Resumen

El umbral multinivel es una herramienta muy útil para la aplicación de la segmentación de imágenes. El método de Otsu, una búsqueda exhaustiva habitual para encontrar umbrales óptimos, implica un elevado coste computacional. Recientemente se ha investigado mucho sobre diversas búsquedas metaheurísticas en el ámbito de la investigación en optimización. En este trabajo se analiza y discute el uso de una familia de algoritmos de colonias de abejas artificiales, a saber, el ABC estándar, ABC/best/1, ABC/best/2, IABC/best/1, IABC/rand/1, y CABC, y algunos algoritmos basados en la optimización por enjambre de partículas para la búsqueda de umbrales multinivel. La estrategia para que una abeja observadora seleccione a una abeja empleada se modificó para servir a nuestros propósitos. Las medidas métricas, que se utilizan para comparar los algoritmos, son el número máximo de llamadas a funciones, la tasa de éxito y el rendimiento de éxito. La clasificación se realizó mediante rangos de Friedman. Los resultados experimentales mostraron que IABC/best/1 superó a las demás técnicas cuando todas ellas se aplicaron a la umbralización de imágenes multinivel. Además, los experimentos confirmaron que IABC/best/1 es un algoritmo sencillo, general y de alto rendimiento.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:iabc, best/1, algoritmos de colonias de abejas artificiales, búsqueda exhaustiva común, alto coste computacional, algoritmo de alto rendimiento, optimización por enjambre de partículas, abc, algoritmos, rangos friedman
• Keywords:iabc, best/1, artificial bee colony algorithms, common exhaustive search, high computational cost, high performance algorithm, particle swarm optimization, abc, algorithms, friedman ranks