بخش بندی تصاویر رنگی چهره مبتنی بر خوشه بند فازی بهینه سازی شده با الگوریتم های گرگ خاکستری و نهنگ

بخش بندی تصاویر رنگی چهره یک مرحله ی ضروری در کاربردهای پردازش تصویر و بینایی کامپیوتر نظیر شناسایی چهره، شناسایی هویت و آنالیز جراحی های پلاستیک چهره است. یکی از مهم ترین روش های بخش بندی تصاویر چهره، روش های مبتنی بر خوشه بندی است. خوشه بند فازی (FCM) یک الگوریتم موثر در بخش بندی تصویر بوده، ولی حساسیت به مقدار اولیه ممکن است باعث شود که این الگوریتم در کمینه مکانی بیافتد. به منظور غلبه بر این مسیله، الگوریتم های فرا-ابتکاری شامل بهینه سازی گرگ خاکستری (GWO) و الگوریتم بهینه سازی نهنگ (WOA) به کار گرفته شده اند. بنابراین، تمرکز اصلی این مقاله بر روی عمل کرد الگوریتم های فرا-ابتکاری در بهینه سازی خوشه بند فازی و کاربرد آن در بخش بندی تصاویر رنگی چهره است. تابع هدف خوشه بند FCM به عنوان یک تابع برآزندگی برای الگوریتم های فرا-ابتکاری درنظر گرفته می شود. این الگوریتم n بردار را به C گروه فازی تقسیم کرده و مرکز خوشه بندی را برای هر گروه محاسبه می کند. همچنین، در این مطالعه سه فضای رنگی چهره شامل YCbCr، YPbPr و YIQ به عنوان داده های ورودی در بهینه سازی تابع برازندگی به کار گرفته شده اند. پس از بیشینه کردن تابع عضویت، بخش بندی تصاویر رنگی چهره بر روی سه پایگاه داده شامل (1) پایگاه داده دانشگاه صنعتی سهند (SUT)، (2) پایگاه داده MR2 و (3)پایگاه داده SCUTFBP انجام شده است. نتایج بخش بندی نشان می دهند که عمل کرد الگوریتم های GWO و WOA در بخش بندی تصاویر رنگی چهره نسبت به سایر الگوریتم های فرا-ابتکاری نظیر الگوریتم ژنتیک (GA)، بهینه سازی ازدحام ذرات (PSO)، الگوریتم بهینه سازی ملخ (GOA) و الگوریتم جستجوی کلاغ (CSA) بهتر بوده و همچنین دارای عمل کرد مناسبی نیز در سرعت همگرایی هستند.