1、邊緣檢測是圖像處理中的重要內(nèi)容，是圖像的最基本特征。所謂邊緣，是指圖像中灰度發(fā)生急劇變化的區(qū)域。邊緣檢測在圖像分割、圖像檢索、模式識別、機器視覺等領(lǐng)域中有重要的應(yīng)用。傳統(tǒng)邊緣檢測算法的主要思路是通過使用2*2 或者3*3檢測模板作為核與圖像中每一個像素點進行卷積運算，求得梯度值；然后選取合適的分割閾值以提取邊緣。該方法中存在一定的缺陷：(1)檢測模板的系數(shù)固定，缺乏可調(diào)性。針對不同的圖像，檢測效果一般，只能檢測出圖像的大致輪廓，缺乏自適

2、應(yīng)性。(2)閾值的選取需要靠人工測試選擇，存在一定的盲目性。
　　 本文針對傳統(tǒng)邊緣檢測算法存在的問題，采用一種新的進化理論-思維進化算法，并結(jié)合傳統(tǒng)邊緣算法的思想，提出了基于思維進化算法的圖像邊緣檢測方法。把傳統(tǒng)邊緣檢測問題轉(zhuǎn)換成函數(shù)尋優(yōu)過程，利用思維進化算法的快速尋優(yōu)特性，在待處理問題的解空間搜索最佳解，即在參數(shù)解空間范圍內(nèi)搜索最佳模板系數(shù)和最佳分割閾值，實現(xiàn)模板系數(shù)和閾值的人工智能選取，大量實驗結(jié)果證明了該方法的可行性，有

3、效地解決了傳統(tǒng)邊緣算法存在的缺陷問題。基本思維進化算法具有快速的全局收斂能力，但是在解空間收縮的解越接近最佳解時，收斂速度慢，局部搜索能力差，為了提高思維進化算法的局部搜索能力，本文對基本思維進化算法進行了的改進，即引進最速下降法來改進思維進化算法的局部收斂能力。最速下降法在解空間搜索最佳解的過程具有方向性，沿著目標函數(shù)負梯度下降方向搜索一維解，又稱梯度法，是無約束化中最簡單的方法，具有快速的局部收斂特性，采用該方法對思維進化算法進行改

4、進，能夠改善思維進化算法的局部收斂特性，加快搜索速度。在采用思維進化算法優(yōu)化模板系數(shù)過程中，由于模板系數(shù)之間存在相互約束關(guān)系，對于約束條件的處理，本文引進罰函數(shù)的思想，對于違反約束條件的種群，做出相應(yīng)的懲罰，根據(jù)懲罰項及時調(diào)整思維進化算法中的目標函數(shù)，降低違反約束條件種群的適應(yīng)度，使該種群進入下一代進化的機率較少，最終讓搜索的解盡量滿足約束條件。對于閾值的選取，本文結(jié)合最大類間方差法，采用改進思維進化算法在求解問題的參數(shù)范圍內(nèi)尋找最佳的