Modern Metaheuristics in Image Processing

استفاده از الگوریتم‌های فراابتکاری (MA) در سال‌های اخیر افزایش یافته است و زمینه پردازش تصویر نیز از کاربرد آنها مستثنی نیست. در دو سال گذشته مقدار زیادی MA به عنوان جایگزینی برای حل مسائل پیچیده بهینه سازی معرفی شده است. این کتاب برجسته ترین MA در سال های 2019 و 2020 را جمع آوری می کند و استفاده از آن را در وظایف پردازش تصویر تأیید می کند. علاوه بر این، بررسی ادبیات هر دو MA و پردازش تصویر دیجیتال به عنوان بخشی از اطلاعات مقدماتی ارائه شده است. هر الگوریتم با تمرکز ویژه در پارامترهای تنظیم و اجرای مناسب برای وظایف پردازش تصویر به تفصیل توضیح داده شده است. علاوه بر چندین مثال به خواننده اجازه می دهد تا استفاده از این نوع روش های هوشمند را بررسی و تأیید کند. از آنجایی که پردازش تصویر به طور گسترده در حوزه های مختلف مورد استفاده قرار می گیرد، این کتاب انواع مختلفی از مجموعه داده ها را در نظر می گیرد که شامل تصاویر تشدید مغناطیسی، تصاویر حرارتی، تصاویر کشاورزی و غیره است. سپس خواننده می‌تواند ایده‌هایی برای پیاده‌سازی داشته باشد که مکمل نظریه ارائه‌شده هر مکانیزم بهینه‌سازی است. با توجه به مشکلات پردازش تصویر، این کتاب تقسیم بندی را با استفاده از معیارهای مختلف بر اساس آنتروپی ها یا واریانس ها در نظر می گیرد. به همین ترتیب، شناسایی اشکال مختلف و تشخیص اشیا نیز در فصول مربوطه پوشش داده شده است. هر فصل با طیف گسترده ای از آزمایش ها و تجزیه و تحلیل آماری تکمیل شده است که به خواننده اجازه می دهد در مورد عملکرد MA قضاوت کند. در نهایت، بخشی گنجانده شده است که شامل بحث و نتیجه گیری است. این بخش همچنین برخی از سوالات باز و فرصت های تحقیقاتی را برای مخاطبان فراهم می کند.

The use of metaheuristic algorithms (MA) has been increasing in recent years, and the image processing field is not the exempted of their application. In the last two years a big amount of MA has been introduced as alternatives for solving complex optimization problems. This book collects the most prominent MA of the 2019 and 2020 and verifies its use in image processing tasks. In addition, literature review of both MA and digital image processing is presented as part of the introductory information. Each algorithm is detailed explained with special focus in the tuning parameters and the proper implementation for the image processing tasks. Besides several examples permits to the reader explore and confirm the use of this kind of intelligent methods. Since image processing is widely used in different domains, this book considers different kinds of datasets that includes, magnetic resonance images, thermal images, agriculture images, among others. The reader then can have some ideas of implementation that complement the theory exposed of each optimization mechanism. Regarding the image processing problems this book consider the segmentation by using different metrics based on entropies or variances. In the same way, the identification of different shapes and the detection of objects are also covered in the corresponding chapters. Each chapter is complemented with a wide range of experiments and statistical analysis that permits the reader to judge about the performance of the MA. Finally, there is included a section that includes some discussion and conclusions. This section also provides some open questions and research opportunities for the audience.