بخش بندي تصاوير رنگي چهره مبتني بر خوشه بند فازي بهينه سازي شده با الگوريتم‌هاي گرگ خاكستري و نهنگ

بخش‌بندي تصاوير رنگي چهره يك مرحله‌ي ضروري در كاربردهاي پردازش تصوير و بينائي كامپيوتر نظير شناسائي چهره، شناسائي هويت و آناليز جراحي‌هاي پلاستيك چهره است. يكي از مهم‌ترين روش‌هاي بخش‌بندي تصاوير چهره، روش‌هاي مبتني بر خوشه‌بندي است. خوشه‌بند فازي (FCM) يك الگوريتم موثر در بخش‌بندي تصوير بوده، ولي حساسيت به مقدار اوليه ممكن است باعث شود كه اين الگوريتم در كمينه مكاني بيافتد. به‌منظور غلبه بر اين مسئله، الگوريتم‌هاي فراابتكاري شامل بهينه‌سازي گرگ خاكستري (GWO) و الگوريتم بهينه‌سازي نهنگ (WOA) به‌كار گرفته شده‌اند. بنابراين، تمركز اصلي اين مقاله بر روي عمل‌كرد الگوريتم‌هاي فراابتكاري در بهينه‌سازي خوشه‌بند فازي و كاربرد آن در بخش‌بندي تصاوير رنگي چهره است. تابع هدف خوشه‌بند FCM به‌عنوان يك تابع برآزندگي براي الگوريتم‌هاي فراابتكاري درنظر گرفته مي‌شود. اين الگوريتم n بردار را به C گروه فازي تقسيم كرده و مركز خوشه‌بندي را براي هر گروه محاسبه مي‌كند. همچنين، در اين مطالعه سه فضاي رنگي چهره شامل YCbCr، YPbPr و YIQ به‌عنوان داده‌هاي ورودي در بهينه‌سازي تابع برازندگي به‌كار گرفته شده‌اند. پس از بيشينه كردن تابع عضويت، بخش‌بندي تصاوير رنگي چهره بر روي سه پايگاه داده شامل (1) پايگاه داده دانشگاه صنعتي سهند (SUT)، (2) پايگاه داده MR2 و (3)پايگاه داده SCUTFBP انجام شده است. نتايج بخش‌بندي نشان مي‌دهند كه عمل‌كرد الگوريتم‌هاي GWO و WOA در بخش‌بندي تصاوير رنگي چهره نسبت به ساير الگوريتم‌هاي فراابتكاري نظير الگوريتم ژنتيك (GA)، بهينه‌سازي ازدحام ذرات (PSO)، الگوريتم بهينه‌سازي ملخ (GOA) و الگوريتم جستجوي كلاغ (CSA) بهتر بوده و همچنين داراي عمل‌كرد مناسبي نيز در سرعت همگرائي هستند.