基于时空合作浣熊优化算法的木材缺陷图像分割

摘要

在木材加工过程中，表面缺陷的准确分割是缺陷自动检测与识别的重要前提，对提高木材的生产效率和市场价值有着重要意义。针对木材缺陷图像因结构复杂、缺陷边缘不清晰而导致分割精度较差、大量表面纹理细节丢失的问题，提出一种时空合作浣熊优化算法(improved coati optimization algorithm, ICOA),用于木材缺陷图像的多阈值分割。首先，在浣熊优化算法(COA)的种群初始化阶段引入Tent混沌映射使浣熊个体均匀分布，并引入时空合作探索机制提高全局搜索的有效性、跳出局部最优的能力和算法的寻优精度。然后将对称交叉熵作为分割方法中ICOA的适应度函数，以ICOA快速搜索最佳分割阈值。对不同缺陷的木材图像进行分割实验，并与5类经典算法进行适应度值、特征相似度、结构相似度、峰值信噪比和主观分割效果等五方面的对比。实验结果表明：所提出的基于ICOA的分割方法可以准确快速地分割木材表面缺陷，保留木材表面的纹理信息和边缘特征，表现出优异的连续性、稳定性和完整性，为木材图像的分割问题提供了有效的解决方案。

关键词

木材缺陷 / 多阈值图像分割 / 对称交叉熵 / 浣熊优化算法 / 时空合作探索机制