A comparison of Differential Evolution, Particle Swarm Optimization, Artificial Bee Colony and Cuckoo Search for Multilevel thresholding

• Autorzy: Kumar S. , Pant M. , Kumar R. , Amiya A.

Warianty tytułu

PL

Porównanie metody ewolucji różnicowej, metody roju cząstek, algorytmu pszczelego i algorytmu kukułki do wielowariantowej klasyfikacji odpadów drewna

• Języki publikacji: EN

Abstrakty

EN

The present study deals with the image segmentation of waste wood material using some popular nature inspired metaheuristics like: Differential Evolution (DE), Particle Swarm Optimization(PSO) Artificial bee Colony (ABC) and Cuckoo Search (CS). Otsu’s between class-variance and Kapur’s maximum entropy techniques are used as fitness functions. Experiments have been performed on various images and numerical results are compared. It is observed that in some cases Otsu method is giving the same performance as DE, PSO, ABC and CS. But when class size increases DE shows better results in comparison to others.

PL

Przedstawione badania dotyczą segmentacji obrazów odpadów drewna przy użyciu popularnych algorytmów inspirowanych naturą, takich jak: metoda ewolucji różnicowej (DE), metoda roju cząstek (PSO), algorytmu pszczelego (ABC) oraz algorytmu kukułki (CS). Jako funkcję celu wykorzystano wariancję międzyklasową Otsu oraz zasadę maksymalnej entropii. Porównując wyniki otrzymane dla różnych obrazów, zaobserwowano, że w niektórych przypadkach metoda Otsu wykazuje taką samą wydajność jak DE, PSO, ABC i CS. Jednak przy wzroście liczby klas wyniki otrzymane metodą DE są lepsze niż otrzymane pozostałymi metodami.

Słowa kluczowe

EN

DE; PSO; ABC; CS; thresholding

• Wydawca: Wydawnictwa AGH
• Czasopismo: Computer Methods in Materials Science
• Rocznik: 2013
• Tom: Vol. 13, No. 1
• Strony: 135--140
• Opis fizyczny: Bibliogr. 15 poz., rys.

Twórcy

autor

Kumar S.

• Indian Institute of Technology, Roorkee

autor

Pant M.

• Indian Institute of Technology, Roorkee

autor

Kumar R.

• Indian Institute of Technology, Roorkee

autor

Amiya A.

• Indian Institute of Technology, Roorkee

Bibliografia

• Benala, T.R., Jampala, S.D., Villa, S.H., Konathala, B., 2009, An novel approach to image edge enhancement using nartificial bee colony optimization algorithm for hybridized smoothening filters, World Congress On Nature And Biologically Inspired Computing (NABIC 2009), 1070-1075.
• Becerra, R.L. Coello, C.A., 2004, Culturizing differential evolution for constrained optimization, Proc. Conf. 5. Mexican International Conference in Computer Science,304-311.
• Kennedy, J., Eberhart, R.C., 1995, Particle swarm optimization, IEEE International Conference on Neural Networks, 4, 1942-1948.
• Karaboga, D., 2005, An idea based on honey bee swarm for numerical optimization, Technical Report TR06, Erciyes University.
• Lee, C.Y., Leou, J.J., Hsiao, H.H., 2012, Saliency-directedcolor image segmentation usingmodified particle swarm optimization, Signal Processing, 92, 1-18.
• Price, K., Storn, R., Lampinen, J.A., 2005, Differential Evolution: A Practical Approach to Global Optimization (Natural Computing Series), Springer.
• Price, K., 1999, An Introduction to differential evolution, New Ideas in Optimization, McGraw-Hill, London (UK).
• Payne, R. B., Sorenson, M. D., Klitz, K., 2005, The Cuckoos, Oxford University Press.
• Price, K., 1999, An introduction to differential evolution, New Ideas in Optimization, McGraw Hill, London, 79-108.
• Price, K., 1996, Differential evolution: a fast and simple numerical optimizer, Biennial Conference of the North American Fuzzy Information Processing Society, IEEE Press, New York, 524-527.
• Price, K.V., 1997, Differential evolution vs. the functions of the 2ndICEO, Proc. IEEE International Conference on EvolutionaryComputation, 153-157.
• Storn, R., Price, K., 1997, Differential Evolution—A Simple and Efficient Heuristic for Global Optimization Over Continuous Spaces, J Glob Optim, 11, 341-359.
• Storn, R., Price, K., 1995, Differential Evolution – A simple and efficient adaptive scheme for global optimization over continuous spaces, Technical Report TR-95-012.
• Yujun, Z., Jiangming, K., Jinhao, L., Derong, Z., 2010, The Application of Genetic Algorithm for the Segmentation of Measured Image of Waste Wood Material Connectors, Proc. International Conference on Computing, Control and Industrial Engineering, 170-174.
• Yang X.S., Deb S., 2009, Cuckoo search via Levy flights, Proc. Of World Congress on Nature & Biologically Inspired Computing (NaBIC 2009), 210-214.