專利名稱：一種基于自適應(yīng)云粒子群算法的圖像邊緣檢測裝置的制作方法
技術(shù)領(lǐng)域：
本實(shí)用新型涉及信息處理方面的裝置，特別涉及一種基于自適應(yīng)云粒子群算法的圖像邊緣檢測裝置。
背景技術(shù)：
圖像是人類獲取和交換信息的主要來源，邊緣特征是圖像的重要特征之一，包含了用于識別的有用信息，為人們描述或識別目標(biāo)以及解釋圖像提供了一個有價(jià)值和重要的特征參數(shù)。物體形狀、物體邊界、位置遮擋、陰影輪廓及表面紋理等重要視覺信息在圖像中均由邊緣產(chǎn)生，這些信息可以用于圖像分析、濾波以及目標(biāo)識別，并且通過邊緣檢測可以極大地降低后續(xù)圖像分析處理的數(shù)據(jù)量，在Marr的計(jì)算機(jī)視覺系統(tǒng)中，圖像邊緣提取占據(jù)著重要位置，它位于系統(tǒng)的最底層，為其它模塊所依賴。圖像邊緣檢測技術(shù)是數(shù)字圖像處理、計(jì)算機(jī)視覺、模式識別的基礎(chǔ)，廣泛應(yīng)用于圖像分割、人臉識別、目標(biāo)跟蹤、運(yùn)動檢測等領(lǐng)域，如美國登月計(jì)劃中需要對月球凹陷地點(diǎn)的邊緣精確定位，以達(dá)到登月艙安全著陸；公安業(yè)務(wù)指紋識別、不完整圖片的復(fù)原、交通監(jiān)控、事故分析；軍事方面導(dǎo)彈的精確制導(dǎo)、各種偵察照片的判讀、不明來襲武器性質(zhì)的判斷；在航天方面主要利用遙感來獲取各個譜段的大氣云圖，進(jìn)行天氣預(yù)報(bào)；衛(wèi)星技術(shù)用來獲取地面和水下的圖像，對煤礦和油氣等礦產(chǎn)資源進(jìn)行勘察，同時(shí)對各種地質(zhì)災(zāi)害進(jìn)行監(jiān)控，達(dá)到防災(zāi)減災(zāi)的目的。提高邊緣檢測精度和探索邊緣檢測技術(shù)在實(shí)際工程中的應(yīng)用是邊緣檢測技術(shù)的重要研究內(nèi)容，圖像在生成和傳輸過程中，受輸入轉(zhuǎn)換器件及周圍環(huán)境的影響，總含有和邊緣點(diǎn)頻率相近的噪聲，受拍攝環(huán)境和拍攝條件等因素的限制，圖像中不可避免會有一些與目標(biāo)無關(guān)的干擾存在，邊緣提取結(jié)果的優(yōu)劣直接影響著圖像分析、目標(biāo)識別、三維重建等相關(guān)工作的順利與否，因此提升圖像邊緣檢測技術(shù)具有重要的現(xiàn)實(shí)意義及廣闊的應(yīng)用前景。實(shí)際圖像都·含有噪聲，并且噪聲的分布、方差等信息也都是未知的，同時(shí)噪聲和邊緣都是高頻信號，雖然平滑濾波運(yùn)算可消除噪聲，但是也導(dǎo)致一些邊緣模糊，檢測出的邊緣往往移位。由于物理和光照等原因，實(shí)際圖像中的邊緣常常發(fā)生在不同的尺度范圍上，并且每一邊緣像元的尺度信息是未知的，利用單一粒子群算法的檢測邊緣不可能同時(shí)最佳地檢測出這些邊緣，需要對粒子群算法的改進(jìn)。國外利用改進(jìn)粒子群算法研究圖像邊緣檢測發(fā)展?fàn)顩r是:Pal和King等首次將模糊集理論引入到粒子群算法中，可以將物體從背景中分離出來，但是不能滿足高精度的需要，存在偽邊緣且檢測出來的邊緣線比較粗，并放大了噪聲J.Kennedy等人在粒子群優(yōu)化算法上引入數(shù)學(xué)形態(tài)學(xué)結(jié)構(gòu)元素思想，得到圖像邊緣，但對噪聲敏感，得到的邊緣圖像存在大量非邊緣像素點(diǎn)；Shi等首次提出了慣性權(quán)重的概念，并研究慣性權(quán)重對粒子群算法性能的影響，發(fā)現(xiàn)較大的慣性值有利于全局搜索，而較小的慣性值有利于算法的收斂，但只能得到圖像的邊緣，并不能夠得到圖像指定方向上的邊緣信息，而且存在部分細(xì)節(jié)邊緣丟失的現(xiàn)象；Murali等為了平衡數(shù)據(jù)流采用了多條路徑，可以檢測出比較多的邊緣，而且還在很大程度上消除了偽邊緣的存在，定位精度比較高，但數(shù)據(jù)流亂序到達(dá)目的節(jié)點(diǎn)，還需要復(fù)雜的排序操作，使受噪聲的影響比較大，且會丟失一些邊緣。國內(nèi)利用改進(jìn)粒子群算法研究圖像邊緣檢測發(fā)展?fàn)顩r是:李德毅院士首次提出云理論，通過判定全局最優(yōu)位置的更新狀況調(diào)整粒子的參數(shù)，控制粒子進(jìn)化的范圍和精度，把精確隸屬函數(shù)擴(kuò)展為構(gòu)造正態(tài)隸屬度分布的期望函數(shù)；周樹道等采取基于多方向小波變換及形態(tài)學(xué)重構(gòu)的方法圖像邊緣檢測，可以檢測圖像的細(xì)節(jié)邊緣，但是在數(shù)據(jù)挖掘方面沒有優(yōu)勢；劉建華等提出一種能使其慣性權(quán)重隨不同粒子與最優(yōu)粒子距離動態(tài)變化的算法，但算法的魯棒性不強(qiáng)；邵明省等提出變異二進(jìn)制粒子群算法，解決了數(shù)據(jù)空間維數(shù)問題，提高時(shí)效性，但是采用的慣性權(quán)重線性遞減策略往往不能反映實(shí)際優(yōu)化搜索過程；張朝龍等提出基于混沌云模型的粒子群優(yōu)化算法，避免陷入局部收斂區(qū)域，但是尋優(yōu)范圍隨著進(jìn)化的進(jìn)行而動態(tài)縮小，不能自動改變。
發(fā)明內(nèi)容為了解決背景技術(shù)存在的問題，采用的技術(shù)方案如下:一種基于自適應(yīng)云粒子群算法的圖像邊緣檢測裝置，包括圖像信號處理硬件平臺、高分辨率攝像頭、光隔離器，其特征是:所述的圖像信號處理硬件平臺連接高分辨率攝像頭和光隔離器。所述的圖像信號處理硬件平臺包括P H ILIP S公司的視頻輸入處理器SA A 7 I I 3、T I公司的TMS32 0C32高速浮點(diǎn)DSP和AMCC公司的S5 9 3 3 PCI總線接口芯片，PHILIP S公司的視頻輸入處理器S A A 7113連接T I公司的TMS32 0C32高速浮點(diǎn)DSP和AMCC公司的S5933 PCI總線接口芯片。所述的高分辨率攝像頭的圖像數(shù)據(jù)由專用集成視頻解碼器S AA 7 I I 3采集，經(jīng)A / D轉(zhuǎn)換處理后傳輸?shù)紻 S P ;再經(jīng)D S P處理后通過P C I接口傳輸?shù)絇 C機(jī)，在S AA 7 I 13與TI公司的TMS320C32高速浮點(diǎn)D S P之間采用C P L D控制的兩幀輪換方式，實(shí)現(xiàn)圖像的隔行信號變逐行信號以及采集和處理的同步進(jìn)行；在0 SP與S 5 9 3 3之間采用D M A傳輸方式，實(shí)現(xiàn)數(shù)據(jù)流在系統(tǒng)中的高速傳輸。本新型的優(yōu)勢是:進(jìn)行極值檢測，然后利用圖像結(jié)構(gòu)信息進(jìn)一步判斷是否是噪聲點(diǎn)，使得對脈沖噪聲的檢測更為合理、準(zhǔn)確，保護(hù)了圖像細(xì)節(jié)，與以往算法相比，基于自適應(yīng)云粒子群算法的圖像邊緣檢測在濾除脈沖噪聲的同時(shí)能更好地保護(hù)圖像細(xì)節(jié)，而且運(yùn)算速度較快，具有良好的綜合性能。在自適應(yīng)云粒子群算法參數(shù)控制研究中，設(shè)計(jì)一種核粒子擴(kuò)張引導(dǎo)算法，算法將受混合噪聲污染的圖像分為脈沖噪聲點(diǎn)集和受高斯噪聲污染點(diǎn)集兩部分，通過極值判斷并充分利用圖像紋理信息，準(zhǔn)確地檢測出脈沖噪聲，避免了對強(qiáng)邊界點(diǎn)進(jìn)行濾波；對于含高斯噪聲的像素采用模糊濾波器進(jìn)行處理，其優(yōu)化的權(quán)值能更準(zhǔn)確地反映像素間的關(guān)系，并能有效地保護(hù)圖像細(xì)節(jié)特征。通過動態(tài)變異概率，對全局最優(yōu)粒子和粒子自身最優(yōu)位置進(jìn)行正態(tài)云變異，提高檢測時(shí)效性，圖像經(jīng)粒子空間解后，進(jìn)行奇異特征提取時(shí)，將各尺度小波系數(shù)視為模糊子集，這樣就將圖像由小波空間轉(zhuǎn)入模糊空間中，然后在模糊平面上借助于模糊算法進(jìn)行模糊決策，從而得到正確的圖像邊緣點(diǎn)。霧天情況下去除遮擋在有用圖像上面的霧氣，使有用圖像清晰顯示出來，算法解決存在局部支持域設(shè)置不合理、曲率計(jì)算復(fù)雜的缺點(diǎn) ，可以根據(jù)邊界點(diǎn)的彎曲情況自動選擇局部支持域，能最大限度地提取邊界點(diǎn)的彎曲特征，并根據(jù)協(xié)方差矩陣對應(yīng)的特征向量將二維圖像的圖像邊界成功轉(zhuǎn)化為一維特征曲率曲線來表示，最后利用小波的奇異點(diǎn)的檢測功能來提取特征線上的奇異點(diǎn)，可以識別不同程度的角點(diǎn)，把目標(biāo)與背景區(qū)域分離。
圖1為本實(shí)用新型的連接結(jié)構(gòu)圖。
具體實(shí)施方式
一種基于自適應(yīng)云粒子群算法的圖像邊緣檢測裝置，包括圖像信號處理硬件平臺、高分辨率攝像頭、光隔離器，其特征是:所述的圖像信號處理硬件平臺連接高分辨率攝像頭和光隔離器。所述的圖像信號處理硬件平臺包括P H ILIP S公司的視頻輸入處理器SA A 7 I I 3、T I公司的TMS32 0C32高速浮點(diǎn)DSP和AMCC公司的S5 9 3 3 PCI總線接口芯片，PHILIP S公司的視頻輸入處理器S A A 7113連接T I公司的TMS32 0C32高速浮點(diǎn)DSP和AMCC公司的S5933 PC
I總線接口芯片。所述的高分辨率攝像頭的圖像數(shù)據(jù)由專用集成視頻解碼器S AA 7 I I 3采集，經(jīng)A / D轉(zhuǎn)換處理后傳輸?shù)紻 S P ;再經(jīng)D S P處理后通過P C I接口傳輸?shù)絇 C機(jī)，在S AA 7 I 13與TI公司的TMS320C32高速浮點(diǎn)D S P之間采用C P L D控制的兩幀輪換方式，實(shí)現(xiàn)圖像的隔行信號變逐行信號以及采集和處理的同步進(jìn)行；在0 SP與S 5 9 3 3之間采用D M A傳輸方式，實(shí)現(xiàn)數(shù)據(jù)流在系統(tǒng)中的高速傳輸。
當(dāng)使用的時(shí)候高分辨率攝像頭采集到圖像信號通過圖像信號處理硬件平臺進(jìn)行處理，光隔離器防止光線對拍攝圖像的干擾。自適應(yīng)云粒子群算法固化到圖像信號處理硬件平臺中。自適應(yīng)云粒子群算法中云模型的劃分、子云的產(chǎn)生、云變異等進(jìn)行了討論，利用正態(tài)云算子把定性概念轉(zhuǎn)變?yōu)閿?shù)值表示的云滴集合，實(shí)現(xiàn)概念空間到數(shù)值空間的轉(zhuǎn)換，并且重點(diǎn)分析云發(fā)生器對粒子慣性權(quán)重的影響，隨著迭代的進(jìn)行對全局最優(yōu)粒子和粒子自身最優(yōu)位置進(jìn)行變異的概率逐漸減小，以更好地對前期所探索的解進(jìn)行提煉，將優(yōu)秀粒子作為云模型算法的父代個體，并確定父代最優(yōu)個體，應(yīng)用云模型算法產(chǎn)生子代個體，比較父代和子代的最優(yōu)個體，當(dāng)本次優(yōu)化得到子代最優(yōu)個體適應(yīng)度小于父代最優(yōu)個體的適應(yīng)度時(shí)，進(jìn)行全局最優(yōu)位置的更新，在云變異中事先給定閾值N和K，當(dāng)全局極值連續(xù)N代沒有發(fā)生進(jìn)化或者進(jìn)化程幅度小于K時(shí)，認(rèn)為粒子陷入局部最優(yōu)，對全部粒子根據(jù)全局極值，通過正態(tài)云發(fā)生器進(jìn)行變異操作。采用自適應(yīng)云粒子算法通過像素方向劃分將梯度的計(jì)算簡化為在一維空間實(shí)現(xiàn)，并且利用梯度直方圖的統(tǒng)計(jì)特征實(shí)現(xiàn)梯度閾值的動態(tài)選取，增強(qiáng)了算法的適應(yīng)性。圖像消噪采用開關(guān)濾波和多級中值濾波，在噪聲檢測階段采用兩級檢測的方法，首先進(jìn)行極值檢測，然后利用圖像結(jié)構(gòu)信息進(jìn)一步判斷是否是噪聲點(diǎn)，使得對脈沖噪聲的檢測更為合理、準(zhǔn)確，保護(hù)了圖像細(xì)節(jié)，在圖像光照不均勻、椒鹽噪聲增加、偽邊緣判斷等情況下，具有邊緣檢測精度高與抗噪聲能力強(qiáng)特性，在置信度區(qū)間、方向連續(xù)性、滯后連接、間斷預(yù)測等檢測指標(biāo)與其它算法對比實(shí)驗(yàn)。最后仿真實(shí)現(xiàn)自適應(yīng)云粒子群算法處理程序能夠滿足準(zhǔn)確定位邊緣的時(shí)效性和單邊響應(yīng)的連續(xù)檢測指標(biāo)，在復(fù)雜的測試環(huán)境中完成圖像邊緣檢測任務(wù)的目標(biāo)。在噪聲檢測階段采用兩級檢測的方法，首先進(jìn)行極值檢測，然后利用圖像結(jié)構(gòu)信息進(jìn)一步判斷是否是噪聲點(diǎn)，使得對脈沖噪聲的檢測更為合理、準(zhǔn)確，保護(hù)了圖像細(xì)節(jié)，在圖像光照不均勻、椒鹽噪聲增加、偽邊緣判斷等情況下，具有邊緣檢測精度高與抗噪聲能力強(qiáng)特性。該方法簡捷，參數(shù)少，魯棒性好，比其他優(yōu)化算法方便，沒有遺傳算法交叉變異等復(fù)雜過程，特別是對同類圖像邊緣的提取效果較為明顯，在一定程度上該算法可以進(jìn)行推廣使用。當(dāng)前投影、混合、畸變和噪聲等干擾因素存在于成像過程之中，導(dǎo)致圖像模糊和變形，難以檢測圖像的邊緣，使得我們無法辨認(rèn)或辨認(rèn)困難的圖像，經(jīng)自適應(yīng)云粒子群算法處理后，能使我們獲得比原有圖像質(zhì)量得到大幅提升的清晰圖像，是刑事偵查部門、技術(shù)偵查部門、痕檢、文檢、刑事照相、錄像以及法醫(yī)、化驗(yàn)等刑偵專家理想的選擇。在我國，“九五”期間國家“863”計(jì)劃通信主題將視覺技術(shù)列為重點(diǎn)項(xiàng)目，由北京郵電大學(xué)、清華大學(xué)、北京航空航天大學(xué)和天津大學(xué)共同開發(fā)，可以預(yù)測，隨著光學(xué)、電子學(xué)以及計(jì)算機(jī)技術(shù)的發(fā)展，將不斷進(jìn)步，逐漸實(shí)用化，不僅將成為工業(yè)檢測、生物醫(yī)學(xué)、虛擬現(xiàn)實(shí)等領(lǐng)域的關(guān)鍵技術(shù)，還有可能應(yīng)用于航天遙測、軍事偵察等領(lǐng)域。自適應(yīng)云粒子群算法最終將會成為視覺處理的主流技術(shù)，從而影響和改變我們的生活，相信圖像邊緣技術(shù)將得到更快速的發(fā)展，給社會的信息發(fā)展提供更有力的支持，具有廣闊的應(yīng)用前景。最后說明的是:以上述僅為說明本實(shí)用新型的實(shí)施方式，并不用于限制本實(shí)用新型，對于實(shí)用新型的技術(shù)人來說，凡在本實(shí)用新型的原則之內(nèi)，所作的任何修改、替換等，均在包含在本實(shí)用新型的 保護(hù)范圍之內(nèi)。
權(quán)利要求1.一種基于自適應(yīng)云粒子群算法的圖像邊緣檢測裝置，包括圖像信號處理硬件平臺、高分辨率攝像頭、光隔離器，其特征是:所述的圖像信號處理硬件平臺連接高分辨率攝像頭和光隔離器。
2.根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)云粒子群算法的圖像邊緣檢測裝置，其特征是:所述的圖像信號處理硬件平臺包括P H ILIP S公司的視頻輸入處理器SAA7 I I 3、T I公司的TMS320C32高速浮點(diǎn)DSP和AMCC公司的S 5 9 3 3P C I總線接口芯片，P H I L I P S公司的視頻輸入處理器S A A 7 I I 3連接T I公司的TM S 3 2 O C 3 2高速浮點(diǎn)D S P和AMC C公司的S 5 9 3 3 PCI總線接口
3.根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)云粒子群算法的圖像邊緣檢測裝置，其特征是:所述的高分辨率攝像頭的圖像數(shù)據(jù)由專用集成視頻解碼器SAA7 I I 3采集，經(jīng)A / D轉(zhuǎn)換處理后傳輸?shù)紻SP ;再經(jīng)DSP處理后通過P C I接口傳輸?shù)絇 C機(jī)，在SAA 7 I 13與TI公司的TMS320C32高速浮點(diǎn)D S P之間采用CPLD控制的兩幀輪換方式，實(shí)現(xiàn)圖像的隔行信號變逐行信號以及采集和處理的同步進(jìn)行；在0 S P與S 5 9 3 3之間采用D M A傳輸方式，實(shí)現(xiàn)數(shù)據(jù)流在系統(tǒng)中的高速傳輸。
專利摘要一種基于自適應(yīng)云粒子群算法的圖像邊緣檢測裝置，包括圖像信號處理硬件平臺、高分辨率攝像頭、光隔離器，其特征是所述的圖像信號處理硬件平臺連接高分辨率攝像頭和光隔離器。所述的圖像信號處理硬件平臺包括ＰＨＩＬＩＰＳ公司的視頻輸入處理器ＳＡＡ７１１３、ＴＩ公司的ＴＭＳ３２０Ｃ３２高速浮點(diǎn)ＤＳＰ和ＡＭＣＣ公司的Ｓ５９３３ＰＣＩ總線接口芯片，ＰＨＩＬＩＰＳ公司的視頻輸入處理器ＳＡＡ７１１３連接ＴＩ公司的ＴＭＳ３２０Ｃ３２高速浮點(diǎn)ＤＳＰ和ＡＭＣＣ公司的Ｓ５９３３ＰＣＩ總線接口芯片。本新型的優(yōu)勢是把目標(biāo)與背景區(qū)域分離。
文檔編號G06K9/46GK203133952SQ20132011647
公開日2013年8月14日 申請日期2013年3月14日 優(yōu)先權(quán)日2013年3月14日
發(fā)明者潘浩, 陳中良, 湯震, 劉衛(wèi)兵, 李留青, 邵明省 申請人:黃淮學(xué)院, 潘浩, 陳中良, 湯震, 劉衛(wèi)兵, 李留青, 邵明省