Otsu based Differential Evolution Method for Image Segmentation

要約

この論文では、衛星画像セグメンテーションのための OTSU ベースの微分進化法を提案し、それを修正人工蜂コロニー オプティマイザ (MABC)、人工蜂コロニー (ABC)、遺伝的アルゴリズム (GA)、および粒子群最適化 (PSO) などの他の 4 つの方法と比較します。
）最適なマルチレベルしきい値処理のために大津によって提案された目的関数を使用します。
実施された実験とその結果は、提案された DE および OTSU アルゴリズムのセグメンテーションが、他の方法によって得られた結果に近く、入力画像を効果的かつ正確にセグメント化できることを示しています。
提案された DE および OTSU アルゴリズムでは、適合関数変数を渡す代わりに、OTSU アルゴリズムで入力レベル数のしきい値を取得した後、画像全体が DE アルゴリズムへの入力として渡されます。
画像セグメンテーションの結果は、フィットネス変数について学習する代わりに、画像について学習した後に取得されます。
検討した他のセグメンテーション方法と比較して、提案された DE および OTSU アルゴリズムは、いくつかのアルゴリズムと比較して計算時間を最小限に抑えて有望な結果をもたらします。

要約(オリジナル)

This paper proposes an OTSU based differential evolution method for satellite image segmentation and compares it with four other methods such as Modified Artificial Bee Colony Optimizer (MABC), Artificial Bee Colony (ABC), Genetic Algorithm (GA), and Particle Swarm Optimization (PSO) using the objective function proposed by Otsu for optimal multilevel thresholding. The experiments conducted and their results illustrate that our proposed DE and OTSU algorithm segmentation can effectively and precisely segment the input image, close to results obtained by the other methods. In the proposed DE and OTSU algorithm, instead of passing the fitness function variables, the entire image is passed as an input to the DE algorithm after obtaining the threshold values for the input number of levels in the OTSU algorithm. The image segmentation results are obtained after learning about the image instead of learning about the fitness variables. In comparison to other segmentation methods examined, the proposed DE and OTSU algorithm yields promising results with minimized computational time compared to some algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google