Optimizador de loros adaptativo no lineal guiado por Bernstein para la segmentación de imágenes murales

Área de la Ciencia:

• Visión por computadora
• Inteligencia artificial
• Conservación del patrimonio cultural

Sus antecedentes:

• La degradación de las paredes amenaza el patrimonio cultural mundial, lo que requiere técnicas avanzadas de restauración.
• Los métodos actuales de segmentación de imágenes para la conservación de murales exhiben un rendimiento subóptimo.
• La segmentación efectiva de la imagen es crucial para la restauración y protección precisa del mural.

Objetivo del estudio:

• Proponer un método eficiente de segmentación de imágenes murales para superar las limitaciones de las técnicas existentes.
• Para mejorar el algoritmo de Parrot Optimizer (PO) para una calidad superior de segmentación de imágenes murales.
• Mejorar la preservación de la información de las características originales en las imágenes murales.

Principales métodos:

• Desarrolló el Adaptive Nonlinear Bernstein-guided Parrot Optimizer (ANBPO) mediante la integración del aprendizaje adaptativo, un factor no lineal y una estrategia guiada por Bernstein de tercer orden en el Parrot Optimizer (PO).
• La estrategia de aprendizaje adaptativo mejora la exploración global al considerar las disparidades de información individuales.
• El factor no lineal y la estrategia orientada por Bernstein de tercer orden mejoran la explotación local y evitan la óptima local.

Principales resultados:

• ANBPO logró una tasa de victoria del 91,6% en los valores de la función de aptitud frente a los algoritmos de la competencia.
• ANBPO demostró un rendimiento superior con mejoras del 67,6% (PSNR), del 69,4% (SSIM) y del 69,7% (FSIM).
• El algoritmo segmentó efectivamente doce imágenes murales, preservando la información de las características originales.

Conclusiones:

• El algoritmo ANBPO ofrece una solución eficiente y efectiva para la segmentación de imágenes murales.
• ANBPO mejora significativamente la precisión de la segmentación, que es crucial para la conservación del patrimonio cultural.
• El método propuesto preserva información de características vitales, ayudando en los esfuerzos de restauración de murales.