بهینه سازی قطعه بندی تصاویر رنگی با استفاده از الگوریتم ژنتیک

امروزه در زمینه پردازش تصاویر، یکی از مسائلی که محققان همواره به دنبال روش های جدید و دقیق تری برای آن هستند، قطعه بندی تصاویر است. از جهتی دیگر میزان سرعت الگوریتم های قطعه بندی در برخی از کاربردهای اهمیت فراوانی دارد. این مقاله تصاویر رنگی را با استفاده از الگوریتم ژنتیک و خوشه بندی، قطعه بندی می کند.بیشتر روش های قطعه بندی تصاویر رنگی در ابتدا با به کارگیری انواع روش های خوشه بندی، تصاویر را قطعه بندی می کنند و در نهایت از الگوریتم ژنتیک برای بهینه سازی قطعه بندی بدست آمده، به کار گرفته می شوند اما در این مقاله در ابتدا از الگوریتم ژنتیک استفاده می شود و سپس خوشه بندی می شود. همین دو مرحله ای کردن قطعه بندی تصاویر کمک فراوانی در سرعت قطعه بندی تصاویر نسبت سایر الگوریتم های مرتبط ایجاد کرده است. در مرحله اول الگوریتم پیشنهادی بخشی از تصویر به صورت تصادفی انتخاب می شود و به عنوان ورودی به تابع برازش الگوریتم ژنتیک داده می شود. از دیگر پارامترهای ورودی این تابع برازش الگوریتم ژنتیک، تعداد خوشه هایی است که انتظار داریم تصویر به آن تعداد خوشه، قطعه بندی شود سپس لگوریتم پیشنهادی را با دیگر الگوریتم های مرتبط مقایسه می کنیم.

Keywords:

پردازش تصویر , الگوریتم ژنتیک , الگوریتم خوشه بندی k-means , قطعه بندی تصاویر