Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2019
Tezin Dili: Türkçe
Öğrenci: TAYMAZ FARSHI RAHKAR
Danışman: RECEP DEMİRCİ
Özet:Görüntü kümelemede aynı sınıfa atanan piksellerin aynı veya benzer olması beklenir. Başka bir ifade ile oluşan kümenin homojenliği yüksek olmalıdır. Gri seviyeli görüntülerin ayrıştırılmasında belirlenen hedefe eşik sayısı artırılarak ulaşılabilir. Bununla birlikte kullanılacak çoklu eşiklerin tespiti tipik bir problemdir. Ayrıca geleneksel eşikleme algoritmaları renkli görüntülerin ayrıştırılmasında kullanılamamaktadır. Bu çalışmada çok seviyeli eşikleme tekniklerinin renkli görüntülerin kümelenmesi için nasıl kullanılacağı gösterilmiş ve yeni bir sınıflandırma algoritması geliştirilmiştir. Başlangıçta her bir kanal için Otsu ve Kapur yöntemleri ile çok seviyeli eşikler bulunmuştur. Her iki yaklaşımın amaç fonksiyonlarının maksimum değerleri, orman optimizasyon algoritması (OOA) ve parçacık sürü optimizasyon (PSO) algoritması ile ayrı ayrı tespit edilmiştir. Bir sonraki aşamada renk uzayını küçük küplere veya prizmalara bölmek için optimizasyon algoritmaları tarafından belirlenen eşikler kullanılmıştır. Renk uzayında oluşturulan her alt prizma bir küme olarak değerlendirilmiştir. Prizmaların hacimleri oluşturulan kümelerin homojenliğini etkilediğinden, alt küplerin hacimlerini azaltmak için çoklu eşikler kullanılmıştır. Önerilen yöntemin performansı farklı görüntülerle test edilmiştir. Geliştirilen yaklaşımın başarımı bulanık C-ortalamalar (fuzzy C-means: FCM) metodu ile karşılaştırılmıştır. Elde edilen sonuçlar tasarlanan algoritmanın geleneksel yöntemlerden daha verimli olduğunu göstermiştir. Ayrıca FCM tekniğinin hesap maliyeti görüntü boyutu ve küme sayısına bağlı olmasına rağmen, önerilen yöntem bu iki unsurdan bağımsız çalışmaktadır.