使用全球通知的人工蜂群算法对彩色图像进行多级值
Ivona Brajević1, Jelena Ignjatović2
1Faculty of Applied Management, Economics and Finance, University Business Academy in Novi Sad, Jevrejska 24, Belgrade, 11000, Serbia. ivona.brajevic@mef.edu.rs.
Scientific reports
|July 2, 2025
概括
这项研究引入了一个全球知情的人造蜂群 (giABC) 算法,以改善多层次彩色图像值. giABC 增强了解决方案的发现和改进,在准确性和稳定性方面超过了现有的方法.
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:
- 多层图像值是计算密集的,特别是随着值的增加.
- 人工蜜蜂群 (ABC) 算法是一种用于优化但缺乏探索和利用之间的平衡的元启发.
- 现有的ABC算法很难有效地平衡发现新解决方案和完善现有解决方案.
研究的目的:
- 为增强多层次彩色图像值提出一个全球知情人工蜂群 (giABC) 算法.
- 在ABC算法中改善全球勘探和本地开采之间的平衡.
- 提高图像值中的融合速度和解决方案质量.
主要方法:
- 开发了两个新型突变运算符的giABC,以改善勘探和开发.
- 在使用阶段,动态引导解决方案,以达到更好的解决方案的平均值.
- 通过将全球最佳吸引力与适应有前途的解决方案相结合,在观众阶段提升解决方案.
- 用Otsu的目标函数对十二个彩色图像进行了giABC与ABC,其变体及其混乱增强的Rao算法的评估.
主要成果:
- 在准确性和稳定性方面,giABC与其他元启发表现优于其他元启发表现.
- 拟议的giABC实现了更高的峰值信号与噪声比率 (PSNR) 和结构相似性指数 (SSIM) 值.
- 威尔科克森的签名级别测试证实了giABC的绩效改进的统计学意义.
结论:
- 全球通知的人工蜂群 (giABC) 算法有效地解决了标准的ABC算法的局限性,用于多层次的彩色图像值.
- giABC在勘探和开采之间提供了卓越的平衡,从而提高了融合速度和解决方案质量.
- giABC代表了复杂的图像处理任务的元启发性优化中的重大进步.
