1 江苏理工学院 机械工程学院，江苏常州2300
2 常州祥明智能动力股份有限公司，江苏常州13011
在QFN芯片封装缺陷检测中，增加图像分割环节可有效提高缺陷检测准确性与检测效率。针对图像分割中传统算法效率低、智能优化算法分割精度低稳定性差的问题，本文提出一种基于改进灰狼优化算法（IGWO）的图像多阈值分割方法。首先，改进原始灰狼优化算法非线性因子，平衡算法搜索效率与挖掘能力；其次，引入反向学习策略提高种群整体质量，引入正弦函数、调整头狼权重以改进灰狼更新策略，增强算法多样性与挖掘能力；然后，提出头狼靠拢与种群变异交替进行的位置更新策略，平衡算法收敛性能与跳出局部最优能力；最后，以Kapur熵为适应度函数，求解最优分割阈值。将本文提出的改进灰狼优化算法的多阈值图像分割方法，与灰狼优化算法（GWO）、基于翻筋斗觅食策略的灰狼优化算法（DSF-GWO）、基于莱维飞行的樽海鞘群优化算法（LSSA）、改进北方苍鹰算法（INGO）的图像分割方法进行实验对比，结果表明：本文方法在分割用时方面，约为DSF-GWO的1/2，INGO的1/4；在分割精度与稳定性方面，在进行QFN芯片缺陷图像的连续30次分割时，本文方法具有最大Kapur熵平均值、最小标准差与最短分割时间。因此本文方法可实现高精度、高稳定性与高效率的QFN芯片图像多阈值分割。
灰狼优化算法 多阈值分割 Kapur熵 QFN Grey Wolf Optimization（GWO） multi-threshold segmentation Kapur entropy Quad Flat No-lead package(QFN)
1 中国科学院安徽光学精密机械研究所中国科学院大气光学重点实验室 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
在工业应用中,需要对方形扁平无引脚封装(Quad flat no-lead package, QFN)芯片表面划痕实时 准确检测,提出了一种快速的芯片表面划痕检测定位方法。通过图像分割算法获取缺陷图像,结合 轮廓提取算法可以较好地实现芯片表面划痕定位。同时,为了保证对芯片表面划痕实时检测,采用 基于粒子群的Otsu多阈值算法进行图像分割,不仅使得图像中缺陷区域更加明显,而且缩短了芯片 表面划痕检测时间。与直接采用Otsu算法相比,芯片表面划痕检测时间由秒级缩短至毫秒级,提高 了芯片质量检测效率。该划痕快速定位检测方法对芯片检测设备软件系统开发与应用具有重要的参考价值。
方形扁平无引脚封装芯片 划痕检测 多阈值分割 粒子群优化算法 quad flat no-lead package chip scratch detection multi-threshold segmentation particle swarm optimization algorithm 大气与环境光学学报
2019, 14(4): 313
郑州科技学院 信息工程学院, 河南 郑州 450064
针对合成孔径雷达(SAR)图像中存在大量的相干斑噪声, 对SAR图像进行分割易出现分割不精、边缘模糊等问题, 融合改进的直方图PDE和二维Tsallis熵多阈值, 提出了一种SAR图像分割算法。根据PDE直方图均衡化方法, 将图像去噪与图像增强加权融合, 利用各自权值调整去噪项与图像增强项; 同时将二维Tsallis熵单阈值分割方法扩展到多阈值分割,建立基于多阈值的选取方法, 并引入萤火虫算法来求解最优阈值对, 实现了二维Tsallis熵多阈值对去噪增强SAR图像的有效分割。仿真结果表明: 与其他3种分割算法相比, 该文算法在处理噪声大、灰度差值小的图像时具有较高的分割精度, PRI至少提升2.53%、VOI降低8.48%、GCE降低11.14%。
直方图偏微分方程 去噪增强 二维Tsallis熵 多阈值分割 萤火虫算法 histogram partial differential equation de-noising enhancement two-dimensional Tsallis entropy multi-threshold segmentation firefly algorithm
河南师范大学计算机与信息工程学院，河南 新乡453007
为了增强生物地理学优化算法(BBO)在图像多阈值分割应用中的全局搜索能力，提高其优化性能，提出一种改进的生物地理学算法(IBBO)。首先，引入多源迁移算子，该算子能更好地从搜索空间中生成新特征值，有效提高种群的多样性；其次，创建一种新型的动态变异算子，该算子能够动态地改变变异幅度，提高算法运算效率，使算法快速收敛到全局最优解；随后，将原来的精英选择算子改为贪婪选择算子，即采用优胜劣汰的策略加快算法收敛速度；最后将其应用到基于最大熵的多阈值分割中。图像分割实验结果表明，IBBO算法运行速度远远快于穷举算法，优化性能优于标准BBO算法和PSO算法。
优化算法 生物地理学优化算法 图像分割 多阈值分割 最大熵 optimization algorithm biogeography-based optimization algorithm image segmentation multi-threshold segmentation maximum entropy
1 河南师范大学 计算机与信息工程学院，河南 新乡 453007
2 河南省高校计算智能与数据挖掘工程技术研究中心，河南 新乡 453007
针对高维多阈值图像分割中存在的多阈值搜索问题，提出了一种动态迁移和椒盐变异融合的生物地理学优化算法(BBOD)。首先，构建了一种基于动态扰动的迁移算子，对候选解中没有发生迁移操作的特征值添加一个动态的扰动因子, 使种群的多样性增加，从而提高全局搜索能力; 然后，创建了新型的变异算子，对待变异的特征值产生一个椒盐扰动，使该值在小范围内浮动，以便提高局部搜索能力和算法的收敛速度; 最后，将该算法应用到基于最小交叉熵的图像高维多阈值分割中。高维多阈值分割实验结果表明，本文提出的BBOD算法能够获得最优的阈值向量，运行速度、性能指标均优于标准的生物地理学优化(BBO)算法， 基于变异的生物地理学优化(BBOM)算法、FFA(Firefly Algorithm)和CSA (Cuckoo Search Algorithm)，运行速度是FFA的5倍以上。该算法更适用于基于最小交叉熵的高维多阈值优化选择。
图像分割 多阈值分割 优化算法 生物地理学优化算法 最小交叉熵 image segmentation multilevel thresholding optimization algorithm biogeography-based optimization algorithm minimum cross entropy 光学 精密工程
2015, 23(10): 2943
东南大学 机械工程学院, 江苏 南京 211189
提出了基于粒子群优化(PSO)与引力搜索(GSA)混合算法(PSOGSA)的多阈值图像分割方法来解决图像阈值搜寻过程中单一优化算法局部搜索能力不强的问题.提出了图像阈值分割领域中的广义反向学习策略,在阈值寻优过程中提高群体多样性,增强了全局搜索能力;采用了全局最优解的正态变异策略,扩展了全局最优的搜索区域,避免了算法的早熟收敛.在此基础上,实现了基于广义反向粒子群与引力搜索混合算法的多阈值图像分割方法.最后,使用本方法对复杂多目标图像进行了多阈值分割实验,并与引力搜索算法和萤火虫算法进行了比较.实验结果表明,本文方法的分割精度优于引力搜索算法与萤火虫算法,其分割目标函数值在连续运行时的标准差降低了90%以上,是一种精度高、稳定性强的多阈值图像分割方法.
图像分割 多阈值分割 粒子群优化 引力搜索算法 广义反向学习 正态变异 image segmentation multilevel threshold segmentation particle swarm optimization gravitational search algorithm generalized opposition-based learning normal mutation
1 东南大学 机械工程学院, 江苏 南京 211189
2 淮海工学院, 江苏 连云港 222005
提出了基于萤火虫算法的二维熵多阈值快速图像分割方法以改善分割复杂图像和多目标图像时存在计算量大、计算时间长的问题。首先, 分析了二维熵阈值分割原理, 将二维熵单阈值分割扩展到二维熵多阈值分割。然后, 引入萤火虫算法的思想, 研究了萤火虫算法的仿生原理和寻优过程; 提出了基于萤火虫算法的二维熵多阈值快速图像分割方法。最后, 使用该方法对典型图像进行阈值分割实验, 并与二维熵穷举分割法、粒子群算法(PSO)二维熵多阈值分割法进行比较。实验结果表明: 该方法在单阈值分割、双阈值分割和三阈值分割时分别比二维熵穷举分割法快3.91倍, 1040.32倍和8128.85倍; 另外, 在阈值选取的准确性和计算时间方面均优于PSO二维熵多阈值分割法。结果显示, 基于萤火虫算法的二维熵多阈值快速图像分割方法能快速有效地解决复杂图像和多目标图像的分割问题。
图像分割 多阈值分割 二维熵 萤火虫算法 image segmentation multilevel threshold segmentation two-dimensional entropy firefly algorithm
对基于NSCT分解的可见光和红外图像的融合算法进行了优化技术研究。在场景复杂或有多个区域需要同时关注时,低频子图融合阶段采用简单的二值化区域分割方法并不能将不同区域的感兴趣目标有效地反映到融合结果中。所以本文采用基于最大熵的多阈值分割方法,并对每一个分割区域计算其区域能量比指导融合系数的求取;高频融合阶段采用最能保持图像细节的梯度最大规则。实验结果表明本文算法能够将多个区域中的感兴趣目标很好地反映到融合结果中,并保留了可见光图像丰富的细节信息和分辨率高特征,融合图像具有更好的视觉效果。
图像融合 非下采样Contourlet变换 多阈值分割 区域能量比 image fusion nonsubsampled contourlet transform multi-threshold segmentation regional energy ratio
1 西安电子科技大学计算机学院, 陕西 西安 710071
2 河南科技大学电子信息工程学院, 河南 洛阳 471003
提出了一种基于多阈值分割和无下采样Contourlet变换(Nonsubsampled Contourlet Transform, NSCT)的多光谱与高分辨率图像融合算法。对多光谱图像进行多阈值分割, 并利用提出的区域均值比指标将多光谱图像划分为需要进行空间细节增强及需要保持光谱特征的区域; 然后利用NSCT对高分辨率图像和多光谱图像的强度分量进行多尺度、多方向分解。分解后的低频部分采用基于窗口邻域的融合规则和算子进行融合, 高频部分按区域均值比指标进行区域融合; 最后进行重构得到融合后的多光谱图像的强度分量, 经IHS逆变换后得到高分辨率的多光谱图像。实验结果表明, 该算法可获得较理想的融合图像, 融合效果优于IHS变换法、基于像素的à trous小波变换法以及基于像素的NSCT法。
图像处理 图像融合 多阈值分割 无下采样contourlet变换 IHS变换
