基于海鸥优化算法的PCNN芯片引线框架图像自动分割

摘要

为满足集成电路封装阶段对芯片引线框架图像的高精度分割需求，本文提出了一种新的图像自动分割方法，该方法基于海鸥优化算法（Seagull Optimization Algorithm, SOA）和脉冲耦合神经网络（Pulse-Coupled Neural Network, PCNN）,旨在解决传统图像切割技术在处理引线框架图像时存在的精度低、边缘模糊以及对噪声过于敏感的问题.首先从引线框架图像的需求出发，对传统的PCNN模型进行了针对性的改进.其次将图像熵作为SOA算法的适应度函数，以此自适应地优化PCNN的连接系数β、阈值衰减系数α_E和阈值放大系数V_E,以实现对引线框架图像的最佳分割效果.最后，将所提算法与传统的PCNN、GA-PCNN和GWO-PCNN方法进行了主观实验对比，并采用Dice系数、召回率和分割精确度等常用图像分割评价指标，对这四种处理方法进行了客观的性能评估.实验结果表明，本研究提出的技术方案在分割精度上表现出色，并且具备良好的鲁棒性，显示出其在实际工程应用中的潜力和价值.

关键词

图像处理 / 芯片引线框架 / 图像分割 / 海鸥优化算法 / 脉冲耦合神经网络