فهرست نشریات علمی دسترسی آزاد ایران

پیشینه و اهداف: بافت تصویر، به‌عنوان داده‌ای ارزشمند توسط ذهن انسان برای تفسیر تصویر استفاده می‌شود. کمی‌سازی بافت تصویر روشی کاربردی برای استخراج روابط مکانی بین پیکسل‌های تصویر است. از ویژگی‌های بافتی تولید شده از تصویر در کنار ویژگی‌های طیفی تصویر می‌توان برای بهبود کیفیت طبقه‌بندی استفاده کرد. با توجه به تنوع روش‌های کمی‌سازی بافت تصویر، انتخاب ویژگی‌های بهینه برای هر تصویر به‌صورت مستقیم روی دقت استخراج اطلاعات موثر است. الگوریتم ژنتیک به‌عنوان یکی از رو‌ش‌های بهینه‌سازی در کاربردهای مختلف استفاده می‌شود.روش‌ها‌: در این مقاله دو روش انتخاب ویژگی بر پایه الگوریتم ژنتیک برای انتخاب ویژگی‌های بافتی تصویر ارائه شده است. در روش نخست، الگوریتم ژنتیک برای انتخاب بهترین ترکیب با طول متغییر از ویژگی‌های بافتی در دو حالت ورودی از کل فضای ویژگی و ورودی از فضای پالایش شده، تعریف شده است. در روش دوم الگورتیم ژنتیک برای انتخاب عداد متغییر ویژگی‌های طیفی در دو حالت انتخاب از بین کل ویژگی‌ها و انتخاب از بین ویژگی‌های گزینش شده به‌کار  رفته شده است.یافته‌ها: نتایج، نشان می‌دهد که ترکیب بهینه الزاما شامل ویژگی‌هایی که به تنهایی توانمندی بهتری در بهبود دقت طبقه‌بندی دارند، نمی‌شود. الگوریتم‌های پیشنهادی منجر به دقت بهتر، تعداد ویژگی منتخب کمتر و زمان محاسباتی کمتری نسبت به الگوریتم ساده ژنتیک است. از روش‌های پیشنهادی بسته به ابعاد تصویر، تعداد ویژگی‌های بافتی تولید شده و تعداد داده‌های آموزشی و چک می‌توان استفاده کرد. روش دوم زمان آماده‌سازی اولیه بیشتری داشته و به‌دلیل افزایش تصاعدی زمان محاسباتی برای تصاویری با تعداد باند طیفی و تعداد پیکسل‌های کنترل و چک و تعداد ویژگی بافتی کمتر قابل به‌کارگیری است. روش نخست برای تصاویری با ابعاد بزرگ و تعداد داده‌های آموزشی و چک بیشتر قابل استفاده است ولی برای رسیدن به دقت بهینه، تعداد ویژگی منتخب بیشتری را ارائه می‌دهد.نتیجه‌گیری: اجرای روش‌های پیشنهادی بر روی سه مجموعه داده ورودی، منجر به افزایش دقت میانگین طبقه‌بندی بین 7/7 تا 48/50 درصد نسبت به طبقه‌بندی طیفی و حفظ دقت تا افزایش 6/5 درصدی نسبت به ژنتیک ساده ولی با تعداد نصف تا یک سوم ویژگی‌های منتخب و کاهش 50 درصدی زمان بهینه‌سازی گردید.