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

An Optimized Level Set Method Based on QPSO and Fuzzy Clustering Une méthode d'ensemble de niveaux optimisée basée sur QPSO et le clustering flou

Ling YANG, Yuanqi FU, Zhongke WANG, Xiaoqiong ZHEN, Zhipeng YANG, Xingang FAN

  • Vues en texte intégral

    0

  • Citer

Résumé:

Une nouvelle méthode d'ensemble de niveaux flous (FLSM) basée sur la capacité de recherche globale de l'optimisation par essaim de particules quantiques (QPSO) est proposée pour améliorer la stabilité et la précision de la segmentation d'image et réduire la sensibilité de l'initialisation. La nouvelle combinaison de l'algorithme QPSO-FLSM optimise de manière itérative les contours initiaux à l'aide de la méthode QPSO et du regroupement c-means flou, puis utilise la méthode d'ensemble de niveaux (LSM) pour segmenter les images. Le nouvel algorithme exploite la capacité de recherche globale de QPSO pour obtenir un centre de cluster stable et un contour de pré-segmentation plus proche de la région d'intérêt lors de l'itération. Dans la mise en œuvre de la nouvelle méthode de segmentation des tumeurs hépatiques, des tissus cérébraux et des images d'éclairs, la fonction de fitness de la fonction objectif de l'algorithme QPSO-FLSM est optimisée de 10 % par rapport à l'algorithme FLSM d'origine. Les contours initiaux obtenus à partir de l'algorithme QPSO-FLSM sont également plus stables que ceux du FLSM. Le QPSO-FLSM a permis d’améliorer la segmentation de l’image finale.

Publication
IEICE TRANSACTIONS on Information Vol.E102-D No.5 pp.1065-1072
Date de publication
2019/05/01
Publicisé
2019/02/12
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2018EDP7132
Type de manuscrit
PAPER
Catégories
Traitement d'image et traitement vidéo

Auteurs

Ling YANG
  Chengdu University of Information Technology
Yuanqi FU
  Chengdu University of Information Technology
Zhongke WANG
  Chengdu University of Information Technology
Xiaoqiong ZHEN
  Chengdu University of Information Technology
Zhipeng YANG
  Chengdu University of Information Technology
Xingang FAN
  Western Kentucky University

Mots-clés

Table des matières