The fuzzy c-partition entropy appro

The fuzzy c-partition entropy approach for threshold
selection is one of the best image thresholding techniques, but its
complexity increases with the number of thresholds. In this paper,
the selection of thresholds (fuzzy parameters) was seen as an
optimization problem and solved using particle swarm optimization
(PSO) and differential evolution (DE) algorithms. The proposed
fast approaches have been tested on many images. For example, the
processing time of four-level thresholding using both PSO and DE
is reduced to less than O.4s. PSO and DE show equal performance
when the number of thresholds is small. When the number of
thresholds is greater, PSO algorithm performs better than DE in
terms of precision, robustness and execution time.

ผลลัพธ์ (ไทย) 1:

วิธีเอิบพาร์ทิชัน c เอนโทรปีสำหรับขีดจำกัดเลือกเป็นหนึ่งในสุดภาพ thresholding เทคนิค แต่ความความซับซ้อนที่เพิ่มขึ้นกับจำนวนขีดจำกัด ในเอกสารนี้การเลือกขีดจำกัด (เอิบพารามิเตอร์) ถูกมองว่าเป็นการเพิ่มประสิทธิภาพของปัญหา และแก้ไขโดยใช้อนุภาคฝูงเพิ่มประสิทธิภาพ(PSO) และวิวัฒนาการที่แตกต่าง (DE) อัลกอริทึมการ การนำเสนอวิธีที่รวดเร็วได้รับการทดสอบในหลายรูป ตัวอย่าง การเวลาประมวลผล 4 ระดับ thresholding PSO และเดอจะลดลงให้น้อยกว่า O.4s PSO และเดอแสดงประสิทธิภาพเท่ากันจำนวนขีดจำกัดเมื่อมีขนาดเล็ก เมื่อจำนวนขีดจำกัดมากกว่า PSO อัลกอริทึมทำงานดีกว่าเดในเงื่อนไขของความแม่นยำ เสถียรภาพ และเวลาดำเนินการ

ผลลัพธ์ (ไทย) 2:

วิธีการปฎิบัติคพาร์ทิชันเลือนสำหรับเกณฑ์การคัดเลือกเป็นหนึ่งในภาพที่ดีที่สุดเทคนิค thresholding แต่มันซับซ้อนเพิ่มขึ้นกับจำนวนเกณฑ์ ในบทความนี้การเลือกเกณฑ์ (พารามิเตอร์เลือน) ถูกมองว่าเป็นปัญหาการเพิ่มประสิทธิภาพและแก้ไขได้โดยใช้การเพิ่มประสิทธิภาพจับกลุ่มอนุภาค(PSO) และวิวัฒนาการที่แตกต่างกัน (DE) อัลกอริทึม ที่นำเสนอวิธีการที่รวดเร็วได้รับการทดสอบในหลาย ๆ ภาพ ยกตัวอย่างเช่นเวลาการประมวลผลของ thresholding สี่ระดับใช้ทั้ง PSO และจะลดลงไปน้อยกว่าO.4s PSO และแสดงผลการดำเนินงานเท่ากับเมื่อจำนวนของเกณฑ์ที่มีขนาดเล็ก เมื่อจำนวนของเกณฑ์จะสูงกว่าขั้นตอนวิธี PSO ประสิทธิภาพดีกว่าในแง่ของความแม่นยำทนทานและเวลาการดำเนินการ

ผลลัพธ์ (ไทย) 3:

ฟัซซี่ c-partition เอนโทรปีแนวทางการเลือกเกณฑ์
เป็นหนึ่งในที่ดีที่สุดของภาพการปรับเทคนิค แต่ความซับซ้อนของ
เพิ่มขึ้นจํานวนของธรณีประตู ในกระดาษนี้
เลือกกลอน ( ตัวแปรฟัซซี่ ) ที่เห็นเป็น
ปัญหาการเพิ่มประสิทธิภาพและแก้ไขได้โดยใช้อนุภาค Swarm Optimization
( PSO ) และวิวัฒนาการดิฟ ( de ) อัลกอริธึม เสนอ
วิธีการอย่างรวดเร็วได้รับการทดสอบบนหลายภาพ ตัวอย่างเช่น
เวลาในการประมวลผลของ 4 ระดับปรับใช้ทั้งระบบและ de
จะลดลงน้อยกว่า o.4s . PSO และ de แสดงประสิทธิภาพเท่ากับ
เมื่อจำนวน ซึ่งมีขนาดเล็ก เมื่อจำนวน
ธรณีประตูเป็นใหญ่ ขั้นตอนวิธีระบบมีประสิทธิภาพดีกว่า de ใน
แง่ของความแม่นยําทนทานและเวลาในการดำเนินการ