多重エントロピーしきい値（MET）は、しきい値の数 <inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mi>K</mi></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/5E9E4FCF-3052-4041-8679-B8DAF0DDEB76-M001.jpg"/><?fx-imagestate width="2.62466669" height="2.37066650"?></graphic><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/5E9E4FCF-3052-4041-8679-B8DAF0DDEB76-M001c.jpg"/><?fx-imagestate width="2.62466669" height="2.37066650"?></graphic></alternatives></inline-formula>の増加に伴い、その計算時間は指数関数的に増加し、関連する最適化戦略の精度と安定性が低いため、分割された骨材画像において表面の粗さやエッジなどの特徴情報が大量に欠落してしまう。この問題を克服するために、カオススパロウサーチアルゴリズム（SSA）を用いてMETを最適化した骨材の自動分割モデルを提案した。SSAのグローバルな最適化能力とロバスト性を高めるために、種群位置の初期化時にロジスティックカオスマッピングによる均一なスパロウ分布を導入し、グローバルサーチを拡大する拡張パラメータを提案し、局所的な停滞から速やかに脱出するために距離制御エリート変異を採用した。このアルゴリズムはLSSAと呼ばれ、収束速度を低下させることなく解の品質を向上させることができる。LSSAはMETパラメータの自動選択に用いられ、目的関数としてRenyiエントロピー、対称交差エントロピー、およびKapurエントロピーを採用し、最適なしきい値セットを素早く決定する。異なる特徴を持つ骨材画像に対して分割実験を行い、6種類の組み合わせアルゴリズムとFCMアルゴリズムと比較することで、LSSA-METの有効性を検証した。<inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M2"><mi>K</mi></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/5E9E4FCF-3052-4041-8679-B8DAF0DDEB76-M001.jpg"/><?fx-imagestate width="2.62466669" height="2.37066650"?></graphic><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/5E9E4FCF-3052-4041-8679-B8DAF0DDEB76-M001c.jpg"/><?fx-imagestate width="2.62466669" height="2.37066650"?></graphic></alternatives></inline-formula>の増加に伴い、実行速度は依然として高速であり、<inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M3"><mi>K</mi><mo>=</mo><mn mathvariant="normal">6</mn></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/5E9E4FCF-3052-4041-8679-B8DAF0DDEB76-M003.jpg"/><?fx-imagestate width="8.21266651" height="2.37066650"?></graphic><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/5E9E4FCF-3052-4041-8679-B8DAF0DDEB76-M003c.jpg"/><?fx-imagestate width="8.21266651" height="2.37066650"?></graphic></alternatives></inline-formula>でも、1枚の画像の平均分割時間は1.532秒である。LSSA-Renyiは最も優れた性能を示し、ピーク信号対雑音比、構造類似性、および特徴類似度がそれぞれ29.92％、10.67％、5.16％向上し、骨材の表面テクスチャとエッジ特徴を効果的に保持しながら、精度と速度の最適なバランスを達成した。

画像分割;骨材;多重エントロピーしきい値;最適化;スパロウサーチアルゴリズム;ロジスティックマッピング