عطیه قریب - قطب علمی رایانش نرم و پردازش هوشمند اطلاعات، دانشگاه فردوسی مشهد، موسسه آموزش عالی لامعی گرگانی
محمد رضا اکبر زاده توتونچی - قطب علمی یارانش نرم و پردازش هوشمند اطلاعات، دانشگاه فردوسی مشهد
احمد هراتی - دانشکده مهندسی، گروه مهندسی کامپیوتر، دانشگاه فردوسی مشهد

الگوریتم بهینه سازی اکسترمال یک الگوریتم تکامل جستجوی محلی است که از طبیعت الهام گرفته است. در این کار هدف نشان دادن جایگاه این الگوریتم در پردازش تصویر، برای تقطیع تصاویر پزشکی است که از تصاویر MRI مغز به عنوان نمونه های مورد آزمایش استفاده شده است.در این نوع تقطیع، ابتدا یک تابع انرژی جدید برای نواحی تصویر تعریف شده و سپس با بهره برداری از تابع انرژی در مدل مارکوف برای پیکسل ها عملکرد الگوریتم بهبود یافته تا با بهینه سازی توابع انرژی ، تصاویر ناحیه بندی شده ای که شامل تعداد نواحی مورد نیاز است به دست آید.با اعمال عملیات کاهش رنگ، تصاویر بیش از حد ناحیه بندی شده به عنوان ورودی به الگوریتم داده می شوند. سپس در هر مرحله نواحی کم ارزش تر با توجه به تابع احتمال انتخاب شده و با نواحی مشابه همسایه ادغام می شوند. پیکسل های کم ارزش تر نیز لا احتمال بیشتری انتخاب شده و تغییر می کنند تا آنجا که شبکه تصویر به تغییرات حساس شده و تغییر کوچکی در مقدار هر پیکسل باعث تغییرات بزرگی در شبکه تصویر می گردد که به این پدیده بهمن می گویند. نتایج شهودی نشان می دهد که با دادن تعداد کلاس های نهایی، الگوریتم قادر است بر اساس توابع انرژی تعریف شده نتایج تقطیع مناسب را تولید کند.

بهینه سازی اکسترمال، تابع انرژی، تقطیع تصویر ، مدل مارکوف