The Evaluation of Nature-Inspired Optimization Techniques for Contrast Enhancement in Images: A Novel Software Tool
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study is rooted in the direct correlation between the performance of multivariate techniques and the selection of parameters.The complexity and time-consuming nature of parameter selection, due to the need for exhaustive testing of all available parameters for optimal results, is acknowledged.To mitigate this issue, a novel software tool, integrating nine nature-inspired optimization methods (Differential Evolution, Artificial Bee Colony, Particle Swarm, Cat Swarm, Dragonfly, Black Hole, Bacterial Foraging, Genetic Algorithms, and Simulated Annealing), is proposed.These methods are employed in histogram stretching, a parameter-dependent contrast enhancement technique, with multiplication, addition, and root extraction operations as the target parameters for optimization.In addition to this, histogram equalization, a parameter-independent contrast enhancement technique, is included for the purpose of comparative performance analysis.The software tool, publicly available, provides four performance metrics namely, Mean Square Error, Peak Signal-to-noise Ratio, Structural Similarity Index, and processing times.A rigorous evaluation using the widely recognized Tampere Image dataset indicates that Differential Evolution emerged as the most efficient technique, scoring highest for Structural Similarity Index (0.948) and second best for Mean Square Error (278.05) and Peak Signal to Noise Ratio (26.962).Furthermore, Particle Swarm Optimization demonstrated the fastest time complexity, requiring merely 0.6 sec per image for parameter definition.Notably, it was observed that while histogram equalization tends to degrade original images, the adaptive nature of optimized histogram stretching remains preserved, thereby leaving the image quality unaffected.Such findings highlight the efficacy of the proposed software tool in the optimization and evaluation of contrast enhancement techniques.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle