Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.13091/4071
Title: Coronavirüs Sürü Bağışıklığı Algoritması ile Otsu Tabanlı Optimal Çok Düzeyli Görüntü Eşiği
Authors: Koç, İsmail
Keywords: Coronavirüs sürü bağışıklığı algoritması
yapay zeka
optimizasyon
görüntü eşik seçimi
coronavirus herd immunity optimizer
artificial intelligence
metaheuristic
image threshold selection
Issue Date: 2023
Abstract: Eşik seçimi, görüntü bölütlemede önemli bir rol oynamaktadır. Eşik seçimiyle ilgili en faydalı yöntemler olarak minimum hata yöntemi, iteratif yöntem, entropi yöntemi ve Otsu yöntemi bilinmektedir. Bu çalışmada eşikleme yöntemi olarak Otsu tekniği kullanılmaktadır. Eşik sayısının (K) artmasına bağlı olarak problemin karmaşıklık düzeyi üstel olarak artacağı için matematiksel yöntemler yerine sürü zekâsı algoritması kullanılması daha uygun görülmektedir. Bundan dolayı, bu çalışmada sürü zekâsı algoritması olarak da son yıllarda literatüre kazandırılmış olan Coronavirüs sürü bağışıklığı algoritması (CHIO) kullanılmaktadır. Deneysel çalışmalarda test verisi olarak altı farklı görüntü kullanılmaktadır. K değeri bu çalışmada 2, 3, 4 ve 5 olarak belirlenmektedir. Bu veri seti kullanılarak CHIO algoritması ile literatürde yer alan diferansiyel evrim (differential evolution: DE), gri kurt ( gray wolf optimizer: GWO), parçacık sürü (particle swarm optimization: PSO) algoritmaları gibi başarılı algoritmalarla eşit koşullarda kıyaslanmaktadır. Elde edilen sonuçlara göre, CHIO algoritması kullanılarak 6 test verisi üzerinde yapılan çalışmalarda K=2 olduğunda verilerin %100, K=3 ve 4 iken %83 ve son olarak K=5 iken %50’sinde en iyi sonuçları yakaladığı görülmektedir. Bu sonuçlar ışığında, CHIO algoritmasının çözüm kalitesi açısından rekabet edici olduğu tespit edilmiştir. Sonuç olarak CHIO algoritması çok düzeyli görüntü eşiği problemi için alternatif bir algoritma olabilir.
URI: https://doi.org/10.17671/gazibtd.1172909
https://search.trdizin.gov.tr/yayin/detay/1156381
https://hdl.handle.net/20.500.13091/4071
ISSN: 1307-9697
2147-0715
Appears in Collections:TR Dizin İndeksli Yayınlar Koleksiyonu / TR Dizin Indexed Publications Collections

Files in This Item:
File SizeFormat 
10.17671-gazibtd.1172909-2640757.pdf2.06 MBAdobe PDFView/Open
Show full item record



CORE Recommender

Page view(s)

16
checked on Nov 27, 2023

Download(s)

4
checked on Nov 27, 2023

Google ScholarTM

Check




Altmetric


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.