بخشی از متن:
چکیده:
در فرآیند نقل و انتقال اطلاعات در ارسال سریع و ذخیره حجم بالایی از تصاویر ، کاهش حجم و فشرده سازی آنها نقشی تعیین کننده ای دارد. میتوان از الگوریتمها جهت بهینه سازی تصاویر استفاده نمود. اجتماع حشرات متشکل از مورچهها، پرندگان، زنبورها و سایر کلونیها، نمایانگر توانایی مقابله با مشکلات و پیدا نمودن راه حلها، به صورت دسته جمعی میباشد. محققان در شاخه هوش محاسباتی از مزایا و فوایدی که در زندگی گروهی حشرات وجود دارد، جهت حل مسائل منتج به بهینه سازی استفاده میکنند. طبق بررسی تحقیقات صورت گرفته قطعهبندی از مراحل پردازش تصاویر است که این عمل را میتوان با الگوریتمهای تکاملی انجام داد.
فهرست مطالب:
چکیده
مقدمه
1- قطعه بندی
2- الگوریتمهای تکاملی (EAs)
2-1- تکنیکهای تکاملی
2-1-1- Genetic Programming (GP)
2-1-2- برنامه ریزی تکاملی
2-1-3- استراتژی تکاملی
2-1-4- الگوریتم ژنتیک
2-2- الگوریتم ژنتیک
2-2-1- فرایند الگوریتم ژنتیک در حل یک مساله
2-2-2- عملگرهای الگوریتم ژنتیک
2-2-2-1- حل Representation
2-2-2-2- تابع Fitness
2-2-2-3- انتخاب selection
2-2-2-4- Crossover
2-2-2-5- جهش
2-3- سیستم کلونی مورچه ها
2-3-1- الگوریتم بهینه سازی کلونی مورچه ها
2-3-2- الگوریتم ساده شده مورچه ها
2-3-3- الگوریتم مورچه ها
2-4- حرکت دسته جمعی پرندگان
2-4-1- توپولوژیهای همسایگی PSO
2-4-2- ساختار الگوریتم PSO
2-4-3- بهبود همگرایی الگوریتم PSO
2-5- الگوریتم توسعه داده شده (استعماری)
3- بهینه سازی
3-1- بهینه سازی مبتنی بر تقطیع تصویر توسط ژنتیک الگوریتم
3-2- کاربردهای الگوریتم کلونی مورچه ها در سگمنتیشن تصویر
3-2-1- تقطیع تصویر مبتنی بر MRF با استفاده از سیستم کلونی مورچه
3-2-2- سیستم Ant Colony برای تقسیم بندی و طبقه بندی Microcalcification در ماموگرام
3-2-3- استفاده از الگوریتم ACO در تقطیع تصویر برای آستانه سازی مطلوب
3-3- الگوریتم استعماری
منابع
فهرست اشکال