Resumen

El cálculo de la segmentación de imágenes se ha complicado con el aumento del número de umbrales, y la opción y la aplicación de los umbrales en los campos de umbralización de imágenes se han convertido en un problema NP al mismo tiempo. El artículo propone el algoritmo del optimizador discreto del lobo gris (MDGWO), que mejora el mecanismo de actualización de la solución óptima del agente de búsqueda mediante los pesos. Tomando la entropía de Kapur como función optimizada y basándose en la discreción del umbral en la segmentación de imágenes, el artículo primero discretiza el optimizador del lobo gris (GWO) y luego propone una nueva estrategia de ataque utilizando el coeficiente de peso para sustituir la fórmula de búsqueda de la solución óptima utilizada en el algoritmo original. Los resultados experimentales muestran que MDGWO puede buscar los umbrales óptimos de forma eficiente y precisa, que se acercan mucho al resultado examinado por las búsquedas exhaustivas. En comparación con la optimización por electromagnetismo (EMO), la evolución diferencial (DE), la colonia de abejas artificial (ABC) y la GWO clásica, se concluye que MDGWO tiene ventajas sobre las cuatro últimas en cuanto a la calidad de la segmentación de la imagen y los valores de la función objetivo y su estabilidad.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:optimizador grey wolf, segmentación de imágenes, mdgwo, número de umbral, campo de umbralización de imágenes, grey discreto modificado, mecanismo de actualización de soluciones, colonia de abejas artificial, valor de la función de objetivos, nueva estrategia de ataque
• Keywords:grey wolf optimizer, image segmentation, mdgwo, number of threshold, image thresholding field, modified discrete grey, solutions updating mechanism, artifical bee colony, objectives function value, new attack strategy