Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Artificial Bee Colony Algorithm for Classification of Semi-urban LU/LC Features Using High-Resolution Satellite Data Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Certain Applications and Case Studies of Evolutionary Computing Techniques for Image Processing

verfasst von : A. Vasuki

Erschienen in: Biologically Rationalized Computing Techniques For Image Processing Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The chapter gives an introduction to optimization based on evolutionary computational techniques and swarm intelligence. Evolutionary computational algorithms adopt the principles of biological evolution and use a population of solutions that evolves with every generation. The bio-inspired computing algorithms that mimic the behavior of swarms of birds and insects, referred collectively as swarm intelligence, are a subset of evolutionary algorithms. The behavior of swarms individually as well as collective behavior in a flock has been extensively studied and an insight into their integration with the optimization algorithm is given. The evolutionary optimization algorithms such as genetic algorithm, particle swarm optimization, ant colony optimization, bee colony optimization, cuckoo search, fish school search, firefly algorithm have been reviewed. The application of these algorithms to image processing has been outlined, and few case studies have been presented.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Review on Image Enhancement Techniques Using Biologically Inspired Artificial Bee Colony Algorithms and Its Variants
Nächstes Kapitel Histopathological Image Analysis for the Grade Identification of Tumor
Literatur
1.
2.
Halim AH, Ismail I (2014) Bio-inspired optimization method: a review. NNGT Int J Artif Intell 1:1–6
3.
Goldberg DE, Holland JH (1989) Genetic algorithms in search. Optim Mach Learn 3:95–99CrossRef
4.
Kennedy J, Eberhart R (1995) Particle swarm optimization. In: Proceedings of IEEE international conference on neural networks, pp 1942–1948
5.
Millonas MM (1994) Swarms, phase transitions, and collective intelligence. In: Langton CG (ed) Artificial life III, Addison Wesley, Reading, MA
6.
7.
Blum C (2005) ant colony optimization: introduction and recent trends. Phys Life Rev 2(4):353–373CrossRef
8.
9.
Lucic P, Teodorovic D (2003) Computing with bees: attacking complex transportation engineering problems. Int J Artif Intell Tools 12:375–394CrossRef
10.
Fister I Jr, Fister D, Fister I (2013) A comprehensive review of cuckoo search: variants and hybrids. Int J Math Model Num Opt 4:387–409MATH
11.
Yang X-S, Deb S (2009) Cuckoo search via Lévy flights. In: Proceedings of world congress on nature & biologically inspired computing, IEEE Publications, USA, pp 210–214
12.
Filho CJAB, Neto FB, de L, Lins AJCC, Nascimento AIS, Lima MP (2008) A novel search algorithm based on fish school behavior. In: IEEE international conference on systems, man and cybernetics (SMC 2008), pp 2646–2651
13.
Yang X-S (2009) Firefly algorithms for multimodal optimization. Chap. 10: stochastic algorithms: foundations and applications, Springer, Berlin, pp 169–178
14.
Kaltsa V, Briassouli A, Kompatsiaris I, Hadjileontiadis LJ, Strintzis MG (2015) Swarm intelligence for detecting interesting events in crowded environments. IEEE Trans Image Process 24:2153–2166MathSciNetCrossRef
15.
Kaltsa V, Briassouli A, Kompatsiaris I, Strintzis MG (2014) Swarm based motion features for anomaly detection in crowds. In: Proceedings of IEEE international conference on image process (ICIP), pp 2353–2357
16.
Samra GA, Khalefah F (2014) Localization of license plate number using dynamic image processing techniques and genetic algorithms. IEEE Trans Evol Comput 18:244–257CrossRef
17.
Cai B, Xu X, Xing X, Jia K, Miao J, Tao D (2016) BIT: biologically inspired tracker. IEEE Trans Image Process 25:1327–1339MathSciNetCrossRef
18.
Yan R, Shao L (2016) Blind image blur estimation via deep learning. IEEE Trans Image Process 25:1910–1921MathSciNet
19.
Gemignani G, Rozza A (2016) A robust approach for the background subtraction based on multi-layered self-organizing maps. IEEE Trans Image Process 25(11):5239–5251MathSciNetCrossRef
20.
Hsu C-C, Dai G-T (2012) Multiple object tracking using particle swarm optimization. In: WASET–IJCECE, vol 6, pp 744–747
21.
Zheng Y, Meng Y (2009) A swarm-intelligence based algorithm for face tracking. IJISTA 7:266–281CrossRef
Metadaten
Titel
Certain Applications and Case Studies of Evolutionary Computing Techniques for Image Processing
verfasst von
A. Vasuki
Copyright-Jahr
2018
Buch
Biologically Rationalized Computing Techniques For Image Processing Applications

Print ISBN: 978-3-319-61315-4

Electronic ISBN: 978-3-319-61316-1

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-61316-1_12

Neuer Inhalt

    Bildnachweise