《表3 六种算法在F(Z)值上的实验结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《全局引导和相互作用的郊狼优化算法及其应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证GCCOA在医学图像增强上的有效性，采用GCCOA对医学图像增强中的参数进行大量优化选择的实验，所采用的实验环境见4.1节。对比算法有LSFLA[14]、GWO、COA、EEGWO和CSPSO，其中，LSFLA （Lévy flight shuffle frog leaping algorithm）是Tang等人提出了一种Lévy flight的SFLA变体。限于篇幅，选择四幅医学图像（其中三幅人体血管图像和一幅肿瘤图像）作为示例说明，它们分别为blood1.bmp、blood2.bmp、blood3.bmp和tumour.bmp。实验参数设置如下:种群数N=100，最大迭代次数500，每种算法独立运行10次。表3给出了六种算法在F（Z）值上的实验结果对比。四幅图像增强效果如图4所示。