計(jì)算機(jī)圖像技術(shù)在煤炭運(yùn)輸中的應(yīng)用

摘 要：煤炭產(chǎn)業(yè)非常重要的一個(gè)環(huán)節(jié)就是煤炭運(yùn)輸，煤炭運(yùn)輸直接影響到整個(gè)煤礦運(yùn)營(yíng)。為了解決煤炭運(yùn)輸?shù)膯栴}，文章把煤炭運(yùn)輸轉(zhuǎn)化成了計(jì)算機(jī)圖像處理的問題，充分利用計(jì)算機(jī)圖像處理中蟻群算法的基本思想，這樣就能快速、準(zhǔn)確的確定出煤炭運(yùn)輸?shù)淖罴淹緩剑恼抡撌隽讼伻核惴ǖ幕舅枷耄瑫r(shí)還論述的具體的操作步驟，測(cè)試結(jié)果表明，和傳統(tǒng)的方法相比此種方法平均迭代次數(shù)減少了很多，而且收斂速度得到了明顯提高，優(yōu)勢(shì)非常明顯，此方法具有很好的實(shí)用性和市場(chǎng)空間。

關(guān)鍵詞：圖像技術(shù)；煤炭運(yùn)輸；蟻群算法；平均迭代

中圖分類號(hào)：TP273.5 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-8937（2014）12-0053-02

煤炭運(yùn)輸過程會(huì)經(jīng)常遇到一個(gè)很難解決的問題，這個(gè)問題就是緊急調(diào)運(yùn)。解決這個(gè)問題的關(guān)鍵是在最短時(shí)間內(nèi)找到最優(yōu)路徑，最優(yōu)路徑就是能夠通過此路徑到大目的地的時(shí)間最短。目前解決此問題的方法很多，但是都存在一些問題。為了很好的找到最優(yōu)路徑，文章把煤炭運(yùn)輸?shù)膯栴}轉(zhuǎn)換成了計(jì)算機(jī)圖像處理的問題。

計(jì)算機(jī)圖像處理就是通過計(jì)算機(jī)將圖像轉(zhuǎn)化為一個(gè)數(shù)字矩陣存放在計(jì)算機(jī)中，并采用一定的算法對(duì)其進(jìn)行處理。圖像處理的基礎(chǔ)是數(shù)學(xué)，最主要任務(wù)就是各種算法的設(shè)計(jì)和實(shí)現(xiàn)。目前，圖像處理技術(shù)已經(jīng)在很多方面有著廣泛的應(yīng)用。根據(jù)應(yīng)用領(lǐng)域的不同要求，可以將圖像處理技術(shù)劃分為許多分支，其中比較重要的分支有：①圖像數(shù)字化：通過采樣和量化將模擬圖像變成便于計(jì)算機(jī)處理的數(shù)字形式。②圖像的增強(qiáng)和復(fù)原：主要目的是增強(qiáng)圖像中的有用信息，削弱干擾和噪聲，使圖像清晰或?qū)⑥D(zhuǎn)化為更適合分析的形式。③圖像編碼：在滿足一定的保真條件下，對(duì)圖像進(jìn)行編碼處理，達(dá)到壓縮圖像信息量，簡(jiǎn)化圖像的目的。以便于存儲(chǔ)和傳輸。④圖像重建：主要是利用采集的數(shù)據(jù)來重建出圖像。圖像重建的主要算法有代數(shù)法、傅立葉反投影法和使用廣泛的卷積反投影法等。⑤模式識(shí)別：識(shí)別是圖像處理的主要目的。蟻群算法（ant colony optimization，

ACO），又稱螞蟻算法，是一種用來在圖中尋找優(yōu)化路徑的機(jī)率型算法，在計(jì)算機(jī)圖像處理中應(yīng)用非常的廣泛。

之所以選擇一群算法是因?yàn)榇怂惴ň哂腥齻€(gè)很重要的優(yōu)點(diǎn)：第一，魯棒性很強(qiáng)；第二，可以進(jìn)行并行分布式計(jì)算；第三，非常容易和其他算法結(jié)合使用。

1 蟻群算法原理

蟻群算法（ant colony optimization，ACO），又稱螞蟻算法，是一種用來在圖中尋找優(yōu)化路徑的機(jī)率型算法。它由Marco Dorigo于1992年在他的博士論文中提出，其靈感來源于螞蟻在尋找食物過程中發(fā)現(xiàn)路徑的行為。蟻群算法是一種模擬進(jìn)化算法，初步的研究表明該算法具有許多優(yōu)良的性質(zhì)。在計(jì)算機(jī)圖像處理技術(shù)中應(yīng)用非常廣泛。

設(shè)？籽是信息素?fù)]發(fā)系數(shù)，此參數(shù)主要作用是防止圖像信息的無限積累。假設(shè)a和？茁是兩個(gè)信息啟發(fā)式因子，這兩個(gè)因子表示的側(cè)重點(diǎn)不同，前者主要說明軌跡的相對(duì)重要性，后者主要說能尋優(yōu)時(shí)的確定性因素路徑的作用強(qiáng)度。這三個(gè)參數(shù)的選取方法和選取原則非常的關(guān)鍵，如果這三個(gè)參數(shù)太大，會(huì)造成圖像信息的收斂速度太快，從而陷入局部最優(yōu)的問題。相反如果這三個(gè)參數(shù)取值太小，則圖像中最優(yōu)路徑的選擇會(huì)陷入盲目的隨機(jī)搜索，從而無法找到最優(yōu)解。如果這些參數(shù)能夠進(jìn)行自適應(yīng)調(diào)整就能很好的解決這三個(gè)參數(shù)選取的問題。

設(shè)N循環(huán)次數(shù)，如果得出的結(jié)果在N 次循環(huán)后保持不變，這種情況就是陷入局部最優(yōu)，此時(shí)可以進(jìn)行自適應(yīng)調(diào)整處理，自適應(yīng)調(diào)整的表達(dá)式為：

如果在此算法中加入收斂函數(shù)？鬃（m），這樣不但能很好的提高群全局收斂能力和搜索速度。而且可以實(shí)現(xiàn)自使用更新信息素，從而實(shí)現(xiàn)各條路徑信息量的動(dòng)態(tài)調(diào)整，避免圖像信息量過度集中在圖像中的某一點(diǎn)。改進(jìn)后信息素可表示為：

tij（t+1）=（1-？籽）1+？鬃（m）tij（t+1）+？駐tij 如果t>tmax（1-？籽）tij（t）+？駐tij 如果tmin≤t≤tmax（1-？籽）1+？鬃（m）tij（t）+？駐tij 如果t

式（4）中，tij是螞蟻從位置i轉(zhuǎn)移到位置j 的概率。把式（4）更新處理，？鬃（m）=連續(xù)收斂次數(shù)m/（ct），ct是常數(shù)。

經(jīng)過改進(jìn)處理后的信息量的增量可表示為：

式（5）中，Q是信息素，通常是正常數(shù)，Lk是本次循環(huán)中的增量。

2 圖像處理技術(shù)蟻群算法在煤炭運(yùn)輸中的應(yīng)用

煤炭產(chǎn)業(yè)非常重要的一個(gè)環(huán)節(jié)就是煤炭運(yùn)輸，煤炭運(yùn)輸直接影響到整個(gè)煤礦運(yùn)營(yíng)。但是煤炭運(yùn)輸問題是一個(gè)十分復(fù)雜的過程。因?yàn)閰^(qū)域的不同，各個(gè)煤礦的運(yùn)輸條件也是不一樣的，當(dāng)然其數(shù)學(xué)模型表達(dá)式也不盡相同，在數(shù)學(xué)領(lǐng)域也是很難求解的。煤炭運(yùn)輸?shù)穆窂竭x取是非常關(guān)鍵的，因?yàn)檫@直接影響運(yùn)輸成本和煤炭?jī)r(jià)格。為了解決煤炭運(yùn)輸?shù)膯栴}，文章應(yīng)用計(jì)算機(jī)圖像處理技術(shù)進(jìn)行煤炭運(yùn)輸最佳路徑的求解，文章主要用計(jì)算機(jī)圖像處理技術(shù)中常用的蟻群算法進(jìn)行煤炭運(yùn)輸最佳路徑的求解。通過此種算法進(jìn)行煤炭運(yùn)輸最佳路徑的選擇，這樣不但能夠后節(jié)省運(yùn)輸成本，同時(shí)還能很好的提高運(yùn)輸效率。利用蟻群算法進(jìn)行煤炭運(yùn)輸最佳路徑的選擇主要分十步進(jìn)行。

第一步，把參數(shù)進(jìn)行初始化處理，具體的參數(shù)設(shè)置為：t=0，NC（循環(huán)次數(shù)）=0，NCmax=500，N=NC/2，Q=100。設(shè)螞蟻的數(shù)量是m，元素（運(yùn)輸?shù)兀┑膫€(gè)數(shù)為n，τij（0）=const（const為常數(shù)）、Δτij（0）=0）。

第二步，設(shè)置具體的循環(huán)次數(shù)，NC=NC+1。

第三步，設(shè)定具體的禁忌表索引號(hào)，把此值設(shè)定為k=1。

第四步，設(shè)定具體的螞蟻數(shù)量為k=k+1。

第五步，選擇運(yùn)輸?shù)豭并前進(jìn)，{C-tabuk}，這是通過式（6）把概率計(jì)算出來之后確定的。

式（6）中，（t）=，dij表示i，j兩地之間的距離，cij表示i，j兩地之間的運(yùn)輸成本，hij表示i，j兩地之間的費(fèi)用損耗。

第六步，修改禁忌表指針，修改的目的是為了把螞蟻移動(dòng)到新的運(yùn)輸?shù)兀瑫r(shí)還要把該運(yùn)輸?shù)匾频轿浵亗€(gè)體的禁忌表中。

第七步，在運(yùn)輸?shù)倪^程中，如果出現(xiàn)運(yùn)輸?shù)匚幢闅v完的情況，也就是k

第八步，通過式（4）和式（5）進(jìn)行計(jì)算處理，根據(jù)計(jì)算的結(jié)果重新更新每條路徑上的信息量。

第九步，進(jìn)行最優(yōu)解的對(duì)比，主要對(duì)比當(dāng)前的與N次循環(huán)前的最優(yōu)解，如果對(duì)比的結(jié)果保持不變，此時(shí)需要對(duì)參數(shù)α、β、ρ進(jìn)行動(dòng)態(tài)自適應(yīng)的調(diào)整。

第十步，假設(shè)出現(xiàn)NC>NCmix或者螞蟻全部收斂到一條路徑的情況，最終的結(jié)果就得到了，如果沒有出現(xiàn)這種情況，需要清空禁忌表，重新跳轉(zhuǎn)到第二步繼續(xù)進(jìn)行處理。

3 測(cè)試結(jié)果和分析

為了驗(yàn)證文章的正確性和有效性，文章進(jìn)行了一組實(shí)驗(yàn)，通過兩種蟻群算法的處理結(jié)果進(jìn)行了對(duì)比，設(shè)運(yùn)輸?shù)氐臄?shù)量分別為30、30、100，仿真的次數(shù)為20，NCmax=500，其中螞蟻數(shù)量與運(yùn)輸?shù)財(cái)?shù)量相同。具體的測(cè)試結(jié)果如圖1、2所示。

圖1說明圖像處理中的動(dòng)態(tài)自適應(yīng)蟻群算法得到最佳路徑比傳統(tǒng)的方法要好，同時(shí)運(yùn)輸?shù)財(cái)?shù)量越大，平均解的差距逐漸加大，也就更能說明此算法的優(yōu)勢(shì)也明顯。

圖2說明圖像處理中的動(dòng)態(tài)自適應(yīng)蟻群算法和傳統(tǒng)算法相比，平均迭代次數(shù)減少了很多，而且收斂速度得到了明顯提高。

4 結(jié) 語(yǔ)

為了解決煤炭運(yùn)輸中存在的一些問題，文章把煤炭運(yùn)輸?shù)膯栴}轉(zhuǎn)換成了計(jì)算機(jī)圖像處理的問題。充分利用計(jì)算機(jī)圖像處理中常用的蟻群算法的基本思想，對(duì)容量限制和損耗費(fèi)用問題進(jìn)行求解。測(cè)試結(jié)果表明，文章提出的煤炭運(yùn)輸處理方法是正確的，和傳統(tǒng)的方法相比優(yōu)勢(shì)非常明顯。此方法具有很好的實(shí)用性和市場(chǎng)空間。

參考文獻(xiàn)：

[1] 朱立軍，楊中秋.一種引入信息素上下界自適應(yīng)機(jī)制的蟻群算法[J].沈陽(yáng)化工學(xué)報(bào)，2009，（3）.

[2] 劉軍，劉廣瑞.基于改進(jìn)蟻群算法移動(dòng)機(jī)器人的路徑規(guī)劃[J].煤礦機(jī)械，2009，（12）.

[3] 梁美玉，李莉.基于蟻群算法的井下無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位研究[J].煤礦機(jī)械，2010，（12）.

[4] 張素兵，劉澤民.基于螞蟻算法的分級(jí)QOS路由調(diào)度方法[J].北京郵電大學(xué)學(xué)報(bào)，2000，（4）.