Gelişmiş Arama

Basit öğe kaydını göster

dc.contributor.authorToprak, Ahmet Nusret
dc.contributor.authorŞahin, Ömür
dc.contributor.authorKurban, Rifat
dc.date.accessioned2025-01-07T12:33:13Z
dc.date.available2025-01-07T12:33:13Z
dc.date.issued2024en_US
dc.identifier.issn1309-1751
dc.identifier.urihttps://doi.org/10.17780/ksujes.1414212
dc.identifier.urihttps://hdl.handle.net/20.500.12573/2428
dc.description.abstractImage segmentation, the process of dividing an image into various sets of pixels called segments, is an essential technique in image processing. Image segmentation reduces the complexity of the image and makes it easier to analyze by dividing the image into segments. One of the simplest yet powerful ways of image segmentation is multilevel thresholding, in which pixels are segmented into multiple regions according to their intensities. This study aims to explore and compare the performance of the well-known swarm-based optimization algorithms on the multilevel thresholding-based image segmentation task using brain MR images. Seven swarm-based optimization algorithms: Particle Swarm Optimization (PSO), Artificial Bee Colony (ABC), Gray Wolf Optimizer (GWO), MothFlame Optimization (MFO), Ant Lion Optimization (ALO), Whale Optimization (WOA), and Jellyfish Search Optimizer (JS) algorithms are compared by applying to brain MR images to determine threshold levels. In the experiments carried out with mentioned algorithms, minimum cross-entropy, and between-class variance objective functions were employed. Extensive experiments show that JS, ABC, and PSO algorithms outperform others.en_US
dc.description.abstractBir görüntüyü bölüt adı verilen çeşitli piksel kümelerine ayırma işlemi olan görüntü bölütleme, görüntü işlemede önemli bir tekniktir. Görüntü bölütleme, görüntünün karmaşıklığını azaltmakta ve görüntüyü bölütlere ayırarak analiz edilmesini kolaylaştırmaktadır. Görüntü bölütlemenin en basit ancak etkin yollarından biri, piksellerin değerlerine göre birden çok bölgeye ayrıldığı çok düzeyli eşiklemedir. Bu çalışma, yaygın kullanılan sürü tabanlı optimizasyon algoritmalarının beyin MR görüntülerinde çok düzeyli eşikleme tabanlı görüntü bölütleme performansını araştırmayı ve karşılaştırmayı amaçlamaktadır. Yedi sürü zekâsı temelli optimizasyon algoritması: Parçacık Sürü Optimizasyonu (PSO), Yapay Arı Kolonisi (ABC), Gri Kurt Optimize Edici (GWO), Güve Alevi Optimizasyonu (MFO), Karınca Aslanı Optimizasyonu (ALO), Balina Optimizasyonu (WOA) ve Denizanası Arama Optimizasyon (JS) eşik seviyelerini belirlemek üzere beyin MR görüntülerine uygulanarak karşılaştırılmaktadır. Bahsi geçen algoritmalar ile yapılan deneylerde minimum çapraz entropi ve sınıflar arası varyans amaç fonksiyonları kullanılmıştır. Kapsamlı deneyler, JS, ABC ve PSO algoritmalarının daha iyi performans sergilediğini göstermektedir.en_US
dc.language.isoengen_US
dc.publisherKahramanmaraş Sütçü İmam Üniversitesien_US
dc.relation.isversionof10.17780/ksujes.1414212en_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectImage segmentationen_US
dc.subjectmultilevel thresholdingen_US
dc.subjectswarm-based optimizationen_US
dc.subjectminimum cross-entropyen_US
dc.subjectbetween-class varianceen_US
dc.subjectGörüntü bölütlemeen_US
dc.subjectçok seviyeli eşiklemeen_US
dc.subjectsürü zekâsı tabanlı optimizasyonen_US
dc.subjectminimum çapraz entropien_US
dc.subjectsınıflar arası varyansen_US
dc.titleMULTILEVEL THRESHOLDING FOR BRAIN MR IMAGE SEGMENTATION USING SWARM-BASED OPTIMIZATION ALGORITHMSen_US
dc.title.alternativeSÜRÜ ZEKASI TEMELLİ OPTİMİZASYON ALGORİTMALARI KULLANILARAK ÇOK SEVİYELİ EŞİKLEME İLE BEYİN MR GÖRÜNTÜLERİNİN BÖLÜTLENMESİen_US
dc.typearticleen_US
dc.contributor.departmentAGÜ, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümüen_US
dc.contributor.authorID0000-0002-0277-2210en_US
dc.contributor.institutionauthorKurban, Rifat
dc.identifier.volume27en_US
dc.identifier.issue3en_US
dc.identifier.startpage726en_US
dc.identifier.endpage754en_US
dc.relation.journalKahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi/Kahramanmaras Sutcu Imam University Journal of Engineering Sciencesen_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanıen_US


Bu öğenin dosyaları:

Thumbnail

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster