科研之友
微信
新浪微博
Facebook
分享链接
摘要
多重熵阈值（MET）随阈值个数K的增加其运算时间成倍增长，而相关优化策略的精度与稳定性低，使得分割的骨料图像缺失大量表面粗糙度与边缘等特征信息。为了克服这一问题，提出了一种基于混沌麻雀搜索算法（SSA）优化MET的骨料自动分割模型。为增强SSA的全局优化能力和鲁棒性，在种群位置初始化时加入Logistic混沌映射均匀麻雀分布，并提出扩张参数扩大全局搜索，控距精英变异及时跳出局部停滞，将该算法称为LSSA，可以在不降低收敛速度的情况下提升求解质量。LSSA用于MET参数的自动选取，以Renyi熵、对称交叉熵和Kapur熵作为目标函数，快速确定最佳阈值集。对不同特征的骨料图像进行了分割实验，通过对比6类组合算法与FCM算法，证明了LSSA-MET的有效性，随着K的增加仍然保持着较快的运行速度，即使K=6时，平均分割一张图片也只需1.532 s。其中LSSA-Renyi熵表现最佳，峰值信噪比、结构相似性和特征相似度分别提高了29.92%,10.67%和5.16%，有效地保留了骨料表面纹理和边缘特征，同时达到了精度与速度的最佳平衡。
- 单位
