Sürü zekası yaklaşımlarının renkli görüntü kesimlemeye uyarlanması ve tanıma sistemleri üzerinde gerçekleştirimi
Dosyalar
Tarih
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
Özet
Kesimleme işlemi tanıma sistemlerinin en önemli ve zor aşamasıdır. Bu tezde, sürü zekasına dayalı karınca kolonisi optimizasyonu (KKO) ve parçacık sürü optimizasyonu (PSO) tabanlı renkli görüntü kesimleme yöntemleri geliştirilmiştir. IPSOAntK-means kümeleme algoritması, artırımlı parçacık sürü optimizasyonu (IPSO), KKO ve K-means algoritmalarının melez bir şekilde birleştirilmesi ile geliştirilmiştir. CAVIAR ve Oxford-17 çiçek veritabanları üzerinde denenmiş ve K-Means yönteminden daha başarılı sonuçlar üretmiştir. IPSOAntK-Means algoritması ile kesimlenen çiçekleri tanıyan bir modül de yazılarak test edilmiştir. Bu modülde, çiçeklere ait şekilsel ve renksel öznitelikler çıkarılarak farklı YSA modellerine (FFNN, CFNN, ENN, RBNN, PNN) verilmiştir. Modül, çiçek türlerini %90’ın üzerinde başarı ile tespit edebilmektedir. Geliştirilen diğer yöntem, pikselleri optimum kümelemeyi hedefleyen, bir KKO algoritması olup, genel renkli görüntü kesimlemeye uyarlanmıştır. Berkeley veritabanındaki resimler üzerinde başarılı sonuçlar elde edilmiştir. Ayrıca renkli retina resimlerinde kan damarlarını kesimleyen bir yeni melez algoritma gerçekleştirilmiştir. DRIVE veri kümesi üzerinde test edilerek diğer kan damarı çıkarma algoritmalarıyla karşılaştırılmıştır. Sürü zekasından esinlenen yöntemlerin ilk defa renkli görüntü kesimlemeye uyarlanması ve ürettikleri başarılı sonuçlar değerlendirilmiş ve tartışılmıştır.