ARI KOLONİ OPTİMİZASYON YÖNTEMİ İLE GRİ SEVİYELİ GÖRÜNTÜ BÖLÜTLEME

Abstract

Gri seviye ve renkli görüntülerin sayısal olarak değerlendirilmesinde bölütleme önemli bir basamaktır. Görüntü bölütleme işlemi, verilen bir resmi benzer özelliklere sahip farklı bölgelere ayırmaktır. En temel bölütleme yöntemi eşikleme tekniği olsa da zaman içerisinde bu yöntem yetersiz kalmıştır. Bu tez çalışmasında gri seviyeli görüntülerin bölütlenmesinde dalgacık dönüşümü, entropi fonksiyonu ve yapay arı koloni algoritması kullanan yeni bir yöntem geliştirilmiştir. Görüntünün öz niteliklerini elde etmek için dalgacık dönüşümünden faydalanılmıştır. Dalgacık analizi sonuçları üzerinde optimum eşik değere ulaşmak için entropi fonksiyonu kullanılmıştır. Entropi fonksiyonu en uygun eşik değeri vermesi için yapay arı koloni algoritması ile optimize edilmiştir. Optimizasyon algoritmaları arasında yeni geliştirilen bir teknik olan ve sürü zekâsına dayanan arı koloni algoritması sayesinde en uygun eşik değer elde edilerek görüntünün eşik değeri otomatik olarak bulunmuştur. Uygulanan yöntem bazı görüntülerde istenen sonucu vermese de özellikle hız bakımından oldukça uygun bir yöntemdir. Ayrıca yapay arı koloni algoritması ile görüntü bölütleme literatürüne zenginlik kazandırılmıştır. Geliştirilen teknik türev gibi işlemler içermediği için matematiksel karmaşıklık açısından oldukça uygundur. Anahtar Kelimeler: Gri seviye dokulu görüntü bölütleme, Sürü zekâsı, Yapay arı koloni algoritması, Dalgacık dönüşümü, Entropi fonksiyonu

Digitally evaluation of the gray scale and color images in an important step. Image segmentation process is partitioning a given image according to various features. Image thresholding is known as the basic image segmentation method but it is not enough good for all image segmentation applications. In this thesis, a new method is proposed based on wavelet transformation, entropy function and artificial bee colony algorithm for gray texture segmentation. For feature extraction, the wavelet transformation is used. The entropy function is used to find the optimum threshold on the normalized wavelet coefficients. Fort his purpose, an optimization procedure called the artificial bee colony algorithm is used. Artificial bee colony algorithm, which is based on the swarm intelligence is an optimization algorithm and used for finding the optimum automatic threshold fort he segmentation of the input image. Based on the experimental results, the proposed method yields better segmentation results. The proposed method yields worse results for several images but the running time of the algorithm is considerable short. Key Words: Gray texture image segmentation, Swarm intelligence, Artificial bee colony algorithm, Wavelet transform, Entropy function.