力.     

基于边缘搜索的蚁群算法

蚁群算法是根据真实蚁群的觅食原理提出的一种新兴的启发式搜索算法。算法应用于解决组合优化问题，取得了良好的效果。定义了一种新的旅行商问题，即过程旅行商问题，针对这个问题提出了一种基于边缘搜索的改进蚁群算法。该算法通过限制蚂蚁的起点城市，提高了蚁群算法的搜索效率；并通过减少蚂蚁数量加快计算速度。应用于过程旅行商问题的仿真计算表明，该算法具有相同的计算结果和更快的求解速率。     

蚁群算法在二维Otsu图像分割中的应用

提出了一种基于蚁群算法和二维Otsu的图像分割方法,利用蚁群算法快速寻优的特点,求出二维Otsu图像分割的阈值分割点,对图像进行分割。根据源图像和邻域平滑后图像的灰度,以及灰度频数进行聚类。通过灰度直方图的峰值点设置精确的初始聚类中心,解决了蚁群算法运算次数多、计算量大的问题;针对具体应用,对聚类半径、信息激素和启发引导函数进行了修正。实验表明该算法速度快、划分特性好、抗噪声能力强,可以准确地分割出目标。     

蚁群算法在二维Otsu图像分割中的应用

提出了一种基于蚁群算法和二维Otsu的图像分割方法,利用蚁群算法快速寻优的特点,求出二维Otsu图像分割的阈值分割点,对图像进行分割。根据源图像和邻域平滑后图像的灰度,以及灰度频数进行聚类。通过灰度直方图的峰值点设置精确的初始聚类中心,解决了蚁群算法运算次数多、计算量大的问题;针对具体应用,对聚类半径、信息激素和启发引导函数进行了修正。实验表明该算法速度快、划分特性好、抗噪声能力强,可以准确地分割出目标。     

基于蚁群寻路的图像分割算法

文章主要是对蚁群算法做了一定的改进,将它用于图像分割,然后将分割出来的图像的边界利用腐蚀算法进行细化以达到更好的分割效果。分割算法可以看作一个组合优化问题,人工蚁群算法就是一种优化方法。因此,将人工蚁群算法引入到图像分割处理中完全可行。经过实验证明,该方法是完全可行的。     

利用Sobel算子结合蚁群算法提取竹材的内外轮廓

传统的竹材加工过程中人工因素较多,通过信息化手段利用图像处理技术可以快速准确地获得竹材的参数数据.对竹材的横截面图像进行分析和处理,利用Sobel算子和蚁群算法相结合的边缘提取方法,从原始图像中成功的提取出了连续且粗细均匀的竹材截面的内外轮廓.利用提取的的轮廓图,提取出竹材内周长、外周长、内面积、外面积和壁厚,为竹材分类提供了准确有效的数据.     

基于蚁群算法的云任务调度研究

针对云计算中任务分配算法效率不高的问题,提出了一种改进的蚁群算法来解决云计算中的任务分配问题。首先假定要分配的任务为蚂蚁的起点,执行任务的虚拟机为蚂蚁的终点,任务分配的过程就是蚂蚁从起点走到终点的过程。然后随机选择一个任务作为蚂蚁的起点,用改进的蚁群算法计算后把任务分配给相应的虚拟机,直到所有任务都分配完成。最后当所有蚂蚁都把任务分配完成后,选择代价最小的路径作为本次任务分配的方案。通过使用cloudsim仿真器进行仿真实验,证明了蚁群算法能够有效的解决云计算中任务分配的问题。     

蚁群算法理论及应用

蚁群算法是优化领域中新出现的一种仿生进化算法。该算法采用分布式并行计算机制,易与其他方法结合,具有较强的鲁棒性。本文首先介绍了蚁群算法的基本原理,然后讨论了蚁群算法的应用,最后评述了蚁群算法未来的研究方向和主要研究内容。该算法用于解决组合优化问题,如TSP、QAP、JSP等效果很好。     

模糊蚁群优化算法在交通导航系统中的应用

为了能处理交通导航系统中的模糊信息,并且能快速的综合多种信息求解最优导航路径,将模糊逻辑推理技术与改进的蚁群算法相结合提出了一种新的算法——模糊蚁群混合优化算法。实验表明,该算法不仅能够处理导航系统中的各种模糊信息,并且能利用改进的蚁群算法快速求解最优导航路径。     

基于蚁群改进算法的服务质量路由研究

针对传统路由算法在多约束QoS(服务质量)条件下寻优能力不足的问题,提出了一种基于改进蚁群算法的多约束QoS路由模型。相比于传统的路由算法,此方法在每次循环结束时,根据得到的不同结果动态变化相关参数的值,并且结合最大最小蚂蚁系统的理论,同时优化启发函数,以提高算法的寻优能力。另外,除了考虑多个约束条件以外,在模型中还加入了故障率属性,将其体现在目标函数中,并优化信息素更新方式。仿真实验结果表明改进算法寻优能力强,能有效避免早熟,并避开故障率高的路径。     

蚂蚁算法在TSP问题求解的应用

蚂蚁算法是目前解决大规模复杂问题比较有效的算法。同时TSP问题是经典的NP-C问题,已被广泛应用于在VLSI芯片设计、网络路由和车辆选路等领域,对TSP问题的求解的突破意味着大量NPC问题的求解可以迎刃而解,因而有着重要的实际价值和理论意义。文章系统地介绍了TSP问题,并在此基础上对蚂蚁算法求解TSP问题做了相关探讨。实验结果表明,蚂蚁算法对参数的初始值也具有敏感性,对于一个好的初始值的确定,需要建立在大量试验的基础上。     

基于带时间窗的车辆路径问题的蚁群算法

针对带时间窗车辆路径问题（Vehicle Routing Problem with Time Windows, VRPTW）的特点，对蚁群算法进行了改进，优化了其搜索解的能力和收敛速度，用实例证明了改进的蚁群算法对解决VRPTW的有效性．     

基于带时间窗的车辆路径问题的蚁群算法

针对带时间窗车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW)的特点,对蚁群算法进行了改进,优化了其搜索解的能力和收敛速度,用实例证明了改进的蚁群算法对解决VRPTW的有效性.     

基于图像边缘检测的图像识别算法

在图像识别问题中,基于Haar特征的图像识别算法已经十分普遍,并且得到了广泛的应用。但是,目前此类算法还存在有时间复杂度高、对图像亮度、尺寸变化敏感、图像识别精度差等缺点。为了提高图像识别的精度,提出了一种新的边缘检测图像识别算法。这种算法首先使用Canny算子将图像的边缘像素识别出来,然后计算每一个有效像素的梯度。通过得到的像素梯度序列建立归一化直方图,对归一化直方图分析后得到最优识别。基于边缘检测的图像识别算法使匹配图像效率得到了提高,图像识别流程得到优化。     

基于改进蚁群算法在最短路径搜索中的应用

论述了应用蚁群算法来求解最短路径问题,并对算法的状态转移规则、信息素轨迹更新策略进行改进,避免了算法过早陷入局部最优,并能较快地收敛到全局最优解。应用结果表明,该方法能有效解决最短路径搜索问题。     

基于动态边缘检测的图像锐化算法

在数码相机中,经插值运算后的数码图像,常伴有噪声和伪色的影响,使图像变得模湖,边缘部分不够清晰.因此,需要通过锐化处理,增强图像边缘轮廓,增加清晰度,减少伪色.该文提出了一种基于动态边缘检测的图像锐化算法,恢复的图像在细节纹理、边缘、色彩方面的效果都较理想,对边缘的噪声抑制较明显,与常用锐化算法比较,在同等仿真环境下,所提出的方法有运算复杂度较低的优点.