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.