وحید شفاعی نهند - کارشناسی ارشد مدیریت بازرگانی، واحد ممقان، دانشگاه آزاد اسلامی، ممقان، ایران
حمید ریاضی - دانشجوی دکتری، گروه مهندسی صنایع، دانشگاه آزاد اسلامی، قزوین، ایران
نیما آبرومند - گروه علوم کامپیوتر، هوش مصنوعی، دانشگاه تگزاس در آرلینگتون، تگزاس، امریکا، گروه کامپیوتر، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران

تقطیع تصویر یکی از بخش های مهم در سطح تصویر به شمار می رود که نتیجه فرایندهای بعدی، به شدت وابسته به همین امر قطعه بندی تصاویر است. کاربرد قطعه بندی تصاویر از جایی نشات می گیرد که می توان اجزای مختلفی از یک تصویر را به صورت مشخص در تصویر برای پردازش ها آتی مشاهده کرد. وجود اشکالات مختلف در عملیات تقطیع از جمله نیاز به یکسان بودن اندازه تصاویر، بررسی حالت رنگی RGB یا سطح خاکستری تصاویر، به دام افتادن در بهینه محلی و وجود مشکلات همگرایی محلی و سراسری، عدم کاربرد یک روش قطعه بندی مناسب برای آستانه چند سطحی تصویر رنگی در تصاویر معمولی و تصاویر خاص (مانند تصاویر پزشکی)، پایین بودن معیارهای ارزیابی و مسائلی از این دست، یک شکاف تحقیقاتی ایجاد کرده است که این تحقیق را ترغیب به ارائه یک روش بهینه نموده ه است. رویکرد پیشنهادی این تحقیق، ترکیب الگوریتم های تکاملی و هوش ازدحامی شامل الگوریتم ژنتیک و الگوریتم کریل هرد تحت عنوان GA-KH است که برای غلبه به مشکلات نام برده، کاربرد بالایی دارد و نتایج نشان می دهد که در مقایسه با تصاویر کلاسیک و تصاویر پزشکی (تصاویر MRI مغزی)، دارای نتایج بهتری نسبت به روش های مشابه پیشین خود شامل الگوریتم های MFA، MGOA، WCA، BA و KH از لحاظ معیارهای ارزیابی مانند انحراف معیار، نرخ PSNR و SSID می باشد.

قطعه بندی تصویر، پردازش تصویر، الگوریتم ژنتیک، الگوریتم کریل هرد، آستانه گذاری