砂粒の顕微鏡画像のセグメンテーションは地質評価を支援できますが、その種類が多様で特徴が複雑なため、セグメンテーションの精度に課題があります。本研究では、強化型ツナ群最適化指数エントロピーによる（ETSO-EXP）セグメンテーション手法を提案し、各種砂粒のテクスチャ特徴を効果的に保持できます。まず、ツナ群最適化アルゴリズム（TSO）のグローバル探索と局所開発におけるいくつかの不足点に対して、カオス摂動戦略、動的重み戦略、コサイン撹乱戦略を導入し強化しました。基準関数実験により、ETSOは収束精度を大幅に向上させ、収束速度もわずかに向上しました。次に、ETSOを用いてEXPのセグメンテーション閾値を決定し、セグメント化された画像の情報量を基準にこの手法の実現可能性を検証しました。最後に、ヤルンツァンポ川の砂粒顕微鏡画像データセットでセグメンテーション実験を行い、TSO-EXPと比較して、ETSO-EXPのセグメンテーション画像はピーク信号対雑音比、構造類似度、特徴類似度、探索速度でそれぞれ18.78％、6.85％、4.16％、3.83％向上し、同種のセグメンテーション手法の中で最良の性能を示しました。結果は、ETSO-EXPセグメンテーション法が高コントラストでテクスチャが豊富、または砂粒の破片サイズに大きな差がある画像に対して高いセグメンテーション精度と計算速度を持つことを示しています。

砂粒顕微鏡画像;画像分割;指数エントロピー;ツナ群最適化