fa روش جدید تقطیع تصویر بر مبنای خوشه‌بندی فازی مبتنی بر تکامل تفاضلی چندهدفه مخابرات Communication پژوهشي Research <p><span dir="RTL">تقطیع تصویر یکی از اساسی‌ترین و دشوارترین مراحل هر مسأله بینایی ماشین است که اغلب حصول نتیجه‌ی مطلوب در آن منوط به تحقق اهداف متفاوتی است. یک رویکرد برای حل این مسأله، خوشه‌بندی فازی چندهدفه‌ی پیکسل‌ها در فضای ویژگی است. این مقاله یک استراتژی جدید جستجو&nbsp; برای یافتن افراز بهینه‌ی پیکسل‌ها پیشنهاد می‌دهد که در چارچوب بهینه‌سازی تکامل تفاضلی چندهدفه است. براین‌اساس، تمامی خوشه‌های کدشده در جمعیت یک نسل خوشه‌بندی می‌شوند و هر مرکزثقل یک بردار اعطاکننده، از مراکز خوشه‌ی&nbsp; موجود در یک خوشه‌ی واحد ساخته می‌شود.&nbsp; از این طریق بعد فضای جستجو&nbsp; کاهش می‌یابد و جستجو برای هر مرکز ثقل به ناحیه‌ای متفاوت از فضای ورودی متمرکز می‌شود و درعین‌حال، مراکز خوشه‌ی یک افراز فازی، جدایی خود را از هم حفظ می‌کنند. عملکرد الگوریتم پیشنهادی با دو روش خوشه‌بندی فازی چندهدفه‌ی دیگر در تقطیع تعدادی از تصاویر پایگاه داده‌ی دانشگاه برکلی مقایسه شده است. بررسی دیداری و کمی نتایج حکایت از تطابق بهتر تقطیع حاصل از روش پیشنهادی با تقطیع مرجع دارد.</span></p> <p>Image segmentation is one of the most important and difficult steps in machine vision problems and achieving the desired results often requires satisfaction of different objectives. One approach to face this situation uses multi-objective fuzzy clustering of pixels in the feature space. This paper proposes a new strategy for search within the family of multi-objective differential evolution algorithms with the purpose of finding optimal partitions of pixels.&nbsp; Based on this, all of the encoded clusters in the population of one generation are clustered and each centroid of one donor vector is made with centers from a unique cluster. Through the search space dimension is reduced and searching for each centroid focused on the different area of input space while cluster centers of one fuzzy partition preserve separation. The performance of the proposed method is compared with two other multi-objective fuzzy clustering methods to segment a number of images from the Berkeley segmentation database. Visual and quantitative evaluations show that the proposed method has a better match with the ground truths than the other methods.</p> تقطیع تصویر, خوشه‌بندی, بهینه‌سازی چندهدفه, تکامل تفاضلی. Image segmentation, Clustering, Multi-objective Optimization, Differential Evolution. 103 114 http://jiaeee.com/browse.php?a_code=A-10-1-34&slc_lang=fa&sid=1 P. Parsa پویا پارسا 10031947532846001309 10031947532846001309 Yes دانشکده مهندسی کامپیوتر و فناوری اطلاعات- دانشگاه صنعتی امیرکبیر- تهران- ایران R. Safabakhsh رضا صفابخش 10031947532846001310 10031947532846001310 No دانشکده مهندسی کامپیوتر و فناوری اطلاعات- دانشگاه صنعتی امیرکبیر- تهران- ایران