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 تقسیم می کند. در اکتشاف، عامل های جستجو به حرکت ناگهانی تشویق می گردند، در حالی که در طول بهره برداری تمایل دارند 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 مسائل 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 های بهترین 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 تری نسبت به سایر الگوریتم ها در انجام محاسبات دو آزمون فوق به ما می دهد و هم چنین کیفیت قطعه بندی تصویر را بهبود می بخشد.