La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Multilevel Thresholding Color Image Segmentation Using a Modified Artificial Bee Colony Algorithm Segmentation d'images couleur à seuil multiniveau à l'aide d'un algorithme de colonie d'abeilles artificielles modifié

Sipeng ZHANG, Wei JIANG, Shin'ichi SATOH

  • Vues en texte intégral

    0

  • Citer

Résumé:

Dans cet article, une méthode de segmentation d’images couleur à seuillage multiniveau est proposée à l’aide d’un algorithme modifié de colonie d’abeilles artificielles (ABC). Dans ce travail, afin d'améliorer la capacité de recherche locale de l'algorithme ABC, l'algorithme Krill Herd est incorporé dans sa phase d'abeilles observateurs. L'algorithme proposé est nommé algorithme de colonie d'abeilles artificielles modifié par le troupeau de Krill (algorithme KABC). Les résultats de l'expérience vérifient la robustesse de l'algorithme KABC, ainsi que son amélioration en termes d'optimisation de la précision et de la vitesse de convergence. Dans ce travail, l'algorithme KABC est utilisé pour résoudre le problème du seuillage multiniveau pour la segmentation des images couleur. Pour gérer la variation de luminance, plutôt que d'utiliser un histogramme en échelle de gris, une méthode de prétraitement spatiale HSV est proposée pour obtenir un vecteur de caractéristiques 1D. L'algorithme KABC est ensuite appliqué pour trouver les seuils du vecteur de caractéristiques. Enfin, une recherche locale supplémentaire autour des solutions quasi optimales est utilisée pour améliorer la précision de la segmentation. Dans cette étape, nous utilisons une fonction objectif modifiée qui combine la matrice d'indice de similarité structurelle (SSIM) avec l'entropie de Kapur. La méthode de prétraitement, l'optimisation globale avec l'algorithme KABC et l'étape d'optimisation locale forment l'ensemble de la méthode de segmentation d'images couleur. Les résultats de l'expérience montrent une amélioration de la précision de la segmentation avec la méthode proposée.

Publication
IEICE TRANSACTIONS on Information Vol.E101-D No.8 pp.2064-2071
Date de publication
2018/08/01
Publicisé
2018/05/09
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2017EDP7183
Type de manuscrit
PAPER
Catégories
Intelligence artificielle, exploration de données

Auteurs

Sipeng ZHANG
  Zhejiang University
Wei JIANG
  Zhejiang University
Shin'ichi SATOH
  National Institute of Informatics

Mots-clés

Table des matières