基于改进常春藤优化算法的木材缺陷图像分割

摘要

针对木材加工自动化生产中因表面缺陷边缘模糊及纹理干扰导致的图像分割精度不足问题，提出一种改进的常春藤优化算法（improved ivy algorithm,IIVY）用于木材缺陷图像的多阈值分割。首先，通过风向生长机制增强种群多样性，并设计非线性动态平衡因子以动态协调全局勘探与局部开发能力；其次，引入精英导向再生策略提升算法跳出局部最优的能力；然后，基于对称交叉熵设计适应度函数，利用IIVY对木材缺陷图像进行分割，并与4种经典算法（灰狼优化算法（grey wolf optimizer,GWO）、鲸鱼优化算法（whale optimization algorithm,WOA）、麻雀搜索算法（sparrow search algorithm,SSA）、沙猫群优化算法（sand cat swarm optimization,SCSO））对比分析，评价指标包括最优适应度值、峰值信噪比、特征相似度和主观视觉评价。结果表明，IIVY适应度收敛曲线明显优于对比算法；在峰值信噪比和特征相似度指标上，IIVY取得最优值的试验组数分别占总试验组数的83.33%和91.67%;IIVY在缺陷区域边缘的分割中更加准确，分割结果完整保留木材纹理细节。IIVY算法能够准确分割木材表面缺陷，保留木材表面的纹理特征，为木材缺陷检测提供可靠技术支撑。

关键词

木材缺陷 / 常春藤优化算法 / 多阈值图像分割 / 对称交叉熵 / 群智能优化算法 / 图像处理 / 精英导向再生策略 / 非线性动态平衡因子