استراتيجية انتقالية تعتمد على التحكم لتحسين تجزئة الصورة متعددة المستويات

يقترح هذا العمل نهجًا لتجزئة الصور يعتمد على طريقة تجزئة متعددة العتبات وخوارزمية الفيضان المُحسّنة جنبًا إلى جنب مع البحث غير الاحتكاري (المسمى IFLANO المُحسّن). يوفر النهج المُقدم، بالاعتماد على IFLANO، جودة تجزئة أفضل بكثير لمختلف الصور. بناءً على الهيكل الحالي، تمت إضافة نوعين مختلفين من تقنيات التحسين داخل IFLANO لتحسين ديناميكيات التحديث أثناء التحسين. تُحسّن الاستراتيجية العشوائية المستخدمة في إجراء تحسين Aquila أداء FLA، ويعزز التكيف الذاتي للانتقال قدرة الاستكشاف لتحليل الصور. تم تنفيذ إطار عمل IFLANO لتجزئة الصور متعددة العتبات حيث يكون مقياس التقييم هو التباين بين الفئات القائم على إنتروبيا كابور. تُظهر دراسات المقارنة المعيارية مع صور الاختبار القياسية أن IFLANO لا يعمل بشكل أسرع فحسب، بل يُعطي أيضًا نتائج أفضل وأكثر استقرارًا في تجزئة الصور ضمن أطر زمنية مماثلة. أثبتت IFLANO أنها تُحسّن أي حلٍّ بنسبة 96% في بحثها عن بدائل أكثر دقةً من أيٍّ من التقنيات المُستخدمة. كما وجدنا أن الطريقة المُقترحة تُحقق نتائج أفضل في حل تطبيقات التجميع الطبي الكبيرة.