《表2 各算法适应度值:结合混沌鸟群算法的阴极铜板表面缺陷检测》
注:加粗字体为每行最优值。
GA算法相比于其他几种算法具有较强全局搜索能力,但相应局部搜索能力欠佳,由于本文各算法搜索空间为0 255灰度区间,对算法局部搜索能力要求较高,导致算法效果不尽理想;CSO算法和GSO算法均存在易陷入局部最优、求解精度低的问题,导致其难以寻取最佳分割阈值;BSA算法因其收敛精度高,局部搜索能力较强的特点被广泛应用,从表2和表3可知,其在适应度值及SSIM值两个指标下均优于GA、CSO和GSO 3种算法,但依然存在种群多样性不足致使算法易陷入局部最优的问题,经分析BSA算法的优缺点,本文在其基础上进行改进提出CBSA算法,弥补了算法种群多样性不足及易陷入局部最优的缺点,从表2和表3可看出本文所提CBSA算法在SSIM值和适应度值方面均优于其他4种算法,且算法对最佳阈值寻取的准确性及稳定性均有了提升,但由于新理论的引入导致所提算法在时间方面略显不足。
图表编号 | XD00141908700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.16 |
作者 | 王卓、张长胜、李伟、钱俊兵、唐都作、蔡兵、常以涛 |
绘制单位 | 昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、云南锡业股份有限公司铜业分公司、云南锡业股份有限公司铜业分公司、云南锡业股份有限公司铜业分公司 |
更多格式 | 高清、无水印(增值服务) |