Tez No	İndirme	Tez Künye	Durumu
550061		Stokastik fraktal arama algoritmasının geliştirilerek deri lezyonu görüntü bölütlemesine uygulanması / Implementation of skin lesion image segmentation with enhanced stochastic fractal search algorithm Yazar:SERDAR PAÇACI Danışman: PROF. DR. OKAN BİNGÖL ; DOÇ. DR. UĞUR GÜVENÇ Yer Bilgisi: Süleyman Demirel Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Metasezgiseller = Metaheuristics	Onaylandı Doktora Türkçe 2019 204 s.
Görüntü işlemede bölütleme, belirli bir görüntüyü renk, doku, kenar ve diğer parametrelere göre anlamlı sınıflara ayıran, en önemli tekniklerden biridir. Son yıllarda, aktif kontur modelleri yaygın olarak görüntü bölütleme için kullanılmaktadır. Aktif kontur modelleri arasında, güçlü ve esnek bir yöntem olan Chan-Vese algoritması, düzey kümesi ve eğri gelişimi tekniklerinin kullanıldığı bölge tabanlı bir modeldir. Bununla birlikte Chan-Vese modelinde, uygun olmayan bir başlangıç maskesinin seçilmesi, özellikle yerel ve global yapılar arasında büyük yoğunluk farkları olan görüntülerde yerel minimum noktalarında sıkışıp kalma problemini ortaya çıkarabilir. Literatürde bölütleme performansını iyileştirmek amacıyla sezgisel optimizasyon algoritmaları kullanılmaktadır. Yapılan tez çalışmasında, stokastik fraktal arama algoritması üzerinde geliştirmeler yapılarak, deri lezyonu görüntü bölütleme problemi üzerinde uygulanmıştır. Algoritma üzerinde geliştirme işlemi ilk olarak literatürde verilen 10 farklı kaotik haritanın stokastik fraktal arama algoritmasının yayılım sürecine eklenmesi ile yapılmıştır. Daha sonra, algoritmanın yayılım sürecinde kullanılan ve Gauss yürümesinin adım uzunluğunu belirleyen standart sapma hesaplama eşitliği güncellenmiştir. Yayılım sürecinde kullanıcının belirlemesi gereken Gauss yürüme fonksiyonu seçiminin, algoritma tarafından seçilmesi sağlanmıştır. Ayrıca, stokastik fraktal arama algoritmasının literatürde verilen kovaryans matrisi uyarlaması-evrim stratejisi (Covariance Matrix Adaptation-Evolution Strategy, CMA-ES) algoritması ile hibrit kullanımı önerilmiştir ve hibrit algoritma CMASFA olarak adlandırılmıştır. Orijinal algoritmanın ve algoritma üzerinde yapılan geliştirmelerin test edilebilmesi için CEC2017 test fonksiyonları kullanılmıştır. Elde edilen hibrit algoritmanın performansı literatürde verilen 17 adet meta-sezgisel algoritma ile karşılaştırılmıştır. Sonuç olarak, CMASFA algoritmasının, karşılaştırma yapılan algoritmalara göre daha iyi sonuçlar ürettiği gözlemlenmiştir. Hibrit CMASFA algoritması, deri lezyonu görüntü bölütleme problemine uygulanmıştır. Lezyonlu bölgenin tespit edilebilmesi için Chan-Vese aktif kontur metodu ile bölütleme işlemi gerçekleştirilmiştir. Bu metodun kullanılmasında bir başlangıç maskesinin belirlenmesi gerekmektedir. Geliştirilen optimizasyon algoritmaları ile bu başlangıç maskesinin üretilmesi sağlanmıştır. Bu optimizasyon sürecinde, algoritmalar karşılaştırılarak, performansları incelenmiştir. Elde edilen verilere göre CMASFA algoritmasının başarılı sonuçlar elde ettiği gözlemlenmiştir.
Segmentation in image processing is one of the most important techniques that distinguishes a certain image into meaningful classes according to color, texture, edge and other parameters. In recent years, active contour models have been generally used for image segmentation. Among the active contour models, Chan-Vese algorithm, a powerful and flexible method, is a region-based model using level set and curve development techniques. However, in the Chan-Vese model, the selection of an improper starting mask may result a problem of being trapped at local minimum points in images with large density differences, especially between local and global structures. In the literature, meta-heuristic optimization algorithms are used to imrove the performance of the segmentation. In the thesis study, the improvements have been made on the stochastic fractal search algorithm and it has been applied on the skin lesion image segmentation problem. The development process on the algorithm was first made by adding the 10 different chaotic maps given in the literature to the diffusion process of the stochastic fractal search algorithm. Then, the equation of the standard deviation calculation, which is used in the diffusion process of the algorithm and which determines the step length of Gaussian walk, has been updated. The selection of the Gaussian walk, determined by the user in the diffusion process, can be selected by the algorithm. In addition, a hybrid algorithm, which composes of stochastic fractal search algorithm and covariance matrix adaptation evolution strategy algorithm, has been proposed and the hybrid algorithm is called CMASFA. The CEC2017 test functions have been used to test the original algorithm and improvements made on the algorithm. The performance of the hybrid algorithm was compared with 17 meta-heuristic algorithms given in the literature. As a result, it was observed that the CMASFA algorithm produces better results than the comparison algorithms. The hybrid CMASFA algorithm was applied to the skin lesion image segmentation problem. Image segmentation was performed with Chan-Vese active contour method to determine the lesion area. In using this method it is required to determine an initial mask. With the developed optimization algorithms, this initial mask is produced. In this optimization process, algorithms were compared and their performances were examined. According to the results, it was observed that CMASFA algorithm obtained successful results in image segmentation.