Boosting Marine Predators Algorithm by Salp Swarm Algorithm for Multilevel Thresholding Image Segmentation (Запись № 668724)

Подробно MARC
000 -Маркер
Поле контроля фиксированной длины 03741nlm1a2200493 4500
005 - Идентификатор версии
Поле контроля фиксированной длины 20231030042158.0
035 ## - Другие системные номера
Идентификатор записи (RuTPU)RU\TPU\network\39961
035 ## - Другие системные номера
Идентификатор записи RU\TPU\network\39953
100 ## - Данные общей обработки
Данные общей обработки 20230119a2022 k y0engy50 ba
101 0# - Язык ресурса
Язык текста, звукозаписи и т.д. английский
102 ## - Страна публикации или производства
Страна публикации
135 ## - Поле кодированных данных: электронные ресурсы
Кодированные данные для электронного ресурса drcn ---uucaa
181 #0 - Поле кодированных данных: вид содержания
Код вида содержания i
182 #0 - Поле кодированных данных: средство доступа
Код средства доступа electronic
200 1# - Заглавие и сведения об ответственности
Основное заглавие Boosting Marine Predators Algorithm by Salp Swarm Algorithm for Multilevel Thresholding Image Segmentation
Первые сведения об ответственности A. Laith, Kh. Nada, A. M. Mokhamed Elsaed (Mohamed Abd Elaziz), H. Essam
203 ## - Вид содержания и средство доступа
Вид содержания
Средство доступа
300 ## - Общие примечания
Текст примечания Title screen
320 ## - Примечания о наличии в ресурсе библиографии/указателя
Текст примечания [References: 53 tit.]
330 ## - Резюме или реферат
Текст примечания Pixel rating is considered one of the commonly used critical factors in digital image processing that depends on intensity. It is used to determine the optimal image segmentation threshold. In recent years, the optimum threshold has been selected with great interest due to its many applications. Several methods have been used to find the optimum threshold, including the Otsu and Kapur methods. These methods are appropriate and easy to implement to define a single or bi-level threshold. However, when they are extended to multiple levels, they will cause some problems, such as long time-consuming, the high computational cost, and the needed improvement in their accuracy. To avoid these problems and determine the optimal multilevel image segmentation threshold, we proposed a hybrid Marine Predators Algorithm (MPA) with Salp Swarm Algorithm (SSA) to determine the optimal multilevel threshold image segmentation MPASSA. The obtained solutions of the proposed method are represented using the image histogram. Several standard evaluation measures, such as (the fitness function, time consumer, Peak Signal-to-Noise Ratio, Structural Similarity Index, etc.…) are employed to evaluate the proposed segmentation method’s effectiveness. Several benchmark images are used to validate the proposed algorithm’s performance (MPASSA). The results showed that the proposed MPASSA got better results than other well-known optimization algorithms published in the literature.
333 ## - Примечания об особенностях распространения и использования
Текст примечания
461 ## - Уровень набора
Заглавие Multimedia Tools and Applications
463 ## - Уровень физической единицы
Заглавие Vol. 81, iss. 12
Обозначение тома [P. 16707–16742]
Дата публикации 2022
610 1# - Неконтролируемые предметные термины
Предметный термин электронный ресурс
610 1# - Неконтролируемые предметные термины
Предметный термин труды учёных ТПУ
610 1# - Неконтролируемые предметные термины
Предметный термин image segmentation
610 1# - Неконтролируемые предметные термины
Предметный термин multilevel thresholding
610 1# - Неконтролируемые предметные термины
Предметный термин meta-heuristic algorithms
610 1# - Неконтролируемые предметные термины
Предметный термин marine predator algorithm
610 1# - Неконтролируемые предметные термины
Предметный термин salp swarm algorith
610 1# - Неконтролируемые предметные термины
Предметный термин сегментация
610 1# - Неконтролируемые предметные термины
Предметный термин изображения
610 1# - Неконтролируемые предметные термины
Предметный термин многоуровневость
610 1# - Неконтролируемые предметные термины
Предметный термин пороговые значения
610 1# - Неконтролируемые предметные термины
Предметный термин метаэвристические алгоритмы
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Laith
Часть имени, кроме начального элемента ввода A.
Расширение инициалов личного имени Abualigah
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Nada
Часть имени, кроме начального элемента ввода Kh.
Расширение инициалов личного имени Khalil Al-Okbi
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Mokhamed Elsaed (Mohamed Abd Elaziz)
Часть имени, кроме начального элемента ввода A. M.
Дополнения к именам, кроме дат Specialist in the field of informatics and computer technology
-- Professor of Tomsk Polytechnic University
Даты 1987-
Расширение инициалов личного имени Akhmed Mokhamed
-- stltpush
Идентификатор авторитетной/ нормативной записи (RuTPU)RU\TPU\pers\46943
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Essam
Часть имени, кроме начального элемента ввода H.
Расширение инициалов личного имени Houssein
712 02 - Наименование организации – вторичная ответственность
Начальный элемент ввода Национальный исследовательский Томский политехнический университет
Структурное подразделение Инженерная школа информационных технологий и робототехники
-- Отделение информационных технологий
-- 7951
-- stltpush
Идентификатор авторитетной/ нормативной записи (RuTPU)RU\TPU\col\23515
801 #2 - Источник записи
Страна RU
Организация 63413507
Дата составления 20230119
Правила каталогизации RCR
856 4# - Местонахождение электронных ресурсов и доступ к ним
Универсальный идентификатор ресурса https://doi.org/10.1007/s11042-022-12001-3
090 ## - System Control Numbers (Koha)
Koha biblioitem number (autogenerated) 668724
942 ## - Добавленные элементы ввода (Коха)
Тип документа Computer Files

Нет доступных единиц.