Image segmentation using a two dimensional genetic algorithm
Görüntü bölütleme için 2 boyutlu bir genetik algoritma
- Tez No: 116313
- Danışmanlar: PROF. DR. FATOŞ T. YARMAN VURAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Genetik Algoritma, Görüntü Bölütleme. vı, Genetik algoritmalar, Görüntü bölütleme, Genetic Algorithm, Image Segmentation. IV, Genetic algorithms, Image segmentation
- Yıl: 2001
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
oz GÖRÜNTÜ BÖLÜTLEME İÇİN 2 BOYUTLU BİR GENETİK ALGORİTMA Mut, Oğuz Master, Bilgisayar Mühendisliği Bölümü Tez Yöneticisi: Prof. Dr. Fatoş T. Yarman Vural Eylül 2001, 138 sayfa Bu çalışmada, görüntü bölütleme problemi için yeni bir genetik algoritma tanım lanmaktadır. Genetik algoritma, olası çözümlerden oluşmuş bir topluluk ile çalışan bir arayış algoritmayıdır. Başlangıçta rastgele cevaplardan oluşturulan bir topluluk, evrimsel işlemlerin uygulanmasıyla en iyi cevaba yakınsamaktadır. Geleneksel genetik algoritma kapsamında, her bir olası cevap 1 boyutlu dizil erle temsil edilir. Oysa, görüntülerin 2 boyutlu nesneler olmalarından ötürü, bir bölüt haritasının 1 boyutlu bir dizi ile ifade edilmesi durumunda uzay bil gisinde bir kayıp olacaktır/ Bundan ötürü, bu çalışmada, olası bir cevap 2 boyutlu bir matrisle ifade edilmekte ve algoritmanın tüm bileşenleri baştan tanımlanmaktadır: İlk önce, olası cevapların yapıtaşı olan“gen”in tanımı ver ilmektedir. Ardından, evrimsel işlemlerin her biri için birden fazla farklı tanım verilmektedir. Son olarak da, olası bir cevabın kalitesini denetleyen uygun luk işlevleri için farklı farklı tanımlar yapılmaktadır. Tanımların verilmesininardından, her bir işlem ve işlev sırayla teker teker denetlenmekte ve her bir işlem veya işlev tipi için en uygun olan tanımı 2 boyutlu genetik algoritmada yer almak üzere seçilmektedir. Son olarak, algoritma küçük boylu görüntüler üzerinde denenmektedir. Algoritmanın berimsel açıdan pahalı olması görüntü boylarının küçük tutulmasına neden olmuştur. Deneylerin sonunda görülmüştür ki, 2 boyutlu genetik algoritma çaprazlama olmadan doğru cevaba yakınsamayı başarmaktadır. Ancak, çaprazlamanın algoritmaya eklenmesi sonucunda per formansta bir gelişme görülememektedir. Bu da, çalışmada tanımlanan farklı çaprazlama işlemlerinden hiçbirinin yeterince uygun olmadığını göstermektedir.
Özet (Çeviri)
ABSTRACT A 2 DIMENSIONAL GENETIC ALGORITHM FOR IMAGE SEGMENTATION Mut, Oğuz M.S., Department of Computer Engineering Supervisor: Prof. Dr. Fatoş T. Yarman Vural September 2001, 138 pages In this study, a new genetic algorithm is proposed to solve the image segmenta tion problem. Genetic algorithm is a population based search algorithm where a population is a group of proposed solutions, named chromosomes. The algorithm converges the population to a solution by the help of evolutionary operators. Traditionally, chromosomes defined over the genetic algorithm are 1-dimensional strings. This causes a problem in image segmentation; An image is a 2-dimensional field and encoding an image in a 1-dimensional string results in the loss of im portant spatial information. Therefore, the genetic algorithm introduced in this study, extends the 1-dimensional representation of basic genetic concepts into 2-dimension. Since this is not a trivial extension, every concept of the algorithm is redefined: Firstly, a 2-dimensional gene, which is the unit information encoded in a chro mosome, is introduced. Then, the definitions of operators such as mutation iiiand crossover are given with several alternatives. Afterwards, various fitness functions, which evaluate proposed solutions, are introduced. Finally, each al ternative definition is tested and the alternative with the best performance is used in the ultimate algorithm. The ultimate algorithm is tested with small sized images. The results of the experiments show that the algorithm is capable to converge without the crossover operation. At this point of research, the per formance of the algorithm cannot be improved, when crossover is added. This shows that the crossover operators defined in this study are problematic and more research is required to improve the convergence of 2-dimensional genetic algorithm using crossover.
Benzer Tezler
- Görüntü işlemeye dayalı robot kol hareket optimizasyonu
Robot arm movement optimization based on image processing
BERNA UYANIK
Yüksek Lisans
Türkçe
2003
Elektrik ve Elektronik MühendisliğiMustafa Kemal ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ERSİN ÖZDEMİR
- Application of artificial neural networks to digital image compression
Yapay sinir ağlarının dijital görüntü sıkıştırılmasında kullanımı
MÜJDAT AYBAR
Yüksek Lisans
İngilizce
2000
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiY.DOÇ.DR. YAVUZ ŞENOL
- Markov ve Gibbs rastlantı alan modelleri ile doku sentezleme ve sınıflandırma
Texture synthesis and classification using Markov and Gibbs random field models
ERDOĞAN CAMCIOĞLU
Yüksek Lisans
Türkçe
1990
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. ERDAL PANAYIRCI
- Computer based recognition of predefined object using two dimensional images
iki bıyutlu görüntüler kullanarak tanımlanmış nesnelerin bilgisayar tabanlı tanınması
U.MUTLUHAN ORUNCAK
Yüksek Lisans
İngilizce
1996
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. M. METE BULUT
- Biyomedikal işaretlerin Markov rastgele alanları kullanılarak işlenmesi
Biomedical signal processing using Markov random fields
NİYAZİ KILIÇ
Yüksek Lisans
Türkçe
2003
Tıbbi Biyolojiİstanbul ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN NURİ UÇAN