Meta sezgisel yöntemlerle çok seviyeli görüntü eşikleme

• Published in: Gazi Üniversitesi Mühendislik Mimarlık Fakültesi dergisi 2021-01, Vol.36 (1), p.213-224
• Main Authors: Ölmez,Yağmur, Şengür,Abdülkadir, Özmen Koca,Gonca
• Format: Article
• Language: Turkish
• Subjects: Mimarlık ve Tasarım; Mühendislik
• ISSN: 1300-1884; 1304-4915
• DOI: 10.17341/gazimmfd.727811

Bu çalışmada, hesaplama zamanını azaltmak ve çok seviyeli eşikleme performansını geliştirmek için PSO yönteminin hızlı yakınsama oranı dikkate alınarak iki boyutlu yerel olmayan histograma dayalı çok seviyeli bir eşikleme yöntemi (2DYOH-PSO) önerilmiştir. Önerilen 2DYOH-PSO yöntemi iki boyutlu Renyi’nin entropisine dayalı eşikleme yöntemi kullanılarak gerçekleştirilmiştir. Deneysel çalışmalar, Berkeley- Benchmark veri setindeki 300 görüntü için farklı seviyeli eşik değerleri dikkate alınarak yapılmıştır. Var olan 5 farklı eşik belirleme yöntemi (Diferansiyel Gelişim, Yapay Arı Algoritması, Yer Çekimi Arma Algoritması, Kbest Yer Çekimi Arma Algoritması, Kaotik Kbest Yer Çekimi Arma Algoritması) ile karşılaştırılarak, önerilen 2DYOH-PSO yönteminin performansı değerlendirilmiştir. 2DYOH-PSO yönteminin başarımı 12 farklı performans değerlendirme endeksi kullanılarak belirlenmiştir. 2DYOH-PSO ile 3 seviyeli eşikleme işlemi gerçekleştirildiği durumda, mevcut 5 farklı yöntem ile 12 performans değerlendirme indeksi bakımından yapılan bölütleme işlemlerinin başarımları BDE’de %2,63 oranında, PRI’de %0,83 oranında SSIM’de %15,5 oranında, RMSE’de %13,2 oranında, PSNR’de %8,63, CC’de %35 oranında, AD’de %13,9 oranında, MD’de %14,75 oranında, NAE %10 oranında iyileşme sağlanmıştır. 2DYOH-PSO ile 5 seviyeli eşikleme işlemi gerçekleştirildiği durumda ise Berkeley-Benchmark veri setindeki görüntülerin bölütlenmesinde ki başarımın BDE’de %1, VOI’de %1,4, SSIM’de %1,3, FSIM’de %0,66, RMSE’de %0,46, PSNR’de %0,46, CC’de %21,69, AD’de %0,84 oranında iyileştiği deneysel sonuçlar ile gösterilmiştir.