灵感来自自然的优化算法及其在多门图像细分中的意义:一个包容性的审查
Rebika Rai1, Arunita Das2, Krishna Gopal Dhal2
1Department of Computer Applications, Sikkim University, Sikkim, India.
概括
多级值 (MLT) 使用自然灵感优化算法 (NIOA) 来分割复杂的图像. 本综述涵盖了最近NIOA在MLT模型开发方面的进展和挑战.
科学领域:
- 计算机视觉和图像处理
- 人工智能的人工智能
- 优化技术 优化技术
背景情况:
- 多级值 (MLT) 对于分割具有非线性条件的复杂图像至关重要.
- MLT是一个优化问题,通常需要非确定性的解决方案.
- 自然灵感优化算法 (NIOA) 越来越多地用于MLT.
研究的目的:
- 为2019-2021年间为多级值 (MLT) 开发的新型自然灵感优化算法 (NIOA) 提供审查.
- 突出并探索使用NIOA开发MLT模型的挑战.
主要方法:
- 最近 (2019-2021) 自然启发优化算法的文献综述.
- 分析这些算法对多级值问题的应用.
- 在基于NIOA的MLT模型开发中识别共同的挑战.
主要成果:
- 在过去的三年里,出现了几项新的NIOA.
- 这些算法为复杂的图像分割任务提供了潜在的解决方案.
- 已经确定了与在MLT中应用NIOA相关的特定挑战.
结论:
- 对于解决多级值的复杂性来说,NIOA是一种有希望的方法.
- 需要进行进一步的研究,以克服在开发基于NIOA的强大的MLT模型方面所面临的挑战.
- 该综述提供了对该领域近期进展和未来方向的见解.


