چکیده فارسی :

در این مقاله، تقسیم بندی تصویر چند سطحی بهینه با استفاده از الگوریتم کرم شب تاب (FA) ارائه شده است. در این کار، هیستوگرام RGB تصویر برای تقسیم بندی دو سطحی و چند سطحی در نظر گرفته شده است. آستانه بهینه برای هر جزء رنگ توسط ماکزیمم سازی تابع واریانس بین طبقه اوتسو به دست آورده شده است. روش تقسیم بندی ارائه شده با استفاده از مجموعه داده استاندارد RGB نشان داده شده است و با استفاده از FA موجود در ادبیات همراه با سه راهبر جستجوی تصادفی، مانند توزیع براونی، پرواز لوی و توزیع گاوسی متغیر تصادفی مربوط اعتبارسنجی شده است. ارزیابی عملکرد بین FA ها با استفاده از پارامترهایی مانند مقدار هدف، PSNR، SSIM و زمان CPU انجام شده است.

کلمات کلیدی:هیستوگرام RGB ، تقسیم بندی ، Otsu ، الگوریتم کرم شب تاب ، PSNR ، SSIM ، زمان CPU.

چکیده انگلیسی:

In this paper, optimal multi-level image segmentation is proposed using the Firefly Algorithm (FA). In this work, RGB histogram of the image is considered for bi-level and multi-level segmentation. Optimal thresholds for each colour component are attained by maximizing Otsu’s between-class variance function. The proposed segmentation procedure is demonstrated using standard RGB dataset and validated using the existing FA in the literature combined with three randomization search strategies, such as Brownian Distribution, Lévy Flight and the Gaussian distribution related random variable. The performance assessment between FAs is carried out using parameters, such as objective value, PSNR, SSIM and CPU time.

Keywords: RGB histogram ; Segmentation ; Otsu ; Firefly algorithm ; PSNR ; SSIM ; CPU time.