基于SSA-Canny协同优化的芯片标识图像边缘检测

摘要

为了精准提取芯片标识图像的目标信息，论文提出了一种基于麻雀搜索算法（sparrow search algorithm, SSA）协同优化的自适应边缘检测方法。首先，从有效克服图像干扰信息的角度出发，构建麻雀搜索算法的多目标适应度函数；其次，通过多目标适应度函数动态优化高斯滤波标准差、高阈值及低阈值比例这三个核心参数，实现噪声抑制与细节保留的精准平衡；最后，将本文算法与Roberts、Prewitt、Sobel、Laplacian、Canny算子进行实验比较，并利用F₁分数和结构相似性等方法作了客观评估。实验结果表明，该算法能够在噪声环境下有效保护图像的边缘细节，提升图像的视觉质量，增强边缘检测的鲁棒性，并且在各个客观评估指标上均优于传统算法。本研究为芯片标识视觉检测提供了一种更智能、更鲁棒的自适应边缘检测解决方案，提升了自动化检测系统的精度和可靠性，同时推动了智能优化算法在图像处理领域的应用。

关键词

芯片标识图像 / 边缘检测 / 麻雀搜索算法 / Canny算子 / 噪声抑制