边缘是图像最基本的特征之一,边缘包含了一副图像的大部分信息,通过边缘信息就可以辨认一个物体。边缘检测是特征提取、模式识别等图像分析领域的基础,是图像预处理的一个重要环节,直接关系到整个处理系统的效率及准确性。目前边缘检测已经有很多方法,其中经典的方法有Sobel算子、Roberts算子、Laplace算子等,这些方法简单、运行速度快,对检测一般的图片的边缘有较好的效果,但是对一些复杂的图片,比如背景复杂的人脸图像、医学图像、遥感图像等,不能得到很好的效果。近年来很多智能算法逐渐应用到图像处理的各个领域,比如遗传算法、蚁群算法、神经网络和粒子群算法等,为边缘检测提供了更广阔的发展空间。本文对神经网络和遗传算法的结合进行可行性分析之后,给出了利用遗传神经网络算法对图像进行边缘检测的实现过程。本文的具体研究内容如下:(1)在设计神经网络模型时引入Sobel算子、Roberts算子和Prewitt算子,将每个算子在X和Y方向上的模板作为一个隐含层节点,避免了寻找最佳隐含层神经元个数的复杂问题。(2)选取样本图像时,没有采用二值图像,而是直接用边缘清晰、不含噪声的灰度图像作为训练图片,并提出分块平均的边缘检测方法,用该方法检测训练图像的边缘作为人工导师信号。(3)利用遗传算法全局优化能力,对神经网络随机产生的权值矩阵进行优化,在进行遗传操作时,采用改进的自适应调整交叉概率和变异概率,降低了进化走向局部最优解的几率。(4)将训练好的遗传神经网络模型对人脸图片进行边缘检测,并与传统的算法进行对比,实验表明,该方法对于复杂背景的图片,仍然能检测出较好的边缘。最后对含有不同密度的噪声图像进行检测,计算相应的信噪比,与其他算法相比有更高的信噪比,算法具有一定的抗噪性