Tez No	İndirme	Tez Künye	Durumu
597370		Renkli görüntülerin çok katmanlı eşiklerle ayrıştırılması / Segmentation of color images with multilevel thresholds Yazar:TAYMAZ FARSHI RAHKAR Danışman: PROF. DR. RECEP DEMİRCİ Yer Bilgisi: Gazi Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Bilgisayar Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora Türkçe 2019 109 s.
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.
In image clustering, it is desired that pixels assigned in the same class must be the same or similar. In other words, the homogeneity of a cluster must be high. In gray scale image segmentation, the specified goal is achieved by increasing the number of thresholds. However, the determination of multiple thresholds is a typical issue. Moreover, the conventional thresholding algorithms could not be used in color image segmentation. In this study, a new color image clustering algorithm with multilevel thresholding has been presented and, it has been shown how to use the multilevel thresholding techniques for color image clustering. Thus, initially, threshold selection techniques such as the Otsu and Kapur methods were employed for each color channel separately. The objective functions of both approaches have been integrated with the forest optimization algorithm (FOA) and particle swarm optimization (PSO) algorithm. In the next stage, thresholds determined by optimization algorithms were used to divide color space into small cubes or prisms. Each sub-cube or prism created in the color space was evaluated as a cluster. As the volume of prisms affects the homogeneity of the clusters created, multiple thresholds were employed to reduce the sizes of the sub-cubes. The performance of the proposed method was tested with different images. To evaluate the performance of the proposed approach, the algorithm was compared with the most commonly used fuzzy C-means (FCM) clustering method in image clustering. The results were found to be more effective than traditional methods. In addition, although the performance of the FCM method depends on the image size and the number of clusters, the proposed method works independently from these two elements.