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.