استفاده از الگوریتم بهینه سازی لاشخور برای آستانه گیری چندسطحی تصاویر سی تی اسکن مغز

بخش بندی تصاویر به فرآیند تقسیم کردن یک تصویر دیجیتال به چند بخش گفته می شود. هدف بخش بندی، ساده سازی و یا تغییر در نمایش یک تصویر به چیزی است که معنادارتر و هم برای تحلیل آسان تر است. روش های آستانه گذاری با داشتن پیچیدگی بسیار کمتر در مقایسه با روش های نوین مبتنی بر یادگیری عمیق همچنان کاربرد گسترده ای دارند. در این مقاله یک الگوریتم جدید آستانه گیری چندسطحی، برای قطعه بندی تصاویر سی تی اسکن مبتنی بر هیستوگرام ارایه شده است. در الگوریتم پیشنهادی، آستانه گیری تصویر با استفاده از روش نوین الگوریتم بهینه سازی لاشخور انجام شده است. در الگوریتم بهینه سازی لاشخور فرآیند اکتشاف و بهره برداری با تعریف چند نوع لاشخور با توانایی های متفاوت حاصل می شود. آنتروپی به عنوان تابع برازندگی جهت قطعه بندی چندسطحی تصاویر با استفاده از الگوریتم لاشخور استفاده گردید. الگوریتم پیشنهادی با دو الگوریتم بهینه سازی تکاملی یعنی الگوریتم ذرات و نوع بهبود یافته ای از الگوریتم ذرات که بر مبنای سیستم چندعاملی فازی می باشد، مقایسه شده است. این مقایسه بر روی یک مجموعه تصاویر سی تی اسکن بیانگر برتری روش پیشنهادی در توابع برازندگی به میزان متوسط 8 درصد می باشد. علاوه بر این، مقدار کیفیت تصاویر بخش بندی شده بهبودی به طور متوسط در تصاویر دوبخشی حدود 3 درصد و در تصاویر پنج بخشی به طور متوسط 12 درصد بوده است.