A comparison of Differential Evolution, Particle Swarm Optimization, Artificial Bee Colony and Cuckoo Search for Multilevel thresholding

The present study deals with the image segmentation of waste wood material using some popular nature inspired metaheuristics like: Differential Evolution (DE), Particle Swarm Optimization(PSO) Artificial bee Colony (ABC) and Cuckoo Search (CS). Otsu’s between class-variance and Kapur’s maximum entropy techniques are used as fitness functions. Experiments have been performed on various images and numerical results are compared. It is observed that in some cases Otsu method is giving the same performance as DE, PSO, ABC and CS. But when class size increases DE shows better results in comparison to others.

---

Przedstawione badania dotyczą segmentacji obrazów odpadów drewna przy użyciu popularnych algorytmów inspirowanych naturą, takich jak: metoda ewolucji różnicowej (DE), metoda roju cząstek (PSO), algorytmu pszczelego (ABC) oraz algorytmu kukułki (CS). Jako funkcję celu wykorzystano wariancję międzyklasową Otsu oraz zasadę maksymalnej entropii. Porównując wyniki otrzymane dla różnych obrazów, zaobserwowano, że w niektórych przypadkach metoda Otsu wykazuje taką samą wydajność jak DE, PSO, ABC i CS. Jednak przy wzroście liczby klas wyniki otrzymane metodą DE są lepsze niż otrzymane pozostałymi metodami.