جداسازی تصاویر با استفاده از خوشه بندی رنگی و الگوریتم اتوماتای یادگیری

به دلیل شدت نور کم در چشم انسان، معمولا استخراج اطلاعات از تصاویر مشکل است. می توان با روش های حداسازی تومور، تصویر مناسب تری برای تجزیه و تحلیل ارایه داد. تصاویر تومورهای سرطانی پستان حاوی اطلاعات حیاتی و منحصر به فردی می باشند که استخرا این ویژگی ها از مراحل اولیه و مهم در تجزیه و تحلیل تصاویر پستان جهت کاربردهای مختلف پزشکی یا تشخیص می باشد. در روش ارایه شده سعی شده است از ترکیب الگوریتم های یادگیری اتوماتا با الگوریتم فازی fcm در جهت شناسایی سرطان پستان استفاده شود تا خطای احتمالی ناشی از تشخیص پزشکی تا حد امکان کاهش یابد. به همین منظور ابتدا به کمک الگوریم پیشنهادی به خوشه بندی یک تصویر حرارتی که از پستان بیمار گرفته شده است می پردازیم، سپس نواحی مشکوک را از تصویر جداسازی می نماییم. در الگوریتم پیشنهادی، کارایی روش پیشنهادی بر روی 4 تصویر حرارتی پستان و 4 تصویر ویندوز 7 مورد بررسی قرار گرفته است. همچنین از لحاظ کمی و کیفی با الگوریتم fcm کلاسیک مقایسه شده است. نتایج نشان می دهد الگوریتم پیشنهادی نتایج بهتری در توابع برازندگی، مقدار AMBE, RMSE, MSE, PSNR نسبت به الگوریتم fcm کلاسیک فراهم آورده است.