بهینه سازی بخش بندی تصویر بر پایه الگوریتم ژنتیک

بخش بندی تصویر یکی از معروفترین مسایل در حوزه پردازش تصویر و بینایی ماشین است که کاربردهای متعددی دارد و تحقیقات مختلفی را به خود معطوف نموده است. بخش بندی فرآیندی است که ورودی را به قسمت ها یا اجزای سازنده اش تقسیم می کند و زمان پردازش زیادی را به خود اختصاص می دهد. تاکنون بخش بندی تصویر توسط روش های بهینه سازی از جمله الگوریتم رقابت استعماری، کلونی مورچگان و روش های آماری و روش های مبتنی بر گراف انجام گرفته است. در این مقاله سعی شده است تا به مرور برخی از الگوریتم های کارآمد بخش بندی و نقاط قوت و ضعف آنها بپردازیم و باتوجه به چالش های موجود، از الگوریتم ژنتیک برای پیدا کردن یک راه حل بهینه کلی سراسری بجای یک راه حل بهینه محلی استفاده کرد. در این الگوریتم از اصول انتخابی طبیعی داروین برای حل مسئله بهینه سازی استفاده می کند و توانایی تعیین تعداد نواحی بهینه در نتیجه قطعه بندی یا انتخاب برخی ویژگی ها را دارد. در این الگوریتم پیشنهادی استفاده از روش تقسیم بندی unsupervised برای قطعه قطعه کردن تصاویر به کلاس ها و محاسبه شباهت های موجود در بین تصاویر ارائه می شود. مزیت اصلی استفاده از این الگوریتم، تواناییش برای تعیین تعداد بهینه ای از مناطق بخش بندی شده و یا برخی از ویژگی های خاص آن از قبیل آنالیز کردن اندازه قاب تصویر مورد نظر و یا برخی از موارد اکتشافی می باشد. هدف اصلی این مقاله بهینه سازی بخش بندی تصویر بر پایه الگوریتم ژنتیک می باشد.