قطعه بندی تصاویر با استفاده از الگوریتم بهینه سازی ملخ

الگوریتم بهینه سازی ملخ (GOA) الهام گرفته از طبیعت، فرآیند جستجو را به دو بخش اکتشاف و بهره برداری تقسیممی کند. در اکتشاف، عامل های جستجو به حرکت ناگهانی تشویق می گردند، در حالی که در طول بهره برداری تمایلدارند تا به صورت محلی حرکت کنند. این دو عملکرد و نیز جستجوی هدف توسط ملخ ها به طور غریزی انجام می گیرد.الگوریتم پیشنهادی از لحاظ ریاضیاتی رفتار گروه های ملخ در طبیعت را برای حل مسایل بهینه سازی مدل سازی می کند.عملکرد الگوریتم پیشنهادی را بر اساس قطعه بندی سه تصویر و درآستانه های 2 تا 5 ارزیابی می کنیم. نتایج آزمون هایبهترین مقیاس PSNR و اندازه گیری SSIM به دست آمده را با چهار الگوریتم نهنگ، شعله پروانه، جستجوی هارمونی و عنکبوت اجتماعی مقایسه می کنیم. نتایج نشان می دهند که الگوریتم پیشنهادی با افزایش آستانه پاسخ های بهینه ترینسبت به سایر الگوریتم ها در انجام محاسبات دو آزمون فوق به ما می دهد و همچنین کیفیت قطعه بندی تصویر را بهبودمی بخشد.

کلیدواژه ها:

پردازش تصویر ، قطعه بندی تصویر ، الگوریتم بهینه سازی ملخ