为有效进行芯片标识的提取,提出一种基于灰狼优化算法(gray wolf optimization,GWO)的改进动态双阈值的Canny算子来进行芯片标识图像边缘提取。首先,从芯片标识生产环境复杂、图像干扰信息多的角度出发,对Canny算子的双阈值进行改进;其...为有效进行芯片标识的提取,提出一种基于灰狼优化算法(gray wolf optimization,GWO)的改进动态双阈值的Canny算子来进行芯片标识图像边缘提取。首先,从芯片标识生产环境复杂、图像干扰信息多的角度出发,对Canny算子的双阈值进行改进;其次,使用灰狼优化算法确定其高阈值选取;最后,将本文算法与传统Log、Prewitt、Roberts、Canny、Sobel算子进行实验比较,利用召回率和精确率等方法作了客观评估。实验结果表明,本文所提算法优于传统的边缘提取算法,提取准确度高,为后续识别打下了坚实基础。展开更多
文摘为有效进行芯片标识的提取,提出一种基于灰狼优化算法(gray wolf optimization,GWO)的改进动态双阈值的Canny算子来进行芯片标识图像边缘提取。首先,从芯片标识生产环境复杂、图像干扰信息多的角度出发,对Canny算子的双阈值进行改进;其次,使用灰狼优化算法确定其高阈值选取;最后,将本文算法与传统Log、Prewitt、Roberts、Canny、Sobel算子进行实验比较,利用召回率和精确率等方法作了客观评估。实验结果表明,本文所提算法优于传统的边缘提取算法,提取准确度高,为后续识别打下了坚实基础。
