نوع مقاله : مقاله پژوهشی
نویسندگان
1 موسسه آموزش عالی آیندگان، تنکابن، ایران.
2 گروه مهندسی برق-الکترونیک، موسسه آموزش عالی آیندگان، تنکابن، ایران.
3 گروه کامپیوتر، دانشکده فنی و مهندسی، موسسه آموزش عالی آیندگان، تنکابن، ایران.
چکیده
ناحیه‌بندی تصویر یکی از مسائل اساسی در پردازش تصویر است که اشیاء و دیگر ساختارهای موجود در تصویر را شناسایی می‌کند. یکی از روش‌هایی که به‌طور گسترده در ناحیه‌بندی تصویر به‌کار گرفته شده است، آستانه‌گیری می‌باشد که قادر است پیکسل‌های مبتنی‌بر آستانه‌های معین را جداسازی نماید. در روش آتسو برای تعیین حد آستانه سعی می‌شود که تا حد امکان واریانس درون کلاس‌ها را افزایش و واریانس بین کلاس‌ها را کاهش داد. از جمله مشکلات این روش، افزایش زمان محاسبات با افزایش تعداد حدود آستانه است. یکی از راهکارهای تاثیرگذار و پرکاربرد برای رفع مشکلات روش آتسو، ترکیب آن با الگوریتم‌های تکاملی است که می‌تواند کارایی ناحیه‌بندی تصویر را افزایش و زمان لازم را کاهش دهد. الگوریتم جستجوی کلاغ یکی از الگوریتم‌های نوین فرا اکتشافی مبتنی بر جمعیت است که از روش‌هایی که کلاغ‌ها برای ذخیره‌سازی و بازیابی غذای خود استفاده می‌کنند، الهام گرفته است. در این مقاله یک روش ترکیبی بر‌اساس الگوریتم جستجوی کلاغ و روش آتسو برای آستانه‌گیری چندسطحی پیشنهاد می‌شود. نتایج به‌دست‌آمده با سایر الگوریتم‌هایی که با روش آتسو ترکیب شده‌اند، از جمله الگوریتم پرندگان، الگوریتم کرم شب‌تاب و الگوریتم کرم شب‌تاب فازی مقایسه شده است. ارزیابی روی پنج تصاویر محک نشان می‌دهد که روش پیشنهادی توانسته است مدت زمان اجرا و میزان یکنواختی را بهبود بخشد.
کلیدواژه‌ها
موضوعات
عنوان مقاله [English]
A multilevel image thresholding approach based on crow search algorithm and Otsu method
نویسندگان [English]
- Forough Shahabi 1
- Fereshte Pourahangarian 2
- Homayoon Beheshti 3
1 Ayandegan Institute of Higher Education, Tonekabon, Iran.
2 Department of Electronic Engineering, Ayandegan Institute of Higher Education, TonekabonT Iran.
3 Department of Computer, Faculty of Engineering, Ayandegan Institute of Higher Education, Tonekabon, Iran.
چکیده [English]
One of the fundamental problems in image processing is image segmentation identifying the objects and other structures in the image. Image thresholding is one of the widely used methods for image segmentation that can separate pixels based on the specified thresholds. The Otsu method calculates the thresholds to divide two or multiple classes. Classes are based on between-class variance maximization and within-class variance minimization. However, increasing the number of thresholds surges the computational time of the segmentation. To overcome this drawback, the combination of Otsu and the evolutionary algorithm is often effective. In this paper, we present a hybrid method utilizing the CSA and Otsu for multilevel thresholding. The result of our method has been compared with the three other evolutionary algorithms consisting of improved Particle Swarm Optimization (PSO), Firefly Algorithm (FA), and also the fuzzy version of FA. The evaluation consequence of the five benchmark images shows time and uniformity criteria have been improved.
کلیدواژه‌ها [English]
- Image segmentation
- Image thresholding
- Otsu method
- Crow search algorithm
- Multilevel thresholding
)