奥姆普拉卡什·维尔玛;内图阿格拉瓦尔;悉达哈·沙尔玛 使用改进的人工蜂群算法进行最佳边缘检测。 （英语） Zbl 1382.68243号 程序。国家。阿卡德。科学。印度，教派。A、 物理学。科学。 86、2号、157-168（2016）. 摘要：本文提出了一种将人工蜂群（ABC）算法与改进的导数技术相结合的边缘检测新方法。ABC算法模拟蜜蜂群的觅食行为。该方法通过改进的导数技术计算适应度函数来找到边缘像素，然后应用ABC算法确定最适合的像素作为边缘像素。对该方法进行了定性和定量分析，并与其他标准边缘检测方法进行了比较。Shannon熵函数和Pratt优值图用于定量分析。讨论了参数变化对该方法性能的影响。实验结果表明，该方法的性能优于大多数现有技术。 MSC公司： 68T45型 机器视觉和场景理解 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 关键词：人工蜂群算法;进化算法;边缘检测 软件：CVIP工具 PDF格式BibTeX公司 XML格式引用 \textit{O.P.Verma}等人，Proc。国家。阿卡德。科学。印度，教派。A、 物理学。科学。86，第2号，157-168（2016年；兹bl 1382.68243） 全文： 内政部 参考文献： [1] Umbaugh SE（2010）《数字图像处理和分析：使用CVIPtools的人类和计算机视觉应用》，第2版。博卡拉顿CRC出版社 [2] Gonzales RC，Woods RE（2002）数字图像处理。Prentice Hall，伦敦 [3] Solomon C，Breckon T（2011）《数字图像处理基础》，第1版。Wiley-Blackwell，纽约 [4] Yu X，Gen M（2010）进化算法导论。柏林施普林格·Zbl 1206.90001号 ·doi:10.1007/978-1-84996-129-5 [5] Yildiz AR（2009）《产品设计和制造的新型粒子群优化方法》，国际先进制造技术杂志40:617-628·doi:10.1007/s00170-008-1453-1 [6] Yildiz AR（2013）布谷鸟搜索算法，用于选择铣削操作中的最佳参数。国际先进制造技术杂志64:55-61·doi:10.1007/s00170-012-4013-7 [7] Paulinas M，Ušinskas A（2007）图像增强和分割的遗传算法应用调查。信息技术控制36:278-284 [8] Braik M，Sheta A，Ayesh A（2007）使用粒子群优化进行图像增强。Proc World Congr工程1:696-701 [9] Karkavitsas G，Rangoussi M（2005）使用遗传算法在医学图像中进行目标定位。国际J Inf Commun Eng 1:204-207 [10] Sharma A，Singh N（2010）使用粒子群优化的图像目标检测。国际工程技术杂志2:419-426·doi:10.7763/IJET.2010.V2.153 [11] Bhanu B，Lee S，Ming J（1995）使用遗传算法的自适应图像分割。IEEE Trans-Syst Man Cybern公司25:1543-1567·doi:10.1109/21.478444 [12] Verma OP，Hanmandlu M，Kumar P，Srivastava S（2009）使用蚁群优化和模糊导数技术进行边缘检测的新方法。收录：IEEE程序，IACC，第1206-1212页 [13] Verma OP、Hanmandlu M、Kumar P、Chhabra S、Jindal S（2011）一种用于边缘检测的新型细菌觅食技术。图案识别信32:1187-1196·doi:10.1016/j.patrec.2011.03.008 [14] Karaboga D（2005）基于蜜蜂群的数值优化思想。技术代表TR06，Erciyes大学，工程学院，计算机工程系 [15] Karaboga D，Akay B（2011）约束优化问题的改进人工蜂群（ABC）算法。应用软计算11:3021-3031·doi:10.1016/j.asoc.2010.12.001 [16] Karaboga D，Gorkemli B，Ozturk C，Karaboga N（2012）综合调查：人工蜂群算法和应用，人工智能综述。柏林施普林格 [17] Karaboga D、Okdem S、Ozturk C（2012）使用人工蜂群算法的基于集群的无线传感器网络路由。无线网络18:847-860·doi:10.1007/s11276-012-0438-z [18] Ahmad A、Behera AK、Mandal SK、Mahanti GK、Ghatak R（2013）通过优化单元间距降低均匀激励线性天线阵列副瓣电平的人工蜂群算法。在：IEEE信息和通信技术会议（ICT），第1029-1032页 [19] Zhang Y，Wu L，Wang S（2011）用改进的人工蜂群算法进行磁共振脑图像分类。Electromagn研究项目116:65-79·doi:10.2528/PIER11031709 [20] Zhang Y，Wu L（2012）用于二维蛋白质折叠的人工蜂群。高级电气工程系统1:19-23 [21] Yildiz AR（2013）用于稳健优化设计和制造的新型混合蜂群优化方法。应用软件计算13:2906-2912·doi:10.1016/j.asoc.2012.04.013 [22] Yildiz AR（2013）使用人工蜂群方法优化多道次车削中的切削参数。信息科学220:399-407·doi:10.1016/j.ins.2012.07.012 [23] Cuevas E，Echuari FS，Zaldivar D，Cisnero MP（2011），使用人工蜂群（ABC）优化对图像进行多圆检测。软计算16:281-296·doi:10.1007/s00500-011-0741-0 [24] Ouadfel S，Meshoul S（2012）使用改进的ABC算法处理模糊图像聚类I.J Intell Syst Appl 12:65-74 [25] Sag T，Cunkas M（2012）《利用群体智能开发图像分割技术》，ICCIT，第95-100页 [26] Karaboga D，Akay B（2009）人工蜂群算法的比较研究。应用数学计算214:108-132·Zbl 1169.65053号 [27] Haykin S（1994）《通信系统》，第2版。纽约威利 [28] Pratt W（1978）数字图像处理。Wiley-Interscience，纽约·Zbl 0728.68142号 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。