شبیه سازی مقاله سگمنت کردن تصویر

شبیه سازی مقاله سگمنت کردن تصویر ۲۰۱۶ با عنوان “سگمنت کردن تصویر با استفاده از الگوریتم بهینه سازی کلونی زنبور عسل مبتنی بر فازی”

 

Fuzzy-based artificial bee colony optimization for gray image segmentation

شبیه سازی مقاله سگمنت کردن تصویر

 

این مقاله بر روی بخش بندی یا سگمنت کردن تصویر با استفاده از الگوریتم بهینه سازی کلونی زنبور عسل یا ABC کار میکند که با فازی ترکیب شده است.

این مقاله را میتوان در حوزه های کاری زیر استفاده کرد:

پردازش تصویر   (این مقاله بر روی تصویر کار میکند و تصویر را پردازش میکند)

الگوریتم های بهینه سازی و الگوریتم های تکاملی  (این مقاله یک کاربرد از الگوریتم بهینه سازی کلونی زنبور عسل را نشان میدهد)

خوشه بندی و داده کاوی  (این مقاله عمل خوشه بندی را انجام میدهد که یکی از حوزه های داده کاوی می باشد )

سیستم های فازی  (این مقاله از مفهوم فازی و خوشه نبدی فازی یا fcm استفاده میکند)

 

 

 

این محصول شامل شبیه سازی مقاله با عنوان “سگمنت کردن تصویر با استفاده از الگوریتم بهینه سازی کلونی زنبور عسل مبتنی بر فازی” در نرم افزار متلب می باشد علاوه بر شبیه سازی، ترجمه مقاله نیز در دسترس می باشد. همچنین کدهای شبیه سازی در یک فایل بصورت کامل توضیح داده شده است تا قابل فهم برای گیرنده کار باشد.

 

ترجمه چکیده مقاله (برای دیدن کیفیت ترجمه)
سگمنت کردن تصویر با استفاده از الگوریتم بهینه سازی کلونی زنبور عسل مبتنی بر فازی چکیده : در این مقاله، یک الگوریتم سگمنت کردن تصویر بنام FABC را معرفی کرده ایم، که نوعی طبقه بند بدون سرپرست (خوشه بندی) می باشد، ما مفهوم الگوریتم بهینه سازی کلونی زنبور عسل مصنوعی (ABC) را با مفاهیم روش معروف خوشه بندی فازی FCM ترکیب کرده ایم و نام آن را ABC مبتنی برفازی یا FABC قرار داده ایم. در الگوریتم FABC از توابع عضویت فازی برای جستجو کردن مراکز خوشه بهینه با استفاده از الگوریتم ABC استفاده می کنیم. الگوریتم FABC خیلی کاراتر و موثر تر از سایر تکنیک های بهینه سازی از قبیل الگوریتم ژنیتک (GA) ، الگوریتم توده ذرات (PSO) و الگوریتم EM (expectation maximization) می باشد. الگوریتم FABC ضعف های الگوریتم FCM را پوشش میدهد از قبیل اینکه این الگوریتم معرفی شده وابسته به انتخاب های اولیه مراکز خوشه ها نمی باشد و در زمینه همگرایی، پیچیدگی زمانی، قدرت و دقت سگمنت کردن کارایی بهتری دارد. الگوریتم FABC کارایی بهتری دارد زیرا از مزیت ویژگی های تصادفی الگوریتم ABC برای مقدار دهی اولیه به مراکز خوشه ها بهره می برد. شبیه سازی ها و ازمایشات با الگوریتم های FABC و GA و PSO و EM بر روی تصاویر سیاه و سفتد مختلفی صورت گرفت از جمله تصاویر پزشکی و بافت (texture) ای که سگمت کردن انها به دلیل کنتراست کم و نویز و سایر ابهامات تصویربرداری مشکل بود. کارایی و برتری الگوریتم FABC هم در بخش کمی و هم در بخش کیفی به اثبات رسید. کلمات کلیدی: بخش بندی تصویر ،الگوریتم بهینه سازی کلونی زنبور مصنوعی ، الگوریتم خوشه بندی c میانگین فازی، بخش بندی تصاویر پزشکی، شاخص اعتبار خوشه.

 

شبیه سازی بر روی ۴ تصویر  Lena و Peppers و couple و یک تصویر text انجام گرفته است. نمونه ای از خروجی بر روی تصویر Peppers در زیر آورده شده است:

شبیه سازی مقاله سگمنت کردن تصویر

 

برای دریافت شبیه سازی مقاله بهمراه ترجمه مقاله و توضیحات کد با ما تماس بگیرید:

شماره تماس ۰۹۱۲۰۵۶۳۲۶۴

ایمیل : matlab24ir@gmail.com

 

طلاعات بسته آموزشی :

 

– فایل ترجمه مقاله شامل ۲۱ صفحه با فونت ۱۳ و با فرمت pdf

– فایل توضیحات کد شامل ۱۸ صحفه با فرمت pdfکه توضیح نحوه اجرای برنامه و توضیح کد برنامه در این فایل آورده شده است

– پوشه حاوی کد های برنامه ، قابل اجرا در نرم افزار متلب 

نظر خود را اینجا بنویسید!

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

telegramchanel کانال تلگرام  با عضویت در کانال تلگرام از مطالب آموزشی و مطالب جدید وب سایت مطلع شوید

@matlab24Dotir

جهت عضویت کلیک کنید