اصلاح روشنایی تصاویر پاتولوژی با استفاده از الگوریتم بهینه ساز تکاملی ملخ

اصلاح روشنایی در پردازش تصاویر پزشکی و تشخیص بیماری های مختلف حائز اهمیت است. ارتقاء کیفیت تصویر تاثیر مستقیمی بر پردازش های بعدی تصاویر پزشکی دارد. اکثر تصاویر در آسیب شناسی دیجیتال برای بهینه سازی روشنایی به تنظیمات پس از اخذ تصویر نیاز دارند. علی رغم این واقعیت، تلاش زیادی برای توسعه تکنیک های اصلاح کنتراست در یک زمینه خاص صورت نگرفته ا ست. در این مقاله از روش ا صلاح گاما جهت بهبود کنترا ست ا ستفاده می شود. الگوریتم بهینه ساز تکاملی ملخ جهت یافتن پارامتر گاما بهینه در جهت بهبود کنتراست تصویر بکار میرود. این الگوریتم برای یافتن پارامتر اصلاح گاما بهینه از فاکتورهای آنتروپی و محتوای لبه ( تعداد پیکسل های لبه نسبت به کل پیکسل ها) ا ستفاده میکند. بهبود کنترا ست از طریق ا صلاح گاما منجر به دستیابی به اطلاعات و جزئیات بیشتری در تصاویر پزشکی میگردد. در این مقاله تمرکز بر روی تصاویر پاتولوژی میباشد. الگوریتم پیشنهادی بهینه ساز ملخ از نظر معیارهایی چون CEF، CII، EME، CNR، Gradient و PIQE از متدهای MMHE و AGCgw و از نظر معیارهایی مثل آنتروپی، Colorfulness، WPSNR و AMBE نسبت به متدهای AGCHE و EEBHE کارائی و بهبود موثرتری را دارد.