Çok seviyeli görüntü eşikleme problemi için meta sezgisel optimizasyon algoritması tasarımı
Design of a metaheuristic optimization algorithm for the multilevel image thresholding problem
- Tez No: 948103
- Danışmanlar: DR. ÖĞR. ÜYESİ ASUMAN GÜNAY YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Meta-Sezgisel Arama Algoritmaları, Uygunluk-Mesafe Dengesi, Çok Seviyeli Eşikleme, Görüntü Segmentasyonu, Metaheuristic Search Algorithms, Fitness-Distance Balance, Multilevel Thresholding, Image Segmentation
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 137
Özet
Çok seviyeli görüntü segmantasyonu, görüntülerin anlamlı bölgelere ayrılarak analiz edilmesini sağlayan temel bir tekniktir. Ancak mevcut yöntemler genellikle yüksek hesaplama maliyeti, gürültüye duyarlılık ve çeşitli veri kümeleriyle başa çıkmada yetersizlik gibi sorunlarla karşı karşıyadır. Bu tezde, çok seviyeli görüntü segmentasyonu için özel olarak tasarlanmış iki yeni yaklaşım sunulmaktadır: Uygunluk-Mesafe Dengesi mekanizmasıyla Ağırlıklı Şempanze Optimizasyon Algoritması (WChOA-UMD) ve Güve-Alev Optimizasyonu (MFO), Parçacık Sürü Optimizasyonu (PSO) ve Salp Sürüsü Algoritması (SSA) kullanarak geliştirilen çok aşamalı hibrit algoritmalar (MFO-PSO, MFO-SSA ve MFO-PSO-SSA). Önerilen algoritmalar, çözüm uzayında keşif ve sömürü süreçlerini dengeli bir şekilde yöneterek yakınsama hızını ve segmantasyonu doğruluğunu artırmaktadır. Önerilen yöntemlerin etkinliğini değerlendirmek için Kapur entropisi ve Otsu yöntemi amaç fonksiyonları kullanılarak, 11 yaygın meta sezgisel algoritmayla karşılaştırma yapılmıştır. Deneyler, WChOA-UMD algoritması için m = 2, 4, 6, 8, 10 ve 12 eşik seviyeleri ve 10 görüntü üzerinde, hibrit algoritmalar için ise m = 2, 4, 6 ve 8 eşik seviyeleri ve 100 görüntü üzerinde gerçekleştirilmiştir. Değerlendirme metrikleri olarak PSNR, SSIM ve FSIM kullanılmıştır. Friedman ve Wilcoxon testlerine dayalı istatistiksel analizler, önerilen yöntemlerin segmentasyon başarısını doğrulamaktadır.
Özet (Çeviri)
Multilevel image segmentation is essential for dividing images into meaningful regions for analysis. However, existing methods often suffer from high computational cost, noise sensitivity, and limitations with diverse datasets. This thesis proposes two novel solutions: the Weighted Chimp Optimization Algorithm with Fitness-Distance Balance (WChOA-FDB) and a set of multi-stage hybrid algorithms (MFO-PSO, MFO-SSA, and MFO-PSO-SSA) developed by combining Moth-Flame Optimization (MFO), Particle Swarm Optimization (PSO), and Salp Swarm Algorithm (SSA). These novel algorithms enhance convergence speed and segmentation accuracy by effectively balancing exploration and exploitation. To evaluate their effectiveness, the proposed methods are compared with 11 well-known metaheuristic algorithms: (ABC, CS, DE, GWO, HHO, MFO, PSO, SCA, SOS, SSA, and WOA), using Kapur's entropy and Otsu's method as objective functions. Experiments were conducted on 10 images for WChOA-FDB at threshold levels m = 2, 4, 6, 8, 10 and 12, and on 100 images for the hybrid algorithms at m = 2, 4, 6, and 8. Evaluation metrics include PSNR, SSIM, and FSIM. Statistical analyses using the Friedman and Wilcoxon tests confirm the superiority of the proposed methods. This thesis offers significant contributions to the field of metaheuristic-based image segmentation.
Benzer Tezler
- Kaos temelli meta-sezgisel optimizasyon yöntemleri ile çok seviyeli imge eşikleme
Multi - thresholding using chaos based meta-heuristic optimization methods
FATMANUR ATAR
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TURGAY KAYA
- Optimizasyon yöntemlerinin, görüntü işleme ve makine öğrenmesi uygulamalarına enregrasyonu
Integration of optimization methods into image processing and machine learning applications
YAĞMUR ÖLMEZ
Doktora
Türkçe
2024
Mekatronik MühendisliğiFırat ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GONCA ÖZMEN KOCA
PROF. DR. ABDULKADİR ŞENGÜR
- Üretim otomasyonunda görüntü tabanlı hata tanıma sistemi
Image processing based fault dedection system in manufacturing automation
KADİR BALCI
Yüksek Lisans
Türkçe
2008
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiMühendislik Bilimleri Bölümü
YRD. DOÇ. DR. ABDULLAH BAL
- Çok seviyeli eşikleme probleminin yapay arı kolonisi algoritmaları ile çözülmesi
Solving multilevel tresholding problems with artificial bee colony algorithms
ADEM TURAL
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDumlupınar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. DOĞAN AYDIN
- A New image printing approach
Yeni bir görüntü basma yaklaşımı
AYHAN ÖZTÜRK
Yüksek Lisans
İngilizce
1993
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. MELİH PAZARCI