تحسين ميزات مصفوفة التواجد المشترك للمستوى الرمادي باستخدام خوارزمية مستعمرة النحل الاصطناعية لتصنيف الصور ذات المحتوى النسيجي

الملخص

تعتبر مصفوفة التواجد المشترك للمستوى الرمادي (GLCM) واحدة من أكثر طرق تحليل واستخراج ميزات الصور ذات المحتوى النسيجي شيوعًا. يعتبر الإختيار المناسب للمعلمات في طريقة  GLCM  من المشاكل الأساسية في تحسين دقة تصنيف الصور النسيجية. الكثير من الباحثين يعتمد على طريقة التجربة لإختيار أفضل خليط من المعلمات  لطريقة استحراج الميزات GLCM، والتي تعتبر مرهقة وتستغرق وقتا طويلا. يقترح الباحثون في هذه  الورقة طريقة تحسين جديدة لإختيار معلمات GLCM بالإعتماد على خوارزمية مستعمرة النحل الاصطناعية (ABC) لتحسين التصنيف الثنائي للصور ذات الطابع النسيجي. لإختبار الطريقة الجديدة، تم إستخدام 13 من الميزات (Haralick Features) مع الشبكة العصبية متعدد الطبقات ، وبالإعتماد على  قاعدة بيانات صور النسيج UMD. أثبتت النتائج نجاح الطريقة المقترحة في إيجاد أفضل خليط  من المعاملات لطريقة  GLCM والتي تؤدي إلى أفضل أداء لدقة التصنيف الثنائي لصور النسيج.