بهینهسازی پارامترهای الگوریتم خوشهبندی فازی توسط PSO جهت بخشبندی تصاویر MR مغز انسان
General Material Designation
[پایاننامه]
First Statement of Responsibility
/مریم فیض الهی
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: مهندسی برق
Date of Publication, Distribution, etc.
، ۱۳۹۵
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۷۱ ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
INTERNAL BIBLIOGRAPHIES/INDEXES NOTE
Text of Note
کتابنامه در آخر پایان نامه
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
بیوالکتریک
Date of degree
۱۳۹۵/۱۱/۰۰
Body granting the degree
صنعتی سهند
SUMMARY OR ABSTRACT
Text of Note
بخشبندی تصویر یک گام ابتدایی و بسیار مهم در مباحث پردازش تصویر است که نقش اساسی در تجسم بافتهای مغز انسان، تشخیص، طرح ریزی جراحی و تجزیه و تحلیل بالینی تصاویر تشدید مغناطیسی (MRI) دارد .متاسفانه تصاویر MR به دلایل مختلفی مانند عملکرد اپراتور، تجهیزات یا عوامل محیطی بطور قابل توجهی آغشته به نویز هستند که منجر به بخشبندی غلط تصویر میشوند .الگوریتم خوشهبندی فازی C میانگین (FCM) روشی رایج برای بخشبندی تصاویر MRمغز است، اما صحت عملکرد این الگوریتم در حضور نویز بسیار کاهش مییابد .بنابراین جهت بهبود عملکرد الگوریتمFCM ، محققان جذب همسایگی را که میزان جذب، وابسته به موقعیت نسبی و ویژگیهای پیکسلهای همسایهها است، معرفی کردند .با این وجود تعیین درجه جذابیت بسیار چالش برانگیز است و بطور چشمگیری نتایج خوشهبندی را تحت تاثیر قرار میدهد .در این تحقیق درجه جذابیت بهینه با استفاده ازالگوریتمهای فراابتکاری از جمله الگوریتمهای بهینهسازی گروه ذرات(PSO) ، الگوریتم ژنتیک(GAs) ، الگوریتم ترکیبی GAs-PSO و الگوریتم جستجوی فاخته (CS) محاسبه شده سپس از الگوریتمهای ترکیبی مبتنی بر FCM بهبودیافته (IFCM) برای بخشبندی تصاویر مختلف شبیهسازی شده MR مغز که آلوده به نویز شدهاند، استفاده شده است .با توجه به نتایج کمی و کیفی، الگوریتمهای پیشنهادی بطور چشمگیری الگوریتم FCM استاندارد را بهبود بخشیده و صحت بطور میانگین به مقدار ۱/۷ افزایش یافته است .در این میان الگوریتمCS - IFCM صحت بالاتری داشته و الگوریتمBS-IFCMبه دلیل ترکیب کردن نقاط قوت دو الگوریتم PSO و GAs صحت بالاتری نسبت به این دو الگوریتم دارد .اما الگوریتم GAs نتوانست به خوبی سه الگوریتم دیگر به راهحلهای مناسب دست یابد .در میان الگوریتمهای CS ، BS و PSO الگوریتم PSO سریعتر همگرا شده و الگوریتم BS دیرتر به همگرایی میرسد