Evolutionary Techniques for Image Segmentation
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F14%3A86092449" target="_blank" >RIV/61989100:27240/14:86092449 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/61989100:27740/14:86092449
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-319-08156-4_29" target="_blank" >http://dx.doi.org/10.1007/978-3-319-08156-4_29</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-08156-4_29" target="_blank" >10.1007/978-3-319-08156-4_29</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Evolutionary Techniques for Image Segmentation
Popis výsledku v původním jazyce
Evolutionary algorithms are used in many engineering applications for optimization of problems that are often difficult to solve using conventional methods. One such problem is image segmentation. This task is used for object (contour) extraction from images to create sensible representation of the image. There are many image segmentation and optimization methods. This work is focused on selected evolutionary optimization methods. Namely, particle swarm optimization, genetic algorithm, and differentialevolution. Our image segmentation method is inspired in algorithm known as k-means. The optimization function from k-means algorithm is replaced by evolutionary technique. We compare original k-means algorithm with evolutionary approaches and we show that our evolutionary approaches easily outperform the classical approach.
Název v anglickém jazyce
Evolutionary Techniques for Image Segmentation
Popis výsledku anglicky
Evolutionary algorithms are used in many engineering applications for optimization of problems that are often difficult to solve using conventional methods. One such problem is image segmentation. This task is used for object (contour) extraction from images to create sensible representation of the image. There are many image segmentation and optimization methods. This work is focused on selected evolutionary optimization methods. Namely, particle swarm optimization, genetic algorithm, and differentialevolution. Our image segmentation method is inspired in algorithm known as k-means. The optimization function from k-means algorithm is replaced by evolutionary technique. We compare original k-means algorithm with evolutionary approaches and we show that our evolutionary approaches easily outperform the classical approach.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2014
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Advances in Intelligent Systems and Computing. Volume 303
ISBN
978-3-319-08155-7
ISSN
2194-5357
e-ISSN
—
Počet stran výsledku
10
Strana od-do
291-300
Název nakladatele
Springer-Verlag Berlin Heidelberg
Místo vydání
Berlin Heidelberg
Místo konání akce
Ostrava
Datum konání akce
23. 6. 2014
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—