Browsing by Author "Jama, Bashir Sheikh Abdullahi"

Now showing 1 - 2 of 2

Modified Region Growing Method for Image Segmentation Using Ant Lion Optimization Algorithm
(2020) Jama, Bashir Sheikh Abdullahi; Akhan Baykan, Nurdan
Image segmentation is a significant step in image processing that applies to various fields. These fields include machine vision, object detection, astronomy, biometric recognition systems (face, fingerprint, plate, and eye), medical imaging, video surveillance, and many other image-based technologies. Efficient image segmentation is one of the most important tasks and critical roles in automatic image processing. Especially in engineering studies, finding the most suitable solutions for problems is one of the important research topics. Bio-inspired algorithms such as Particle Swarm Optimization (PSO), Ant Colony Optimization (ACO), Artificial Bee Colony (ABC), and Bat Algorithm (BAT), etc. are used to find the optimal solutions in search spaces and Ant Lion Optimization (ALO) is one of these algorithms. In recent years, bio-inspired algorithms are used to optimize the segmentation parameters of the images. This research proposes a modified region growing (RG) image segmentation approach using bio-inspired ALO. Region growing (RG) has three main problems as the selection of the right seeds, the number of seeds, and the region growing strategy. Therefore, ALO was used to solve seed selection problems in RG. In this study, firstly, the median filter was applied to the inputs to improve the quality of the images. Subsequently, the region growing segmentation was carried out using optimal seed points obtained from the ALO. For obtaining the optimal seeds, ALO was used to solve the limitations of RG during the segmentation process. The success of the proposed approach was tested using some images taken from the BSDS300 (Berkeley) dataset. The experimental results show that the proposed method segments almost all the images.
Modifiye Edilmiş Karınca Aslanı Optimizasyon Algoritması Kullanılarak Bölge Büyütme Yöntemi ile Gri Seviye Görüntü Segmentasyonu
(Konya Teknik Üniversitesi, 2021) Jama, Bashir Sheikh Abdullahi; Baykan, Nurdan
Görüntü segmentasyonu, çeşitli alanlar için geçerli olan görüntü işlemenin önemli bir adımıdır. Bu alanlar arasında makine görmesi, nesne algılama, astronomi, biyometrik tanıma sistemleri (yüz, parmak izi, plaka ve göz), tıbbi görüntüleme, video izleme ve diğer birçok görüntü tabanlı teknoloji bulunmaktadır. Etkili görüntü segmentleme, otomatik görüntü işlemede en önemli işlemlerden ve kritik rollerden biridir. Özellikle mühendislik çalışmalarında, problemlerde en uygun çözümleri bulmak önemli araştırma konularından biridir. Arama alanlarında en uygun çözümleri bulmak için Parçacık Sürü Optimizasyonu (PSO), Karınca Algoritması (KA), Yapay Arı Kolonisi (YAK) ve Yarasa Algoritması (YA) gibi biyo-esinlenmiş algoritmalar kullanılmaktadır ve Karınca Aslanı Optimizasyonu (KAO) bu algoritmalardan biridir. Son yıllarda, görüntülerin segmentleme parametrelerini optimize etmek için biyo-esinlenmiş algoritmalar kullanılmaktadır. Bu tez çalışması, bölge büyütme (BB) segmentasyon problemini çözmek için, biyo-esinlenmiş Karınca Aslan Optimizasyon algoritmasının (mKAO) modifiye edilmiş bir versiyonunu sunmaktadır. Algoritmanın modifikasyonu, yeni bir dengeli konum güncellemesi ve esnek rastgele yürüyüş sınırı yöntemi kullanılarak yapılmıştır. Uygulama sırasında, görüntülerin kalitesini artırmak için, giriş görüntülerine ortanca filtresi uygulanmıştır. Daha sonra mKAO yardımıyla optimum tohum noktaları bulunarak, bölge büyütme segmentasyon işlemi gerçekleştirilmiştir. Önerilen yaklaşımın başarısı, BSDS300 (Berkeley-300) veri setinden alınan görüntüler kullanılarak test edilmiştir. Ayrıca literatürdeki farklı algoritma sonuçları ile de önerilen algoritma karşılaştırılmıştır. Sonuçlar J_e,d_max,d_min,DBI,XBI ve Yapısal Benzerlik İndeksi (YBİ), Tepe Sinyal-Gürültü Oranı (TSGO), Özellik Benzerlik İndeksi (ÖBİ), Sınır Yer Değiştirme Hatası (SYDH), Global Tutarlılık Hatası (GTH), Korelasyon Katsayısı (KK) olarak farklı karşılaştırma metrikleri ile sunulmuştur. Deneysel sonuçlar, önerilen yöntemin literatürdeki yöntemlerle rekabetçi sonuçlar ortaya koyduğunu göstermiştir.