.png){kind=icon}
返回
Multilevel threshold image segmentation based on a novel mechanism enhanced coati optimization algorithm
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-026-40921-9.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
元启发式算法是那些通过获取最优阈值而在多阈值图像分割中表现出良好性能的技术之一。然而，文献中的大多数研究要么仅考虑单一目标函数，要么仅针对单一类型图像或低阈值水平，这是由于现有工作在处理多任务图像分割时存在平衡全局与局部搜索能力不足、高维空间中早熟收敛或收敛效率低等缺陷。本文旨在解决这些缺陷，并开发适用于多阈值图像分割的搜索机制及增强优化器，同时考虑不同的目标函数、灰度与彩色图像以及低高阈值水平。具体而言，为提升全局探索与局部开发之间的平衡能力，首先提出了一种受鲸群优化算法（SSA）启发的全新搜索机制ASSM，该机制被证明在改进一类称为DP算法的群体智能优化算法方面具有普适性。然后，通过提出分层垂直-水平搜索（HVHS）策略，并将其与改进的圆周混沌映射初始化、透镜对立学习以及Lévy飞行策略相结合，构建了多策略协同的ENCOA框架，以防止高维解空间中的早熟收敛。为评估ENCOA的性能，在CEC2017基准测试套件和四个工程问题上实施了对比实验。最后，将ENCOA应用于6幅灰度图像和4幅彩色图像的多阈值图像分割，同时以Kapur熵和Otsu类间方差作为目标函数，并在阈值水平从4到32的范围内进行测试。结果表明，在收敛精度和分割质量方面，ENCOA均优于其他近期相关算法，尤其在处理高阈值分割时表现更为突出。
Keyword:
Multilevel threshold image segmentation
Coati optimization algorithm
Adaptive search mechanism
Salp swarm optimization algorithm
Multiple strategies
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
28.0W
被引数:
83.5W
机构
引用论文
Modified Remora Optimization Algorithm for Global Optimization and Multilevel Thresholding Image Segmentation.png)
Mathematics
OAAI
MathematicsIF0
OAAI分享收藏Multilevel thresholding segmentation of medical images using the Crested Porcupine Optimizer with Enhanced Solution Quality and Gaussian distribution: Applications to liver, COVID-19, and brain diseases基于 Crested Porcupine Optimizer 算法及增强解质量和高斯分布的多阈值医学图像分割：在肝脏、COVID-19 和脑部疾病中的应用
PREAI
分享收藏分享收藏Multi-Verse Optimizer: a nature-inspired algorithm for global optimization多宇宙优化器: 一种自然启发的全局优化算法
PREAI
分享收藏Self-adaptive differential evolution-based coati optimization algorithm for multi-robot path planningRobotica
RoboticaIF0
PREAI
分享收藏Computer-aided diagnosis system for predicting liver cancer disease using modified Khan Shark基于改进型Khan Shark的计算机辅助诊断系统，用于预测肝癌疾病
PREAI
分享收藏分享收藏分享收藏
查看更多内容