تحسين تقسيم الصور باستخدام خوارزمية بحث الزواحف المحسنة مع عامل Gbest لتحديد العتبات متعددة المستويات

يعمل تجزئة الصور باستخدام عتبات ثنائية المستوى بشكل جيد في السيناريوهات البسيطة؛ ومع ذلك، فإن التعامل مع الصور المعقدة التي تحتوي على كائنات أو ألوان متعددة يمثل صعوبات حسابية كبيرة. يُعد تحديد العتبات متعدد المستويات أمرًا بالغ الأهمية في هذه الحالات، ولكنه يُقدم أيضًا مشكلة تحسين صعبة. تقدم هذه الورقة خوارزمية بحث الزواحف (RSA) مُحسّنة تتضمن مُشغل Gbest لتحسين أدائها. تحدد الطريقة المقترحة قيم العتبات المثلى لكل من الصور الرمادية والملونة، باستخدام دوال موضوعية قائمة على الإنتروبيا مستمدة من تقنيتي أوتسو وكابور. أجريت التجارب على 16 صورة مرجعية، والتي تضمنت مسوحات كوفيد-19 إلى جانب صور ملونة ورمادية قياسية. تم إجراء تقييم شامل باستخدام مقاييس مثل دالة اللياقة البدنية، ونسبة الإشارة إلى الضوضاء القصوى (PSNR)، ومقياس مؤشر التشابه الهيكلي (SSIM)، واختبار تصنيف فريدمان. تشير النتائج إلى أن الخوارزمية المقترحة تبدو متفوقة على أحدث الطرق الحالية، مما يدل على فعاليتها ومتانتها في مهام تحديد العتبات متعدد المستويات.