Libellenalgorithmus mit oppositionbasiertem Lernen für die multilevel Farbsegmentierung von Bildern

Die multilevel Schwellenwertbestimmung ist ein sehr aktives Forschungsfeld in der Bildsegmentierung und wurde erfolgreich in verschiedenen Anwendungen eingesetzt. Allerdings steigt die Rechenzeit exponentiell an, je mehr Schwellenwerte verwendet werden, und für Farbbilder, die mehr Informationen enthalten, ist dies sogar noch schlimmer. Um diesen Nachteil zu überwinden und die Genauigkeit der Segmentierung aufrechtzuerhalten, wird in diesem Papier eine modifizierte Version des Libellenalgorithmus (DA) mit oppositionbasiertem Lernen (OBLDA) für die Segmentierung von Farbbildern vorgeschlagen. Die oppositionbasierte Lernstrategie (OBL) berücksichtigt gleichzeitig die aktuelle Lösung und die entgegengesetzte Lösung, die symmetrisch im Suchraum sind. Mit der Einführung von OBL hat der vorgeschlagene Algorithmus eine schnellere Konvergenzgeschwindigkeit und ein ausgewogeneres Explorations-Exploitation-Verhältnis im Vergleich zum ursprünglichen DA. Um die herausragende Leistung des OBLDA deutlich zu demonstrieren, wird die vorgeschlagene Methode mit sieben aktuellen meta-heuristischen Algorithmen durch Experimente an 10 Testbildern verglichen. Die optimalen Schwellenwertwerte werden durch die Maximierung der zwischen den Klassen liegenden Varianz und der Entropie nach Kapur berechnet. Gleichzeitig werden verschiedene Indikatoren, einschließlich Peak Signal zu Rauschverhältnis (PSNR), Merkmalsähnlichkeitsindex (FSIM), Strukturähnlichkeitsindex (SSIM), die durchschnittlichen Fitnesswerte, Standardabweichung (STD) und Rechenzeit, als Bewertungsmaßstäbe in den Experimenten verwendet. Die vielversprechenden Ergebnisse zeigen, dass die vorgeschlagene Methode die Vorteile hoher Genauigkeit und bemerkenswerter Stabilität aufweist. Der Wilcoxon-Rangsummentest und der Friedman-Test werden ebenfalls durchgeführt, um die Überlegenheit des OBLDA statistisch zu überprüfen. Darüber hinaus werden verschiedene Satellitenbilder für Robustheitstests einbezogen. Zusammenfassend ist der OBLDA-Algorithmus eine machbare und effektive Methode für die multilevel Schwellenwertbestimmung in der Farbsegmentierung von Bildern.