.png){kind=icon}
返回
A new multi-level thresholding image segmentation method using Q-Learning based on hybrid whale optimization algorithm and gray wolf optimizer
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-026-06328-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在图像分割中，多级阈值分割（ML-TS）方法是一种有效的图像分割方法。随着多级阈值的增加，ML-TS方法的计算量越来越高，且最佳多级阈值的选择越来越困难。在利用现有的智能群优化算法优化ML-TS方法并选择最优多级阈值时，存在智能群优化算法优化效率不足、易陷入局部最优以及难以获得最优多级阈值等问题。为了有效克服上述问题，本文提出了一种基于混合鲸鱼优化算法和灰狼优化器的Q学习ML-TS方法（QL-WOA-GWO）。首先，本文对Q学习进行模块化分析，将其状态和动作分别视为状态模块和动作模块。其次，在QL-WOA-GWO的迭代过程中，引入鲸鱼优化算法（WOA）到状态模块，引入灰狼优化器（GWO）到动作模块，以提高全局优化效率、避免陷入局部最优并获得最优多级阈值。在CEC 2017中，与其他16种原始智能群优化算法相比，实验结果表明QL-WOA-GWO能够获得几乎所有24个基准函数的最小均值（0.00E + 00），且其收敛行为具有显著优势。与其他8种WOA、GWO及其变体算法相比，QL-WOA-GWO具有更好的收敛行为，并能获得全局最小均值（0.00E + 00）。通过使用Otsu方法和Tsallis熵对彩色图像进行多级阈值分割的实验结果可以看出，QL-WOA-GWO相较于其他智能群变体算法具有更强的竞争力。
Keyword:
Q-Learning strategy
Image segmentation
Otsu method
Tsallis’s entropy
WOA
期刊
IF:
2.9
论文数:
226
被引数:
1.1K
机构
暂无机构信息
引用论文
Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm蛾焰优化算法: 一种新的自然启发启发式范式
PREAI
分享收藏MSWOA: A Mixed-Strategy-Based Improved Whale Optimization Algorithm for Multilevel Thresholding Image Segmentation.png)
Electronics
OAAI
ElectronicsIF0
OAAI分享收藏分享收藏An efficient krill herd algorithm for color image multilevel thresholding segmentation problem一种有效的磷虾群算法解决彩色图像多级阈值分割问题
PREAI
分享收藏Towards efficient image segmentation: A fuzzy entropy-based approach using the snake optimizer algorithm面向高效图像分割：基于模糊熵方法结合蛇优化算法的途径
PREAI
分享收藏分享收藏Multi-Level Thresholding Color Image Segmentation Using Modified Gray Wolf Optimizer基于改进灰狼优化器的多级阈值彩色图像分割BIOMIMETICS
OAAI
BIOMIMETICSIF3.9
OAAI分享收藏
查看更多内容