ارائه روشی مبتنی بر الگوریتم ژنتیک جهت بهبود تقطیع بافت

اصطلاح بافت در لغت به معنی سطحی از یک ماده بافته شده می باشد و در مورد تصاویری بکار می رود که حاوی یک یا چند الگو باشند که بصورت باقاعده یا بی قاعده تکرار شده است. هدف از بکارگیری تکنیک های تقطیع یا بخش بندی بافت در یک تصویر، جداسازی اشیا، موجود از یکدیگر و یا از زمینه آن می باشد. این تکنیک ها مناطقی از تصویر شامل بافت های گوناگون را یافته و هر بافت را با سطح خاکستری مختص خود جایگزین می کنند. بنظر می رسد که روشهای کلاسیک تقطییع بافت مانند روش های ماتریس هم وقوعی، فیلترهای گابور، میدان تصادفی مارکوف و فرکتال، مناطق مرزی بین دو بافت را بخوبی تشخیص نمی دهند، زیرا قادر به بدست آوردن ویژگی یا ویژگی هایی که نرخ طبقه بندی را بهینه کند، نیستند. در این پایان نامه، رهیافتی جهت افزایش کیفیت تقطیع بافت با بکارگیری الگوریتم های ژنتیک ارائه شده است، و ضمن ارائه چگونگی پیاده سازی فعالیت انجام شده، نتایج بدست آمده بر روی تصاویر مونتاژ شده بانک تصاویر استاندارد ‏‎brodatz‎‏ مورد بررسی قرار گرفته است. نرخ دقت بخش بندی بر روی این تصاویر با استفاده از روشهای کلاسیک میدان تصادفی مارکوف و ماتریس هم وقوعی بترتیب برابر 5/73% و 73% بدست آمده است که با استفاده از الگوریتم های ژنتیک به حدود 90% افزایش یافته است.