Сегментация изображений является одной из самых важных и сложных задач низкоуровневого анализа изображений. Поскольку это один из первых этапов распознавания изображений, то последующие шаги, такие как выделение сущностей, классификация и распознавание, в значительной степени зависят от его результатов. Поэтому сегментация изображений является предметом интенсивных исследований.
Методов сегментации разработано большое число, но каждый из них обладает своими преимуществами и недостатками. Перспективными для исследований представляются новые методы сегментации, основанные на методах роевого интеллекта (муравьиные и роевые алгоритмы, алгоритмы стаи рыб, алгоритмы оптимизации передвижением бактерий и т.п.). Данные алгоритмы основаны на идее моделирования поведения множества агентов, поведение которых исходит из природы, из биологических систем.
В представленной работе выполнены реализация и анализ смешанного алгоритма сегментации K-средних и муравьиных колоний, а также реализована программная система для визуализации и апробации разработанного алгоритма. Проведено тестирование разработанного алгоритма на общедоступных бенчмарках (использован бенчмарк Беркли).
Получены выходные обработанные изображения, а также значения эвристических коэффициентов разработанного алгоритма. Результаты обработки сравнены с результатами, полученными при обработке системой Osiriss.

сегментация, алгоритм муравьиных колоний, алгоритм K-средних, анализ изображений