边缘检测是图像处理中的重要内容,是图像的最基本特征。所谓边缘,是指图像中灰度发生急剧变化的区域。边缘检测在图像分割、图像检索、模式识别、机器视觉等领域中有重要的应用。传统边缘检测算法的主要思路是通过使用2*2或者3*3检测模板作为核与图像中每一个像素点进行卷积运算,求得梯度值;然后选取合适的分割阈值以提取边缘。该方法中存在一定的缺陷:(1)检测模板的系数固定,缺乏可调性。针对不同的图像,检测效果一般,只能检测出图像的大致轮廓,缺乏自适应性。(2)阈值的选取需要靠人工测试选择,存在一定的盲目性。针对传统边缘检测算法存在的问题,本文采用一种新的进化理论-思维进化算法,并结合传统边缘算法的思想,提出了基于思维进化算法的图像边缘检测方法。把传统边缘检测问题转换成函数寻优过程,利用思维进化算法的快速寻优特性,在待处理问题的解空间搜索最佳解,即在参数解空间范围内搜索最佳模板系数和最佳分割阈值,实现模板系数和阈值的人工智能选取,大量实验结果证明了该方法的可行性,有效地解决了传统边缘算法存在的缺陷问题。基本思维进化算法具有快速的全局收敛能力,但是在解空间收缩的解越接近最佳解时,收敛速度慢,局部搜索能力差,为了提高思维进化算法的局部搜索能力,本文对基本思维进化算法进行了的改进,即引进最速下降法来改进思维进化算法的局部收敛能力。最速下降法在解空间搜索最佳解的过程具有方向性,沿着目标函数负梯度下降方向搜索一维解,又称梯度法,是无约束化中最简单的方法,具有快速的局部收敛特性,采用该方法对思维进化算法进行改进,能够改善思维进化算法的局部收敛特性,加快搜索速度。在采用思维进化算法优化模板系数过程中,由于模板系数之间存在相互约束关系,对于约束条件的处理,本文引进罚函数的思想,对于违反约束条件的种群,做出相应的惩罚,根据惩罚项及时调整思维进化算法中的目标函数,降低违反约束条件种群的适应度,使该种群进入下一代进化的机率较少,最终让搜索的解尽量满足约束条件。对于阈值的选取,本文结合最大类间方差法,采用改进思维进化算法在求解问题的参数范围内寻找最佳的分割阈值。用改进思维进化算法去寻取最佳阈值将梯度图像分割成两部分(边缘点集合和非边缘点集合),使两部分类间方差取最大值,实现边缘点集合的提取。采用改进思维进化算法优化阈值的策略,一方面可以减少最大类间方差的计算次数,提高计算效率;另一方面可以加快最优解的收敛速度,实现快速达到全局最优解的目的。