利用人工蜂群（ABC）优化进行图像多圆检测

霍夫变换（HT）一直是最常用的圆检测方法，具有鲁棒性，但不利的是需要大量的计算工作和内存需求。替代方法包括采用迭代优化程序来检测多个圆的启发式方法。由于每个优化周期只能标记一个圆，因此必须执行多次操作才能实现多重检测。本文提出了一种自动检测多个圆形形状的算法，将整个过程视为多模态优化问题。该方法基于人工蜂群（ABC）算法，这是一种受蜜蜂智能觅食行为启发的群优化算法。与原始 ABC 算法不同，所提出的方法增加了一个用于存储被丢弃解的存储器。该存储器允许保留关于优化过程中可能出现的其他局部最优解的重要信息。检测器使用三个非共线边缘点的组合作为参数来确定候选圆。匹配函数（花蜜量）确定这些候选圆（蜜蜂食物源）是否实际存在于图像中。在这些匹配函数值的引导下，编码的候选圆集通过 ABC 算法进行演化，以便将最佳候选（全局最优）拟合到仅含边缘的图像中的实际圆上。随后，对 incorporated memory 进行分析以识别潜在的局部最优解，即其他圆。