Resumen

En este trabajo se presenta un algoritmo de umbralización multinivel para la segmentación de imágenes basada en histogramas. El algoritmo propuesto introduce una estrategia de ajuste adaptativo del ángulo de rotación y una estrategia de aprendizaje cooperativo en el algoritmo genético cuántico (denominado IQGA). La estrategia de ajuste adaptativo de la rotación cuántica que se introduce en este estudio ayuda a mejorar la velocidad de convergencia, la capacidad de búsqueda y la estabilidad. El aprendizaje cooperativo mejora la capacidad de búsqueda en el espacio de soluciones de alta dimensión dividiendo un vector de alta dimensión en varios vectores unidimensionales. Los resultados experimentales demuestran el buen rendimiento del IQGA en la resolución del problema de segmentación por umbralización multinivel en comparación con QGA, GA y PSO.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:estrategia de ajuste adaptativo, capacidad de búsqueda, problema de segmentación por umbralización multinivel, estrategia de aprendizaje cooperativo, espacio de soluciones dimensional, algoritmo de umbralización multinivel, algoritmo genético cuántico, iqga, aprendizaje cooperativo, velocidad de convergencia
• Keywords:adaptive adjustment strategy, search ability, multilevel thresholding segmentation problem, cooperative learning strategy, dimensional solution space, multilevel thresholding algorithm, quantum genetic algorithm, iqga, cooperative learning, convergence speed