استفاده از الگوریتم بهینهسازی لاشخور برای آستانهگیری چندسطحی تصاویر سیتیاسکن مغز
نویسندگان
1 گروه مهندسی برق، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران
2 گروه مهندسی برق، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران
3 گروه مهندسی برق، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران
doi
10.22052/scj.2022.243342.1027چکیده
بخشبندی تصاویر به فرآیند تقسیم کردن یک تصویر دیجیتال به چند بخش گفته میشود. هدف بخشبندی، سادهسازی و یا تغییر در نمایش یک تصویر به چیزی است که معنادارتر و هم برای تحلیل آسانتر است. روشهای آستانهگذاری با داشتن پیچیدگی بسیار کمتر در مقایسه با روشهای نوین مبتنی بر یادگیری عمیق همچنان کاربرد گستردهای دارند. در این مقاله یک الگوریتم جدید آستانهگیری چندسطحی، برای قطعهبندی تصاویر سیتیاسکن مبتنی بر هیستوگرام ارائه شده است. در الگوریتم پیشنهادی، آستانهگیری تصویر با استفاده از روش نوین الگوریتم بهینهسازی لاشخور انجام شده است. در الگوریتم بهینهسازی لاشخور فرآیند اکتشاف و بهرهبرداری با تعریف چند نوع لاشخور با تواناییهای متفاوت حاصل میشود. آنتروپی به عنوان تابع برازندگی جهت قطعهبندی چندسطحی تصاویر با استفاده از الگوریتم لاشخور استفاده گردید. الگوریتم پیشنهادی با دو الگوریتم بهینهسازی تکاملی یعنی الگوریتم ذرات و نوع بهبود یافتهای از الگوریتم ذرات که بر مبنای سیستم چندعاملی فازی میباشد، مقایسه شده است. این مقایسه بر روی یک مجموعه تصاویر سیتیاسکن بیانگر برتری روش پیشنهادی در توابع برازندگی به میزان متوسط 8 درصد میباشد. علاوه بر این، مقدار کیفیت تصاویر بخشبندی شده بهبودی به طور متوسط در تصاویر دوبخشی حدود 3 درصد و در تصاویر پنجبخشی به طور متوسط 12 درصد بوده است.