Resumen

El algoritmo de evolución diferencial (ED) es uno de los nuevos métodos de optimización estocástica. Tiene un mejor rendimiento en el problema de la cuantificación de imágenes en color, pero es difícil establecer los parámetros de ED para los usuarios. Este trabajo propone un algoritmo de cuantificación de imágenes en color basado en la ED autoadaptativa. En el algoritmo propuesto, se utiliza una mecánica autoadaptativa para ajustar automáticamente los parámetros de ED durante la evolución, y se aplica una mecánica mixta de ED y K-means para reforzar la búsqueda local. Los resultados numéricos experimentales, en un conjunto de imágenes de prueba de uso común, muestran que el algoritmo propuesto es un método de cuantificación practicable y es más competitivo que K-means y el algoritmo de enjambre de partículas (PSO) para la cuantificación de imágenes en color.

• Materias:Sistema nervioso Neuronas Cerebro - fisiopatología Neurociencia Cognitiva Imagen por resonancia magnética
• Subjects:Nervous systems Neurons Brain - pathophysiology Cognitive Neuroscience Magnetic resonance imaging
• Palabras claves:cuantificación de imágenes en color, parámetros de de, algoritmo propuesto, algoritmo de evolución diferencial, mecánica de de, algoritmo de enjambre de partículas, métodos de optimización estocástica, imagen de prueba utilizada, métodos de cuantificación practicables, resultados experimentales numéricos
• Keywords:color image quantization, parameters of de, proposed algorithm, differential evolution algorithm, mechanics of de, particles swarm algorithm, stochastic optimization methods, used test image, practicable quantization methods, numerical experimental results