بخش بندی تصاویر رادار توسط الگوریتم تکاملی زنبور عسل

با توجه به وجود نویزهای نقطه ای، بخش بندی تصاویر رادار با روزنه ترکیبی(SAR2) هنوز یک مسئله قابل بحث است. این روش بخش بندی تصاویر SAR را براساس الگوریتم مصنوعی کلونی زنبورها(ABC) ارائه می دهد. تخمین حد آستانه به صورت یک روند جستجو می باشد، که برای یافتن مقادیر مناسب، بازه پیوسته مقیاس Gray را جستجو می کند، بنابراین، الگوریتم ABC ، برای جستجوی مقدار بهینه حد آستانه استفاده می شود. برای به دست آوردن تابع برازندگی مناسب در الگوریتم ABC، پس از تعریف عدد Gray در تئوری Gray تصویر اصلی با استفاده از متد Violet تجزیه می شود. سپس، با اعمال تابع کاهش نویز بر روی تصویر تخمینی ساخته شده از ضرایب فرکانس های پایین تصویر فیلتر شده تولید می شود. به طور هم زمان تصویر گرادیان با ضرایب فرکانسی بالا بازسازی میشود. بنابراین ماتریس هم زمانی براساس تصویر فیلتر شده و گرادیان ساخته می شود، و آنتروپی بهبود یافته Gray در دو بعد به عنوان تابع برازندگی الگوریتم ABC تعریف می شود. در آخر با استفاده از زنبور های کارگر، ناظر و پیش اهنگ در کلونی زنبورها حد آستانه بهینه در کمترین زمان بهدست می آید. نتایج تجربی نشان می دهد که روش پیشنهادی نسبت به الگوریتم ژنتیک و الگوریتم ژنتیک و الگوریتم ازدحام ماهی ها هم در دقت بخش بندی تصویر و هم از نظر زمان بهتر می باشد.

کلیدواژه ها:

بخش بندی ، الگوریتم ژنتیک ، الگوریتم ازدحام ماهی ها ، الگوریتم مصنوعی کلونی زنبور عسل