آستانه گذاری بهینه چندسطحی تصویر با استفاده از الگوریتم بهینه سازی مبتنی بر یادگیری و تدریس

آستانه­ گذاری تصاویر یک از محبوب­ترین روش­های قطعه ­بندی تصاویر است. در این روش، برای مشخص­ کردن مقادیر آستانه از هیستوگرام استفاده می شود. در این مقاله، یک روش آستانه گذاری چندسطحی برای قطعه­ بندی تصاویر مبتنی بر هیستوگرام با استفاده از الگوریتم بهینه­ سازی مبتنی بر یادگیری و تدریس ارائه شده است. این الگوریتم یک الگوریتم جمعیت­گرای جدید است که از تاثیری که یک استاد بر دانش­ آموزان خود دارد الهام گرفته است. تابع هزینه مورد استفاده در این پژوهش، معیار بیشینه­ سازی آنتروپی کاپور بوده است. کارایی روش پیشنهادی بر روی 5 تصویر استاندارد مورد بررسی قرار گرفته است. همچنین کارایی آن با سه الگوریتم ژنتیک (ga)، بهینه سازی ذرات (pso) و تکامل تفاضلی (de) مقایسه شده است. نتایج نشان می دهد که الگوریتم بهینه­ سازی مبتنی بر یادگیری و تدریس نتایج بهتری در توابع برازندگی، مقدار psnr، ssim و پایداری فراهم آورده است. زمان یافتن مقادیر آستانه برای این الگوریتم نیز نسبت به الگوریتم pso بیشتر اما نسبت به ga و de کمتر است.