ÇOK SEVİYELİ GÖRÜNTÜ EŞİKLEME PROBLEMİ İÇİN META SEZGİSEL OPTİMİZASYON ALGORİTMASI TASARIMI

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Karadeniz Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Fen Bilimleri Enstitüsü, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: Türkçe

Öğrenci: SAMOUA ALSAMOUA

Danışman: Asuman Günay Yılmaz

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Çok seviyeli görüntü segmantasyonu, görüntülerin anlamlı bölgelere ayrılarak analiz edilmesini sağlayan temel bir tekniktir. Ancak mevcut yöntemler genellikle yüksek hesaplama maliyeti, gürültüye duyarlılık ve çeşitli veri kümeleriyle başa çıkmada yetersizlik gibi sorunlarla karşı karşıyadır. Bu tezde, çok seviyeli görüntü segmentasyonu için özel olarak tasarlanmış iki yeni yaklaşım sunulmaktadır: Uygunluk-Mesafe Dengesi mekanizmasıyla Ağırlıklı Şempanze Optimizasyon Algoritması (WChOA-UMD) ve Güve-Alev Optimizasyonu (MFO), Parçacık Sürü Optimizasyonu (PSO) ve Salp Sürüsü Algoritması (SSA) kullanarak geliştirilen çok aşamalı hibrit algoritmalar (MFO-PSO, MFO-SSA ve MFO-PSO-SSA). Önerilen algoritmalar, çözüm uzayında keşif ve sömürü süreçlerini dengeli bir şekilde yöneterek yakınsama hızını ve segmantasyonu doğruluğunu artırmaktadır. Önerilen yöntemlerin etkinliğini değerlendirmek için Kapur entropisi ve Otsu yöntemi amaç fonksiyonları kullanılarak, 11 yaygın meta sezgisel algoritmayla karşılaştırma yapılmıştır. Deneyler, WChOA-UMD algoritması için m = 2, 4, 6, 8, 10 ve 12 eşik seviyeleri ve 10 görüntü üzerinde, hibrit algoritmalar için ise m = 2, 4, 6 ve 8 eşik seviyeleri ve 100 görüntü üzerinde gerçekleştirilmiştir. Değerlendirme metrikleri olarak PSNR, SSIM ve FSIM kullanılmıştır. Friedman ve Wilcoxon testlerine dayalı istatistiksel analizler, önerilen yöntemlerin segmentasyon başarısını doğrulamaktadır. Anahtar Kelimeler: Meta-Sezgisel Arama Algoritmaları, Uygunluk-Mesafe Dengesi, Çok Seviyeli Eşikleme, Görüntü Segmentasyonu