Segmentación multinivel de imágenes basada en un algoritmo Firefly mejorado

La segmentación de imágenes multinivel requiere mucho tiempo y muchos cálculos. El algoritmo de luciérnaga se ha aplicado para mejorar la eficacia de la segmentación de imágenes multinivel. Sin embargo, en algunos casos, el algoritmo de luciérnaga queda atrapado fácilmente en óptimos locales. En este trabajo, se propone un algoritmo de luciérnaga mejorado (IFA) para buscar umbrales multinivel. En el IFA, para ayudar a las luciérnagas a escapar de los óptimos locales y acelerar la convergencia, se proponen dos estrategias (es decir, la estrategia de mejora de la diversidad con mutación Cauchy y la estrategia de vecindad) que se eligen de forma adaptativa según las diferentes estaciones de estancamiento. El IFA propuesto se compara con tres algoritmos óptimos de referencia, a saber, la optimización por enjambre de partículas darwiniano, la optimización por evolución diferencial híbrida y el algoritmo de la luciérnaga. Los resultados experimentales muestran que el método propuesto puede segmentar eficazmente imágenes multinivel y obtener mejores resultados que los otros tres métodos.

Autores: Kai, Chen; Yifan, Zhou; Zhisheng, Zhang; Min, Dai; Yuan, Chao; Jinfei, Shi