基于粒子群三次样条优化的图像边缘描述算法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (12): 151-154.

基于粒子群三次样条优化的图像边缘描述算法

公亚利，林意

江南大学数字媒体学院，江苏无锡　214122

出版日期:2014-06-15 发布日期:2015-05-08

Image edge description based on particle swarm cubic spline optimization

GONG Yali, LIN Yi

School of Digital Media, Jiangnan University, Wuxi, Jiangsu 214122, China

Online:2014-06-15 Published:2015-05-08

摘要/Abstract

摘要： 针对手工选点生成的三次样条曲线无法准确地描述图像边缘的问题，以粒子群三次参数样条曲线优化算法为基础对现有的图像边缘算法进行了改进。在图像边缘上取若干点作为样条曲线的型值点，利用粒子群算法对这些型值点进行优化，使得到的样条曲线对图像边缘有很好的贴合。实验表明，该算法不仅能够快速拟合样条曲线，而且优化后的样条曲线形态能较好地贴合图像边缘轮廓。

关键词: 样条曲线, 图像边缘, 边缘表达式, 粒子群优化, 边缘检测算子

Abstract: As cubic spline curve generated by the manually selected point can not describe the image edge accurately, the current image edge description algorithm is improved by using the particle swarm cubic spline optimization algorithm. The value points will be optimized by the particle swarm optimization and then be used to generate a spline curve. Experiments show that the algorithm can generate the spline curve faster, and the spline curve generated by this algorithm describes the image edge more accurately.

Key words: cubic spline, image edge, edge expression, Particle Swarm Optimization（PSO）, edge detection operator

公亚利，林意. 基于粒子群三次样条优化的图像边缘描述算法[J]. 计算机工程与应用, 2014, 50(12): 151-154.

GONG Yali, LIN Yi. Image edge description based on particle swarm cubic spline optimization[J]. Computer Engineering and Applications, 2014, 50(12): 151-154.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[3]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	李雷孝，邓丹，李杰，王永生. 基于粒子群优化的全比较计算数据分发策略[J]. 计算机工程与应用, 2021, 57(15): 109-117.
[6]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[7]	刘紫燕，张杰. 改进RRT算法的室内移动机器人路径规划[J]. 计算机工程与应用, 2020, 56(9): 190-197.
[8]	陈秋菊，徐建国. 优化正交匹配追踪和短时谱估计用于声音识别[J]. 计算机工程与应用, 2020, 56(7): 162-169.
[9]	陈广锋，余立潮. 多帧时间窗轮换算法规划仓储多AGV小车路径[J]. 计算机工程与应用, 2020, 56(23): 270-278.
[10]	刘平，何雪明. 步长自适应追踪法曲面求交技术的研究[J]. 计算机工程与应用, 2020, 56(21): 253-259.
[11]	张水平，李殷俊，高栋，梁文. 带有动态爆炸半径的增强型烟花算法[J]. 计算机工程与应用, 2020, 56(18): 50-57.
[12]	黄建琼，郭文龙. 混合粒子群和改进细菌觅食的不平衡数据分类[J]. 计算机工程与应用, 2020, 56(10): 171-178.
[13]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[14]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[15]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.