Hibrit yapay arı kolonisi - ateş böceği optimizasyon yöntemi ile görüntülerde belirginlik tespiti
Saliency detection based on hybrid artificial bee colony and firefly optimization
- Tez No: 755202
- Danışmanlar: DOÇ. DR. NUMAN ÇELEBİ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bağımlılık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Görüntülerde belirginlik tespiti (saliency detection) son yıllarda popüler olan bir görüntü işleme dalıdır. Belirginlik tespitinde, insan gözünün çalışması taklit edilir ve görüntülerde ilk odaklanılan alanın bulunması amaçlanır. Göze çarpan alanların tespit edilmesi, nesne tanıma, görüntü bölütleme ve video izleme gibi problemleri çözmek için geliştirilen modellere alternatif olarak kullanılabilecek bir yöntemdir. Bu durum, belirginlik tespitini görüntü işlemede önemli bir yere sahip kılmaktadır. Optimizasyon algoritmalarının görüntü işleme problemlerine uygulanması oldukça yaygın bir araştırma alanıdır. Bu çalışmada, görüntülerde belirginlik tespiti probleminin çözümünde, yapay arı kolonisi (artificial bee colony - ABC) ve ateş böceği (firefly - FA) optimizasyon yöntemlerinden yararlanılarak geliştirilen hibrit yöntem (hybrid artificial bee colony firefly algorithm – HABCFA) kullanılmıştır. Bir görüntüdeki göze çarpan alanı veya nesneyi tespit etmek için geliştirilen algoritmalar genel olarak aşağıdan - yukarıya ve yukarıdan - aşağıya yöntemler olarak iki grupta ele alınmaktadır. Aşağıdan – yukarıya olan yöntemler görüntülerden elde edilebilen verileri kullanırken, yukarıdan – aşağıya olan yöntemler öğrenme tabanlı sistemlere ihtiyaç duymaktadır. Bu çalışmadaki yaklaşım görüntünün renk bilgisinden yararlandığından dolayı aşağıdan – yukarıya sınıfına dahil olmaktadır. Belirginlik tespiti sürecinde, göze çarpan bölgelerin daha hassas bir şekilde çıkarılmasını sağlamak ve daha optimum bir arka plan değeri elde etmek için süper-piksel tabanlı bir sınıflandırma yöntemi olan SLIC yöntemi ön işlem aşamasında kullanılmıştır. Ön işlem aşamasından sonra görüntünün kenar bölgelerinden elde edilen arka plan değeri, HABCFA yöntemi ile optimize edilmekte ve görüntüye en uygun arka plan değeri bulunmaktadır. Optimum arka plan değerinin mevcut görüntüden çıkarılması ile belirginlik haritası (saliency map) elde edilmektedir. Yapılan deneylerde, HABCFA belirginlik tespiti yöntemi, yaygın olarak kullanılan MSRA-1000, ECSSD, ICOSEG ve DUTOMRON veri kümeleri kullanılarak, literatürdeki 11 state-of-the art yöntem ile karşılaştırılmıştır. HABCFA'nın herhangi bir ekstra maske veya eğitim aşaması gerektirmeden elde ettiği sonuç görüntüleri, diğer yöntemlerin sonuçları ile karşılaştırıldığında, HABCFA'nın etkili olduğu görülmüştür. Ayrıca ABC, FA ve HABCFA yöntemleri, yakınsama oranı ve çalışma süreleri açısından bilinen dört kıyaslama problemi ile karşılaştırılmış ve HABCFA diğer iki optimizasyon yönteminden daha iyi bir performans üretmiştir.
Özet (Çeviri)
In recent years, saliency detection in images has become a major image processing field. The human eye's focusing function is emulated in salience detection, which aims to discover the first focused area in images. The method of detecting salient areas can be utilized instead of the models established to handle problems like object recognition, image segmentation, and video surveillance. As a result, salience detection is a significant aspect of image processing. The use of optimization techniques to solve image processing difficulties is a popular research topic. In this study, a hybrid approach (hybrid artificial bee colony firefly algorithm – HABCFA) was developed by combining artificial bee colony (ABC) and firefly (FA) optimization methods to answer the problem of salience detection in images. Bottom-up and top-down approaches are two types of algorithms created to find the most important area or object in an image. Top-down methods require learning-based systems, whereas bottom-up methods rely on data received from images. This study's approach is classified as bottom-up because it makes use of the image's color information. During the preprocessing stage, the SLIC approach, which is a super-pixel-based classification method, was utilized to extract salient regions more precisely and obtain a more ideal background value for the salience detection process. Following the preprocessing stage, the HABCFA method is used to optimize the background value obtained from the image's edge regions, resulting in the best acceptable background value for the image. The ideal background value is subtracted from the current image to produce a saliency map. In the experiments, using the popular MSRA-1000, ECSSD, ICOSEG, and DUTOMRON datasets, the HABCFA salience detection approach was compared to 11 state-of-the-art methods in the literature. When the results of HABCFA without any additional masking or training steps were compared to the results of other approaches, it was discovered that HABCFA was effective. In addition, in terms of convergence rate and running times, the ABC, FA, and HABCFA methods were compared to four known comparison problems, with HABCFA outperforming the other two optimization methods.
Benzer Tezler
- Etmen tabanlı benzetimde parametre ayarlama
Parameter tuning in agent based simulation
RABİA KORKMAZ TAN
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞEBNEM BORA
- Karga ve yarasa tabanlı algoritmaların yeni versiyonlarının geliştirilmesi ve performanslarının değerlendirilmesi
Development of new versions of crow and bat based algorithms and evaluation of their performance
ZAHER AKHDIR
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA DANACI
- Yeni ve gelişmekte olan yarı iletken cihazlar için teknoloji gerçeklemesi, modelleme, devre tasarımı ve simülasyonu: Organik ince film transistör ve dört-uçlu anahtar cihazları
Technology implementation, modeling, circuit design and simulation for emerging semiconductor devices: Organic thin film transistor and four-terminal switch devices
NİHAT AKKAN
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HERMAN SEDEF
DOÇ. DR. MUSTAFA ALTUN
- Application of recent optimization algorithms on slope stability problems
Şev stabilite analizlerinin optimizasyon teknikleri kullanılarak değerlendirilmesi
SADRA AZIZI
Yüksek Lisans
İngilizce
2018
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR PEKCAN
- Derin öğrenme yöntemleri kullanarak hiperspektral imgelerin sınıflandırılmasına yönelik yeni yaklaşımlar
New approaches for hyperspectral image classification using deep learning
HASAN BADEM
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BAŞTÜRK