Abstract
Image segmentation is a crucial step in the image processing and analysis process. Image segmentation is the process of splitting one image into many segments. Image segmentation divides images into segments that are more representative and easier to examine. Individual surfaces or items can be used as such pieces. The process of image segmentation is used to locate objects and their boundaries.Genetic algorithms are stochastic search methods, the work of which is taken from the genetic laws, natural selection, and evolution of organisms. Their main attractive feature is the ability to solve complex problems of combinatorial search effectively, because the parallel study of solutions, largely eliminates the possibility of staying on the local optimal solution rather than finding a global one.The point of using genetic algorithms is that each pixel is grouped with other pixels using a distance function based on both local and global already calculated segments. Almost every image segmentation algorithm contains parameters that are used to control the segmentation results; the genetic system can dynamically change parameters to achieve the best performance.Similarly to image sequencing, to optimize several parameters in the process, multi-targeted genetic algorithms were used, which enabled finding a diverse collection of solutions with more variables. Multi- targeted Genetic Algorithm (MTGA) is a guided random search method that consists of optimization techniques. It can solve multi-targeted optimization problems and explore different parts of the solution space. As a result, a diversified collection of solutions can be found, with more variables that can be optimized at the same time. In this article several MTGA were used and compared.Genetic algorithms are a good tool for image processing in the absence of a high-quality labeled data set, which is either a result of the long work of many researchers or the contribution of large sums of money to obtain an array of data from external sources.In this article, we will use genetic algorithms to solve the problem of image segmentation.
Highlights
У статті ми використовуємо генетичні алгоритми для розв’язання проблеми сегментації зображень, яка є вирішальним етапом у процесі оброблення та аналізу зображень
об'єднуючи початковий сегмент одного з батьків із кінцевим сегментом другого з батьків
Image segmentation is a crucial step in the image processing and analysis process
Summary
У статті ми використовуємо генетичні алгоритми для розв’язання проблеми сегментації зображень, яка є вирішальним етапом у процесі оброблення та аналізу зображень. Процес сегментації зображень застосовують для визначення об’єктів та їхніх меж. Сенс використання генетичних алгоритмів полягає у тому, що кожен піксель групується в інші пікселі за допомогою функції відстані на основі як локальних, так і глобальних уже обчислених сегментів. Як і в послідовності зображень, для оптимізації декількох параметрів у процесі застосовували багатоцільові генетичні алгоритми, за допомогою яких можна знайти різноманітну колекцію рішень із більшою кількістю змінних. Ключові слова: оброблення зображень, сегментація зображень, генетичні алгоритми. У статті розглянуто процес поділу зображення на декілька сегментів – на репрезентативні та простіші для аналізу частини. Сегментація зображень – це процес, який використовується для пошуку об’єктів та їхніх меж (наприклад, ліній або кривих). У цій статті описано генетичні алгоритми для розв’язання проблеми сегментації зображення й обрано відповідний актуальний алгоритм
Sign-in/Register to view highlights & summary Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
