混合适应性鱼优化与差异演变为颜色多门图像分割的多门图像分割
Honghua Rao1,2, Heming Jia2, Xinyao Zhang3
1School of Electrical and Information Engineering, Northeast Petroleum University, Daqing 163318, China.
Biomimetics (Basel, Switzerland)
|April 25, 2025
概括
这项研究介绍了一种改进的适应性鱼优化算法,用于色彩图像分割的差异演变 (ACOADE). ACOADE增强了融合和稳定性,在客观功能价值和图像质量指标方面表现优于其他方法.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 图像处理 图像处理
背景情况:
- 多门图像细分对于图像分析至关重要,但在算法融合方面面临挑战.
- 现有的优化算法,就像基本的鱼优化算法一样,在以后的阶段很难找到最佳的解决方案.
研究的目的:
- 提出一种新的混合算法,即具有差异进化 (ACOADE) 的适应性鱼优化,用于彩色多值图像分割.
- 提高鱼优化算法的融合和探索能力,以改善细分结果.
主要方法:
- ACOADE优化了搜索参数"p",并采用了适应性策略来提高随机性.
- 不同进化 (DE) 算法的核心公式是整合到平衡勘探和开发的.
- 使用IEEE CEC2020测试函数验证性能,并与其他八种算法进行比较.
- 使用卡普尔和Otsu方法评估图像分割的有效性,并与其他八种算法进行比较.
主要成果:
- 与基准算法相比,ACOADE在目标函数值方面表现优越.
- 图像细分质量指标,包括峰值信号与噪声比率 (PSNR),特征相似性指数测量 (FSIM) 和结构相似性指数测量 (SSIM),显示出显著的改善.
- 威尔科克森签名等级测试证实了ACOADE的统计优势.
结论:
- 在客观功能值,图像质量,融合速度和多门图像分割的稳定性方面,ACOADE提供了显著的优势.
- 混合方法有效地解决了传统鱼优化算法的局限性.
- 在彩色图像分割任务中,ACOADE 是一个有前途的进步.
