1.一种基于植物群落行为的图像边缘检测方法，其特征在于，它包括以下步骤：

步骤1，由植物群落对待检测图像进行初始化；采集待检测图像的像素点灰度值、图像平均噪声、区域相异性作为植物群落算法的输入数据，根据图像边缘检测任务要求对植物群落算法的参数进行初始化，并选择边缘检测效果评价函数评估植物群落算法的输出；

步骤2，由植物群落在待检测图像中进行播种操作，并计算植物植株个体的边缘检测效果评价函数；植物群落随机产生一组边缘像素点集合编码成若干个植物群落个体，代表若干个图像边缘检测问题可行解，每个植物群落个体使用二进制位串表示对应边缘像素点的选择情况；

步骤3，由植物群落在待检测图像中进行生长操作并对图像边缘进行随机搜索；植物群落个体分别随机搜索新的像素点代替步骤2中选择的边缘像素点，即修改边缘像素点集合的一部分二进制位，对待检测图像的植物群落个体进行重新编码；

步骤4，由植物群落在待检测图像中进行开花操作，并随机选择邻居植物植株个体的边缘检测图像进行组合；对重新编码的植物植株个体使用边缘检测效果评价函数进行计算，根据边缘检测效果评价函数的计算结果对植物植株个体进行排序，并选择排序较优的植物植株个体；

步骤5，由植物群落在待检测图像中进行结果操作并互相学习边缘检测图像信息；植物植株个体互相学习和交换一部分边缘像素点集合，即互相交换植物植株个体的一部分二进制位，选择滤波函数降低植物植株个体的平均噪声水平，并重新编码边缘像素点集合；

步骤6，由植物群落输出最优边缘检测图像并结束算法；经过步骤2至步骤6的植物群落算法迭代计算，选择边缘检测效果评价函数最优的植物植株个体作为待检测图像的最优边缘检测图像。

2.根据权利要求1所述的方法，其特征在于，它包括以下子步骤：

子步骤1‑1，初始化待检测图像相关参数和边缘检测效果评价函数，包括待检测图像的像素数量，像素点灰度值，图像灰度平均值，图像平均噪声，噪声阈值，像素点的邻居信息，边缘厚度，边缘连续性，区域相异性和边缘检测效果评价函数；

子步骤1‑2，初始化植物群落参数，包括植物群落中植株种群的大小，植物植株个体的数值类型和数值大小，植物植株的边缘检测效果评价函数，植物群落的生长变异概率，开花概率，结果概率；

子步骤1‑3，清空数据集合，包括清空植物植株个体的像素点集合，植物植株播种集合，植物群落开花集合，植物群落结果邻居对集合，具有最高排序优先级的植物植株；子步骤1‑

4，初始化植物群落算法起始条件和终止条件，包括计算开始时间，计算结束时间或迭代计算次数限制，结束误差判断阈值。

3.根据权利要求2所述的方法，其特征在于，所述植物群落种群大小，即植物群落中植物植株个体的数量；所述植株个体的数值类型，包括数值的整型，浮点型，布尔型，有符号数或无符号数，数据结构类型；所述植株个体的数值大小，即数值的表示范围，正数或负数；所述植物植株的边缘检测效果评价函数，用于对待检测图像的边缘检测效果进行评估，包括待检测图像的图像平均噪声水平，边缘检测效果评价函数误差水平；所述植物群落的生长变异概率，指植物植株在生长操作过程中数值有一定概率发生突变；所述植物群落的开花概率，指植物植株在开花操作过程中数值有一定概率被选择进行开花操作；所述植物群落的结果概率，指植物植株在结果过程中数值有一定概率互相学习进行结果操作；

所述植物植株播种集合，表示进行播种操作的植物植株个体集合；所述植物群落开花集合，表示进行开花操作的植物植株个体集合；所述植物群落结果邻居对集合，表示进行结果操作的多个植物植株个体配对的集合；所述具有最高排序优先级的植物植株，表示对应的植物植株个体具有最高的边缘检测效果评价函数值。

4.根据权利要求1所述的方法，其特征在于，在步骤2中，包括以下子步骤：

子步骤2‑1，随机生成植物群落中植株个体的初始值；按植物群落种群大小，随机生成一个植物植株播种集合，播种集合元素的个数即为植物群落种群大小，集合中每个元素即为植物植株个体；植物群落中植株个体的数值表示一种可行的边缘像素点集合，即为一种边缘检测图像可行解，表示待检测图像中若干边缘像素点的拓扑连接方式；

子步骤2‑2，计算植物群落中植物植株个体的边缘检测效果评价函数；

子步骤2‑3，不断循环，直至植物群落中所有植物植株的边缘检测效果评价函数计算完成；子步骤2‑4，对植物群落中所有植物植株的边缘检测效果评价函数进行排序；边缘检测效果评价函数计算数值较高的，具有较高的排序优先级；反之，边缘检测效果评价函数计算数值较低的，具有较低的排序优先级；

子步骤2‑5，选出具有最高排序优先级的植物植株，并根据其数值更新整个待检测图像边缘信息。

5.根据权利要求1所述的方法，其特征在于，在步骤3中，包括以下子步骤：

子步骤3‑1，单个植物植株按植物群落生长变异概率在待检测图像中随机搜索一个像素点；子步骤3‑2，单个植物植株个体搜索能够连通该像素点的新边缘，并将该像素点和新边缘上的所有像素点添加到该植物植株个体的像素点集合中；

子步骤3‑3，不断循环子步骤3‑1和子步骤3‑2，直至植物群落中所有植株完成一次随机搜索，每个植物植株均添加新边缘和对应像素点到各自的植物植株个体的像素点集合中；

子步骤3‑4，计算单个植物植株个体的边缘检测效果评价函数；

子步骤3‑5，不断循环子步骤3‑4，直至植物群落中所有植株个体的边缘检测效果评价函数计算完成。

6.根据权利要求1所述的方法，其特征在于，在步骤4中，包括以下步骤：

子步骤4‑1，对植物群落中所有植物植株个体的边缘检测效果评价函数按数值高低进行排序；边缘检测效果评价函数计算数值较高的，具有较高的排序优先级；反之，边缘检测效果评价函数计算数值较低的，具有较低的排序优先级；

子步骤4‑2，按照开花概率选择单个植物植株；较高的排序优先级具有较高的开花概率，更容易被选择；反之，较低的排序优先级具有较低的开花概率，更不容易被选择；

子步骤4‑3，所有被选择的单个植物植株添加进植物群落开花集合，开花集合中的每一个植物植株均进入步骤5，进行植物群落结果计算；反之，未选择到开花集合的植物植株被放弃，不进行步骤5，不进行植物群落结果计算。

7.根据权利要求1所述的方法，其特征在于，在步骤5中，包括以下步骤：

子步骤5‑1，植物群落开花集合中的单个植物植株个体随机选择一个邻居植物植株个体，按照植物群落结果概率学习邻居植物植株个体的一部分边缘，这两个植物植株个体组成邻居对，以成对方式添加进植物群落结果邻居对集合中；

子步骤5‑2，不断循环子步骤5‑1，直至植物群落开花集合中的所有植物植株个体均被选入植物群落结果邻居对集合中，即植物群落开花集合中每一个植物植株个体均出现在植物群落结果邻居对集合的邻居对中；

子步骤5‑3，植物群落结果邻居对集合中每一对植物植株个体按照植物群落结果概率互相交换一部分边缘信息；植物群落开花集合中的单个植物植株个体允许多次被邻居植物植株个体选中，允许同时出现在多个邻居对中；

子步骤5‑4，植物群落结果邻居对集合中每个邻居对中的植物植株个体，根据互相交换的一部分边缘信息调整植物植株个体，重新构建新边缘，并将新边缘中的像素点添加进单个植物植株个体中；

子步骤5‑5，使用滤波函数计算植物植株个体的平均噪声水平，并判断平均噪声水平是否符合预定的噪声阈值，对于超过预定噪声阈值的像素点进行滤波，以减少噪声的影响；

子步骤5‑6，计算植物群落结果邻居对集合中每个植物植株个体的边缘检测效果评价函数值；

子步骤5‑7，依次不断循环子步骤5‑1，子步骤5‑2，子步骤5‑3，子步骤5‑4，子步骤5‑5，子步骤5‑6，直至植物群落结果邻居对集合中的全部植物植株个体的边缘检测效果评价函数计算完成。

8.根据权利要求1所述的方法，其特征在于，包括以下步骤：

子步骤6‑1，对植物群落结果邻居对集合中全部植物植株个体的边缘检测效果评价函数进行排序；边缘检测效果评价函数计算数值较高的，具有较高的排序优先级；反之，边缘检测效果评价函数计算数值较低的，具有较低的排序优先级；

子步骤6‑2，选出具有最高排序优先级的植物植株个体的边缘检测效果评价函数；

子步骤6‑3，比较子步骤6‑2所得出的具有最高优先级的植物植株个体的边缘检测效果评价函数，与步骤2‑5计算出播种操作步骤中具有最高优先级的植物植株个体的边缘检测效果评价函数，两者进行数值大小的比较，并选出具有最高优先级的植物植株个体，及对应的边缘检测效果评价函数；

子步骤6‑4，判断迭代计算次数是否符合预定的迭代计算次数限制，如果符合，则结束计算，将步骤6‑3中得到的最高优先级的植物植株个体的边缘检测效果评价函数输出，并输出对应植物植株个体的数值，作为待检测图像的最优边缘检测图像；反之，如果不符合预定的迭代计算次数限制，则进行步骤6‑5；

子步骤6‑5，如果子步骤6‑2所得出的边缘检测效果评价函数值更高，且高于结束误差判断阈值，则按植物群落种群数量的一半来选择子步骤6‑1中排序优先级最高的那些植物植株个体，添加进子步骤2‑1中植物植株播种集合；进一步地，按植物群落种群数量的一半来选择子步骤2‑4中排序优先级最高的那些植物植株个体，也添加进步骤2‑1中植物植株播种集合；两部分植物植株个体重新组成新的植物群落种群，重新进行播种操作，返回子步骤

2‑4，重新开始下一次计算，并记录迭代计算次数；反之，如果子步骤6‑2所得出的边缘检测效果评价函数值更低，或与子步骤2‑5中排序优先级最高的边缘检测效果评价函数值的差值不高于结束误差判断阈值，则不再进行播种操作，结束计算，将子步骤6‑3中得到的最高优先级的植物植株的边缘检测效果评价函数输出，并输出对应植物植株个体的数值，作为待检测图像的最优边缘检测图像。