چکیده: بخشبندی تصویر و پیدا کردن اشیاء در تصاویر همواره یک کار مهم در بینایی ماشین بوده است. هم-بخشبندی به معنای بخشبندی قسمت های مشترک)شی های مشترک(در دو تصویر یا یک مجموعه تصاویر به صورت همزمان است این قسمت های مشترک می تواند یک شی صلب، غیر صلب، صحنه و شی های مشابه از یک کلاس باشند. همچنین، اشیا می توانند از دیدگاه های مختلف نیز دیده شوند. در این پژوهش به یک مسئله ای در زمینه هم بخشبندی تصویر می پردازیم که آن را همبخشبندی چند پیش زمینه ای می نامند به این صورت که تعدادی پیش زمینه در کل مجموعه تصاویر خود داریم و در هر تصویر، زیرمجموعه ای از کل پیش-زمینه ها وجود دارد. این قضیه در تضاد با مشکل هم بخشبندی کلاسیک که توسط بیشتر الگوریتم های موجود ارائه شده است می باشد. چون که فرضشان ساده تر می باشد. این پژوهش یک روش بهینه برای هم بخش بندی با چند پیش زمینه ارائه می کند که هیچ فرضی روی پس زمینه نمی سازد و محدودیت های موجود در روش های قبل را که باعث تحمل خطا می شدند را ندارد. در این تحقیق از یک طرح تکراری استفاده می شود، که متناوباً یک روال مدل کردن پیش زمینه و مدل تخصیص ناحیه را اجرا می کند. هر دو روشی که در دو مرحله فوق مورد استفاده قرار می دهیم دارای بهینگی مناسبی می باشند. بطور کلی، الگوریتم ارائه شده، به اندازه کافی برای تشکیل کلاسبندی پیشرفته هر پیش-زمینه انعطاف پذیر است و ناحیه مشخص شده در یک روال انتخابی ترکیبی مورد ارزیابی قرار می گیرد. این الگوریتم دارای چندین مشخصه خوب قابل لمس مانند پیچیدگی خطی و دقت در تشخیص است.