استخراج ويژگي هاي بافت تصاوير با استفاده از كوانتيزه كردن تصاوير

Extracting texture features of images using image quantization

همزمان با پيشرفت روزافزون در حوزه كامپيوتر، دنياي چند رسانه اي نيز از اهميت خاصي برخوردار شده است. يكي از مهمترين موضوعات مربوط به دنياي چندرسانه اي، تجزيه و تحليل و استخراج اطلاعات از تصاوير مي باشد. همچنين مديريت حجم بزرگي از تصاويررا مي توان از حياتي ترين چالش هاي مرتبط دراين حوزه بدانيم. در همين راستا يكي از مهمترين تكنيك هاي كاهش ابعاد داده هاي تصاوير در حين حفظ اطلاعات با اهميت تصاوير، تكنيك كوانتيزه كردن تصاوير مي باشد. خوشه بندي را مي توان مهمترين و كاراترين روش در راستاي قطعه بندي و كوانتيزه كردن تصاوير دانست. تا كنون از روش هاي مختلفي براي خوشه بندي تصاوير استفاده شده است. در راستاي بهبود دادن روش هاي پيشين در اين مقاله روشي مبتني بر الگوريتم K-means بهبود يافته جهت كوانتيزه كردن تصاوير ارائه شده است. در روش پيشنهادي با استفاده از تركيب الگوريتم ژنتيك و الگوريتم رقابت استعماري، تلاش شده است تا حساسيت الگوريتم K-means به مقادير اوليه مراكز خوشه ها تا حودو زيادي كاسته شود. نتايج ارائه شده در اين مقاله، نشان دهنده بهبود كارايي روش پيشنهادي در كوانتيزه كردن تصاوير نسبت به دو روش BIC و WHIFCM مي باشد.