Digital image edge detection using ant colony optimization method
Karınca koloni optimizasyon algoritmasını kullanarak sayısal görüntü kenarlarının bulunması
- Tez No: 712826
- Danışmanlar: DR. VAHID ASADPOUR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: Farsça
- Üniversite: Islamic Azad University
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Bilim Dalı
- Sayfa Sayısı: 113
Özet
Bu tez çalışmasında, karınca koloni optimizasyon algoritması kullanılarak sayısal görüntülerin kenarı araştırılmıştır. Dijital görüntülerin kenarlarını bulmak için çeşitli yöntemler ve algoritmalar vardır. Son yıllarda oldukça ilgi gören bu yöntemlerden biri de karınca algoritmasının kullanılmasıdır. Karınca Kolony Optimizasyonu (KKO), karıncaların Dünya'da yiyecek aramak için feromonlar bıraktığı, karınca yaşamının doğal davranışından ilham alan bir algoritmadır. Bu tezde, görüntü kenarı algılama problemini çözmek için KKO tanıtılmaktadır. KKO tabanlı kenar algılama yöntemi, görüntü etrafında hareket etmek için oluşturulan bir dizi karıncanın hareketlerine dayalı olarak her kenar piksel konumunda kenar bilgilerini görüntüleyen bir feromon matrisi üretebilir. Ek olarak, karıncaların hareketlerine, görüntü yoğunluğu değerlerinin yerel salınımları neden olur. Kenar görüntüleri, klasik maskelerden elde edilen kenar görüntülerinden daha düşük kalitededir ve bu maskeleri KKO kenar görüntülerine uygulamanın hiçbir etkisi yoktur. Bu tezde, KKO tarafından elde edilen kenar bulma görüntüsünü iyileştirmek için doğadan da ilham alan iki akıllı yöntem kullandık. Birinci yöntemde momentum denetimli öğrenme yöntemi ile yapay sinir ağları kullanılmaktadır. Burada, KKO kenar algılama görüntüsü, yapay sinir ağı için bir öğretmen olarak kullanılır. Deneysel sonuçlar, sinir ağlarının kullanımının KKO'nun görüntü kenarında önemli bir gelişmeye sahip olduğunu göstermektedir. İkinci yöntemde, optimizasyon problemlerinin hızının artmasında ve çözümünde olumlu rol oynayan kombine optimizasyon yöntemlerini kullandık. Bu yöntemde önce yapay karıncalar tarafından bir dizi cevap oluşturulmakta ve daha sonra bu cevapların bilgileri genetik algoritma için faydalı olacak şekilde elde edilmekte, daha sonra bu cevaplar genetik algoritma için başlangıç popülasyonu rolünü üstlenmekte ve Bu cevaplar, bir sonraki popülasyon bir genetik algoritma kullanılarak oluşturulur. Başarılı bir şekilde geliştirilen önerilen yöntemde, simülasyon sonuçlarında kanıtlandığı gibi mevcut kenar bulma algoritması için daha iyi performans elde etmektedir. Ayrıca, önerilen hibrit algoritmamız, araştırma çalışmalarında hesaplama kapasitesini daha da azaltmak için kullanılabilir.
Özet (Çeviri)
This thesis is going to talk about digital image edge detection with Ant Colony Optimization algorithm. Digital image edge detection has various ways and algorithms. One of the must outstanding ways in recent years is the Ant colony optımızatıon algorithm. Ant colony optimization (ACO) is an optimization algorithm inspired by the natural behavior of ant species that ants deposit pheromone on the ground for foraging. In this paper ACO is introduced to tackle the image edge detection. This way is able to establish a pheromone matrix which presents the edge information presented at each pixel position of the image according to the movements of a number of ants which one dispatched to more on the image. In addition, these movements of ants are driven by the local variation of the image's intensity values. The edge detection images of classic masks. The operation of these masks has no result to the image edge detection of ACO. In this paper to improve the image edge detection with ACO we use two intelligent ways that are inspired from the nature, too. The first way uses the neural networks with the observed learning way with momentum. Here we use the image edge detection with ACO as a teacher for the artificial neural network. The experiments results shows that the use of neural network has a considerable improvement in image edge detection with ACO. In the second way, we use the mixed optimization ways which have appropriate part in increasing the velocity and the optimization questions answers. In this way we make one series of answer by artificial ants first, then we change the answers information to the way which is useful for genetic algorithm, these answers play a role of an initial population for genetic algorithm, the next population can be make with genetic algorithm out of the first answers and conclusions of population. As was proved in simulation results, the suggestive way which is successfully established is good for better function of edge detection algorithm, furthermore, the suggestive mixed algorithm can be more used in decreasing of calculating capacities in research works.
Benzer Tezler
- Dinamik algılayıcı öğrenme algoritması ile kenar saptamanın öğrenilmesi
Learning of edge detection using recurrent perceptron learning algorithm
FİLİZ YOSMA TAŞKIN
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ
- Yapay sinir ağlarını kullanarak sayısal görüntülerde kenar tespiti için optimum bir yaklaşım
An optimum approach for digital image edge detection with artificial neural network
YOSSF AHMED AHMED GHİT
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YASEMİN GÜLTEPE
- Analog görüntü işleme ile tüm devre uygulamaları
Integrated circuit applications with analog image processing
BÜŞRA HASILCI
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi-CerrahpaşaElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. FIRAT KAÇAR
- Gevşeme temelli kenar belirleme algoritması
Başlık çevirisi yok
GÜRAY GÜNGÖR
Yüksek Lisans
Türkçe
1998
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiBiyomedikal Mühendisliği Bilim Dalı
DOÇ. DR. TAMER ÖLMEZ
- Dijital görüntü işleme teknikleri kullanılarak görüntülerden detay çıkarımı
Feature extraction from images by using digital image processing techniques
GÜZİDE MİRAY PERİHANOĞLU
Yüksek Lisans
Türkçe
2015
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
ÖĞR. GÖR. MEHMET UFUK ÖZERMAN