Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Lagrange Multipliers: Two Constraints01:28

Lagrange Multipliers: Two Constraints

The method of Lagrange multipliers with two constraints is used to optimize a function subject to two independent constraints. In many applications, the objective function represents a quantity to be maximized or minimized, such as cost, area, distance, or energy. The two constraints represent requirements that the solution must satisfy, such as fixed volume, limited resources, or prescribed dimensions.For a function of three variables, each constraint forms a surface in three-dimensional space.
Methods of Medium Optimization01:28

Methods of Medium Optimization

Optimizing growth media enhances microbial proliferation and maximizes product yield. Statistical experimental design methodologies provide structured and reproducible approaches, offering progressively higher levels of robustness and efficiency.The One-Factor-at-a-Time (OFAT) MethodThe One-Factor-at-a-Time (OFAT) method involves adjusting a single variable while keeping all others constant. However, it cannot detect interactions between variables, often leading to suboptimal outcomes when...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Retraction Note: Plant disease recognition using residual convolutional enlightened Swin transformer networks.

Scientific reports·2026
Same author

An improved crayfish optimization algorithm for solving engineering optimization problems.

PloS one·2026
Same author

One-Step Deoxygenated Oxidative C-N Coupling of Azine <i>N</i>-Oxides with Alicyclic Amines via Copper(I) Catalyst-dppf Cooperation.

The Journal of organic chemistry·2026
Same author

IFIANet: Frequency Attention Network for Time-Frequency in sEMG-Based Motion Intent Recognition.

Sensors (Basel, Switzerland)·2026
Same author

Corrigendum to "Greater cane rat algorithm (GCRA): A nature-inspired metaheuristic for optimization problems" [Heliyon Volume 10, Issue 11, June 2024, Article e31629].

Heliyon·2025
Same author

Improved COOT optimization: An approach to multilevel thresholding in image segmentation.

Scientific reports·2025
Same journal

Mental health of healthcare workers in England during the first three years of the COVID-19 pandemic: The NHS CHECK study cohort.

PloS one·2026
Same journal

Research on trajectory tracking control of tracked vehicles based on hydraulic motor system identification and Laguerre-MPC.

PloS one·2026
Same journal

A collaborative cervical precancer screening strategy with concurrent HPV genotyping and visual inspection using alumni of a training centre across Ghana: The Rotary 'Protect Your Pearl' initiative.

PloS one·2026
Same journal

Removal efficiency of pesticide residues on pesticide-spiked Perilla Leaf and Broccoli surfaces using microplasma-treated water.

PloS one·2026
Same journal

Cross-domain zero-shot semantic segmentation for unstructured environments via EVA-CLIP model, ensemble prompt engineering, and optimized text-image matching.

PloS one·2026
Same journal

Adaptive robust sparse representation for face recognition based on weighted and fusion dictionary.

PloS one·2026
Ver todos los artículos relacionados
  1. Home
  3. Algoritmo De Optimización Remora Multiestrategia Para La Segmentación De Imágenes En Color Con Múltiples Umbrales
  1. Home
  3. Algoritmo De Optimización Remora Multiestrategia Para La Segmentación De Imágenes En Color Con Múltiples Umbrales

Video Experimental Relacionado

Evaporation-reducing Culture Condition Increases the Reproducibility of Multicellular Spheroid Formation in Microtiter Plates
11:24

Evaporation-reducing Culture Condition Increases the Reproducibility of Multicellular Spheroid Formation in Microtiter Plates

Published on: March 7, 2017

7.4K

Algoritmo de optimización remora multiestrategia para la segmentación de imágenes en color con múltiples umbrales

Heming Jia1, Changsheng Wen2, Honghua Rao3

  • 1School of Information Engineering, Sanming University, Sanming, Fujian, China.

PloS one
|February 18, 2026

Ver abstracta en PubMed

Resumen
Este resumen es generado por máquina.

Un nuevo Algoritmo de Optimización Remora Multiestrategia (MSROA) mejora la segmentación de imágenes en color al prevenir óptimos locales y mejorar la convergencia. Este método logra una precisión de segmentación y calidad de imagen superiores en comparación con los algoritmos existentes.

Palabras clave:
Algoritmo de optimización remora multiestrategiasegmentación de imágenes en coloroptimizaciónaprendizaje automáticovisión por computadora

Más Videos Relacionados

A Label-Free Segmentation Approach for Intravital Imaging of Mammary Tumor Microenvironment
10:39

A Label-Free Segmentation Approach for Intravital Imaging of Mammary Tumor Microenvironment

Published on: May 24, 2022

2.8K
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

837

Videos de Experimentos Relacionados

Evaporation-reducing Culture Condition Increases the Reproducibility of Multicellular Spheroid Formation in Microtiter Plates
11:24

Evaporation-reducing Culture Condition Increases the Reproducibility of Multicellular Spheroid Formation in Microtiter Plates

Published on: March 7, 2017

7.4K
A Label-Free Segmentation Approach for Intravital Imaging of Mammary Tumor Microenvironment
10:39

A Label-Free Segmentation Approach for Intravital Imaging of Mammary Tumor Microenvironment

Published on: May 24, 2022

2.8K
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

837

Área de la Ciencia:

  • Visión por Computadora
  • Inteligencia Artificial
  • Procesamiento de Imágenes

Sus antecedentes:

  • La segmentación de imágenes en color con múltiples umbrales es crucial pero computacionalmente compleja debido a los grandes espacios de búsqueda.
  • Los algoritmos de optimización existentes a menudo sufren de óptimos locales y convergencia lenta.

Objetivo del estudio:

  • Introducir el Algoritmo de Optimización Remora Multiestrategia (MSROA) para una segmentación de imágenes en color eficiente y precisa.
  • Mejorar el rendimiento de la optimización al prevenir óptimos locales y acelerar la convergencia.

Principales métodos:

  • MSROA integra reinicios aleatorios Beta con una propiedad "prior" para evitar óptimos locales.
  • Se emplea una caminata aleatoria con estrategias de depredación rápida y aprendizaje de élite para aumentar la velocidad de convergencia y la precisión.
  • El rendimiento se evaluó en los conjuntos de pruebas de referencia CEC2017 y CEC2020 y se aplicó a los métodos de Otsu y Kapur para la segmentación de imágenes.

    • Principales resultados:

    • MSROA demostró mejoras estadísticamente significativas sobre siete algoritmos de vanguardia mediante pruebas de suma de rangos de Wilcoxon.
    • El algoritmo identificó con precisión combinaciones de umbrales óptimas, produciendo imágenes segmentadas de mayor calidad.
    • Valores consistentemente más altos de PSNR, FSIM y SSIM indican una preservación superior de los detalles de la imagen.

    Conclusiones:

    • MSROA ofrece una solución robusta y eficiente para la segmentación de imágenes en color con múltiples umbrales.
    • El algoritmo equilibra eficazmente la exploración y la explotación para mejorar la optimización.
    • MSROA supera a los métodos existentes en precisión de segmentación y preservación de detalles.