قطعه بندی تصاویر با استفاده از الگوریتم خوشه بندی مبتنی بر تراکم و الگوریتم جستجوی گرانشی

در تحلیل تصاویر پزشکی، قطعه بندی برای استخراج ویژگی و نمایش ناحیه مطلوب فرآیندی مؤثر و بنیادی است. زیرا اثر قابل توجهی روی مراحل بعدی تحلیل تصاویر پزشکی می گذارد. برای افزایش دقت قطعه بندی تلاشهای بسیاری تاکنون صورت گرفته است و روش های مختلفی ارائه گردیده است، اما به دلیل تغییرات زیاد در شکل، وجود مرزهای پیچیده هندسی، شدت نور غیریکنواخت و لبه های ضعیف اشیاء در تصاویر پزشکی، قطعه بندی آنها هنوز فرآیند مشکلی محسوب می شود و به عنوان یک مساله کلیدی و چالش برانگیز مطرح است. با توجه به پیچیدگی تصویر از لحاظ شکل هندسی، قوت و ضعف لبهها و یکنواختی شدت نور، سطح پردازش قطعه بندی تعیین می شود. به این ترتیب برای قطعه بندی کارا در تصاویر پزشکی که عمدتاً دارای شکل های پیچیده هندسی هستند می توان از روشهای خوشه بندی مبتنی بر چگالی استفاده کرد. به همین منظور در این مقاله قطعه بندی تصاویر براساسایده ترکیب الگوریتم جستجوی گرانشی و الگوریتم خوشه بندی مبتنی بر چگالی DBSCAN انجام شد. هدف از استفاده الگوریتم جستجوی گرانشی یافتن مقادیر دو پارامتر تعداد همسایه ها و شعاع همسایگی در الگوریتم خوشه بندی DBSCAN در تصاویر مختلف بود. نتایج استفاده از ترکیب الگوریتم های جستجوی گرانشی و DBSCAN حاکی از دقت تقریبا 90 درصدی در قطعه بندی تصاویر پزشکی است.

کلیدواژه ها:

خوشه بندی مبتنی بر تراکم ، الگوریتم جستجوی گرانشی ، الگوریتم زنبورعسل مصنوعی ، الگوریتم ژنتیک