图像是人类认识和了解世界的重要途径之一,以前人们在接收图像传递给我们的信息后,需要自己去判断和识别,现在利用图像处理技术,能够直接获取图像中隐藏的、有价值的信息。边缘信息是图像的重要特征,图像边缘检测是图像分析的基本步骤,为后续的特征提取和分类决策提供了重要帮助,利用合适的方法找到图像的完整边缘信息非常重要。蚁群算法作为一种近年来兴起的群智能算法,是通过模拟蚂蚁群体觅食行为发展而来的算法,具有并行性、正反馈性、强鲁棒性等特点。许多学者将蚁群算法应用于图像边缘检测,并取得较好的效果。但算法存在参数众多、人工设置的参数值不准确、迭代过程中容易受到局部最优解干扰等问题。近年来,又提出融合蚁群算法与其它技术进行边缘检测的方法,可获得较精准的物体边缘。基于上述研究背景,本文就蚁群算法及其应用于图像边缘检测进行了研究。本文主要研究内容:(1)基于蚁群算法自身的优化。针对算法中蚂蚁初始位置远离边缘,迭代次数过多,边缘定位不准确的问题,本文通过初始位置优化,参数的动态调整,以及阈值的自适应选择等对算法进行改进,使蚂蚁能够沿着真实边缘搜索前进。实验表明,改进的算法用于图像边缘检测可以获得更完整的边缘,检测效果较好。(2)基于蚁群算法与Canny算子的融合优化。由于在乳腺钼靶X线图像中,肿块与周围组织的对比度较低,肿块边缘不易被发现,血管等组织对结果影响较大,本文首先采用各向异性扩散和伽马校正对医学图像进行预处理,然后引入模糊隶属度函数对蚁群算法进行优化,并将蚁群算法与Canny算子融合,实现对肿块边缘的检测,并进行分割。实验表明,该算法对肿块的分割精度更高,效果更好。