改进COOT优化:在图像细分中的多级值的方法
Simrandeep Singh1, Harbinder Singh2, Seyed Jaleleddin Mousavirad3
1Department of Electronics & Communication Engineering, UCRD, Chandigarh University, Gharuan, Punjab, India.
Scientific reports
|November 21, 2025
概括
本研究介绍了一种改进的COOT (ICOOT) 优化算法,用于增强多层图像值. ICOOT算法平衡了探索和利用,在图像细分任务中表现优于现有的方法.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 人工智能的人工智能
背景情况:
- 图像值对于各种应用中的图像细分和预处理至关重要.
- 超启发式算法显示出对图像分割的承诺,但标准的COOT算法存在诸如停滞等局限性.
- 在有效的元启发优化中,平衡探索和开发是关键.
研究的目的:
- 为多级图像值提出一个改进的COOT (ICOOT) 优化算法.
- 增强COOT算法的勘探和开发能力.
- 评估ICOOT算法在图像细分和复杂优化问题中的性能.
主要方法:
- 纳入莱维航班以改善COOT的勘探.
- 引入基于准对立的学习,以提高COOT的利用和平衡.
- 应用ICOOT算法用于使用Otsu的的多层图像值.
主要成果:
- 在CEC'17基准优化问题上,ICOOT算法表现出卓越的性能.
- 与最先进的算法相比,ICOOT在多层图像值方面取得了更好的结果.
- 该算法在基准图像和COVID-19CT扫描上显示出有效性.
结论:
- 拟议的ICOOT算法有效地解决了标准COOT算法的局限性.
- 通过增强的多层次值,ICOOT提供了一种改进的图像细分方法.
- 该研究验证了ICOOT在各种图像处理应用中的效率和优势.


