曲线提取与曲线识别是图像识别、图像理解、机器视觉等领域中非常重要的基本识别技术,在经济、国防、工业、安全等诸多方面有着广泛应用。在进行图像识别时,要首先对图像进行预处理、分割运算,然后提取曲线特征,最后进行识别。而图像的复杂性和多样性以及预处理、分割算法的局限性使得分割后的二值图像中存在大量的噪声,同时曲线中也存在断点,为曲线的特征提取带来了困难。Hough变换能够有效的从充斥噪声的二值图像中提取曲线,是曲线识别中的主要工具。但利用Hough变换进行曲线识别,需要预知曲线方程或形状,而实际图像中的曲线在许多情况下是无法在识别前预知其方程或形状的,也就无法使用Hough变换来提取曲线。论文将这类曲线称之为非参数曲线,而对它的提取问题归结为离散的组合优化问题,并在对遗传算法、蚁群优化算法进行深入研究的基础上,提出了基于蚁群算法的非参数曲线提取方法。论文的主要研究内容和所取得的成果包括如下几个方面:(1)论文介绍了用Hough变换识别参数曲线的理论方法,以及参数曲线与非参数曲线的概念。阐明了基于组合优化理论的非参数曲线识别的基本思想,制定了基于优化算法的非参数曲线提取方案,并在研究前人基于小生境遗传优化的非参数曲线特征提取算法的基础上,采用蚁群优化来对非参数曲线进行提取,取得了较好的效果。(2)论文对遗传算法、蚁群优化算法展开了深入的研究。针对算法中的缺陷与不足,提出了三种改进算法:具有局部搜索能力的小生境遗传算法、蚁群遗传混合算法、求解旅行商问题的智能蚁群优化算法。论文阐述了改进算法的思想、算法流程、和算子的设计,并通过多峰值函数、旅行商问题的仿真实验,验证了改进算法的合理性和有效性。(3)针对非参数曲线识别问题,论文在基于蚁群优化的非参数曲线提取算法中设计了搜索终止概率函数,用于动态的判断蚂蚁是否继续添加解成分,解决了非参数曲线提取问题中解不定长的问题;路径翻转算子与搜索终止函数的共同作用解决了非参数曲线提取问题中曲线起点像素、终点像素不合一的问题,使得蚂蚁可以随机选择初始非零像素;论文同时对蚁群优化中的启发式信息给出了合理定义,并设计了相应的状态转移规则和信息素更新规则;局部搜索算子的引入一定程度上对蚁群优化的粗搜索进行了弥补,进一步优化了蚂蚁所构造的曲线;通过对含有各种长度、各种角度、各种纹理、存在各种噪声的二值图像的实验,结果表明算法是有效的。(4)为了在同一幅二值图像当中同时提取两条甚至多条非参数曲线,论文对两曲线之间的相似度进行了定义,并在此基础上讨论了基于蚁群优化的多曲线提取算法,也取得了良好的效果。