Gri Kurt Optimizasyon Algoritmasına Dayanan Çok Seviyeli İmge Eşik Seçimi

Koç, İsmail; Baykan, Ömer Kaan; Babaoğlu, İsmail

doi:10.2339/politeknik.389613

Cited by 6 publications

(4 citation statements)

References 45 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…They rank the second in hierarchy. The omega class represents the lowest and the delta class represents any wolf that doesn't belong to any of the categories above (Koc et al, 2018). Additionaly, et al (2016) summarized and listed grey wolves pack as below:…”

Section: Discussionmentioning

confidence: 99%

Comparing Agile Leadership With Biomimicry-Based Gray Wolf: Proposing a New Model

Akkaya

Yazıcı

2020

bmij

View full text Add to dashboard Cite

Biomimicry is a modern interdisciplinary approach that motivates leaders by nature to use its applications. Leadership is not only a subject of study in biology but also in all social sciences. This research focuses on understanding the mechanism behind the coordinated behaviour observed in mobile animal groups in order to assess the impact of leadership models in biology and sociology on group behaviours. In this context, this study aims to reveal the common grounds and to establish bridges between agile leadership and biomimicry by using a new model on grey wolves. The research was done by qualitative analysis method including current literature. The findings reveal that there is a strong relationship between characteristics and qualities agile leadership and of wolves. It is resulted that natural and biological cycles inspire on the leadership models. Understanding this differential impact and the ability of leadership is the key to appreciate the function of group organizations in collective animal systems.

show abstract

Section: Discussionmentioning

confidence: 99%

Comparing Agile Leadership With Biomimicry-Based Gray Wolf: Proposing a New Model

Akkaya

Yazıcı

2020

bmij

View full text Add to dashboard Cite

show abstract

“…With this procedure, Evolutionary Algorithms (EA) are considered with improvements in points such as issue and determination independence, nearby optima evasion, and straightforwardness. Many of these algorithms for example, Firefly Algorithm (FA) [53], GA [54], PSO [24], ABC [55], ALO [56], GWO [57,58], ACO [59] and others have been implemented in image segmentation. Among them, in the study using ALO, Mostafa et al [56] proposed a methodology for liver segmentation based on ALO.…”

Section: Related Workmentioning

confidence: 99%

Karınca Aslanı Optimizasyon Algoritması Kullanarak Görüntü Segmentasyonu İçin Modifiye Edilmiş Bölge Genişletme Yöntemi

Jama¹,

Baykan²

2020

European Journal of Science and Technology

View full text Add to dashboard Cite

Image segmentation is a significant step in image processing that applies to various fields. These fields include machine vision, object detection, astronomy, biometric recognition systems (face, fingerprint, plate, and eye), medical imaging, video surveillance, and many other image-based technologies. Efficient image segmentation is one of the most important tasks and critical roles in automatic image processing. Especially in engineering studies, finding the most suitable solutions for problems is one of the important research topics. Bio-inspired algorithms such as Particle Swarm Optimization (PSO), Ant Colony Optimization (ACO), Artificial Bee Colony (ABC), and Bat Algorithm (BAT), etc. are used to find the optimal solutions in search spaces and Ant Lion Optimization (ALO) is one of these algorithms. In recent years, bio-inspired algorithms are used to optimize the segmentation parameters of the images. This research proposes a modified region growing (RG) image segmentation approach using bio-inspired ALO. Region growing (RG) has three main problems as the selection of the right seeds, the number of seeds, and the region growing strategy. Therefore, ALO was used to solve seed selection problems in RG. In this study, firstly, the median filter was applied to the inputs to improve the quality of the images. Subsequently, the region growing segmentation was carried out using optimal seed points obtained from the ALO. For obtaining the optimal seeds, ALO was used to solve the limitations of RG during the segmentation process. The success of the proposed approach was tested using some images taken from the BSDS300 (Berkeley) dataset. The experimental results show that the proposed method segments almost all the images.

show abstract

“…gri kurt optimizasyon algoritması kullanarak Otsu yöntemiyle eşikleme problemine yeni çözümler üretmiştir. Eşikleme işlemini 6 görüntü üzerinde Otsu yöntemi kullanarak gerçekleştirmişlerdir [16]. Diz evrimsel çok amaçlı algoritma ile yaptıkları çalışmada 6 gri seviye görüntü kullanarak eşikleme işlemini gerçekleştirmişlerdir.…”

Section: Gi̇ri̇ş (Introduction)unclassified

“…DENEYSEL ÇALIŞMALAR (EXPERIMENTAL STUDIES)Bu çalışmada çok seviyeli eşikleme yöntemi olarak Otsu tekniği tercih edilmiştir. Eşikleme yöntemlerinde test etmek amacıyla farklı özelliklere sahip 6 görüntü kullanılmıştır[16]. Optimal eşik seviyesi belirlemek amacıyla da literatürde son yıllarda önerilmiş olan Coronavirüs sürü bağışıklık algoritması (CHIO) kullanılmıştır.…”

unclassified

Otsu Based Optimal Multilevel Image Thresholding Using Coronavirus Herd Immunity Optimizer

Koç

2023

Bilişim Teknolojileri Dergisi

View full text Add to dashboard Cite

Eşik seçimi, görüntü bölütlemede önemli bir rol oynamaktadır. Eşik seçimiyle ilgili en faydalı yöntemler olarak minimum hata yöntemi, iteratif yöntem, entropi yöntemi ve Otsu yöntemi bilinmektedir. Bu çalışmada eşikleme yöntemi olarak Otsu tekniği kullanılmaktadır. Eşik sayısının (K) artmasına bağlı olarak problemin karmaşıklık düzeyi üstel olarak artacağı için matematiksel yöntemler yerine sürü zekâsı algoritması kullanılması daha uygun görülmektedir. Bundan dolayı, bu çalışmada sürü zekâsı algoritması olarak da son yıllarda literatüre kazandırılmış olan Coronavirüs sürü bağışıklığı algoritması (CHIO) kullanılmaktadır. Deneysel çalışmalarda test verisi olarak altı farklı görüntü kullanılmaktadır. K değeri bu çalışmada 2, 3, 4 ve 5 olarak belirlenmektedir. Bu veri seti kullanılarak CHIO algoritması ile literatürde yer alan diferansiyel evrim (differential evolution: DE), gri kurt ( gray wolf optimizer: GWO), parçacık sürü (particle swarm optimization: PSO) algoritmaları gibi başarılı algoritmalarla eşit koşullarda kıyaslanmaktadır. Elde edilen sonuçlara göre, CHIO algoritması kullanılarak 6 test verisi üzerinde yapılan çalışmalarda K=2 olduğunda verilerin %100, K=3 ve 4 iken %83 ve son olarak K=5 iken %50’sinde en iyi sonuçları yakaladığı görülmektedir. Bu sonuçlar ışığında, CHIO algoritmasının çözüm kalitesi açısından rekabet edici olduğu tespit edilmiştir. Sonuç olarak CHIO algoritması çok düzeyli görüntü eşiği problemi için alternatif bir algoritma olabilir.

show abstract

Gri Kurt Optimizasyon Algoritmasına Dayanan Çok Seviyeli İmge Eşik Seçimi

Cited by 6 publications

References 45 publications

Comparing Agile Leadership With Biomimicry-Based Gray Wolf: Proposing a New Model

Comparing Agile Leadership With Biomimicry-Based Gray Wolf: Proposing a New Model

Karınca Aslanı Optimizasyon Algoritması Kullanarak Görüntü Segmentasyonu İçin Modifiye Edilmiş Bölge Genişletme Yöntemi

Otsu Based Optimal Multilevel Image Thresholding Using Coronavirus Herd Immunity Optimizer

Contact Info

Product

Resources

About