Image Denoising with Modified Grey Wolf Optimizer
| dc.contributor.author | Ardaç, Hüseyin Avni | |
| dc.contributor.author | Erdoğmuş, Pakize | |
| dc.date.accessioned | 2025-10-11T20:42:30Z | |
| dc.date.available | 2025-10-11T20:42:30Z | |
| dc.date.issued | 2018 | |
| dc.department | Düzce Üniversitesi | en_US |
| dc.description.abstract | In this study, image denoising has been realized with with the one of the recent Nature-Inspired optimization algorithms, Grey Wolf Optimizer(GWO). GWO is one of the recent most studied continous optimization algorithm which performs better than the other algorithms. In this study, ten test images have been selected and gaussian noise has been added with some variance values. After the noisy images have been attained, these noisy images have been filtered with convulation in spatial domain. Filter coefficents have been trained with GWO, Modified Grey Wolf Optimizer(MGWO) and Genetic Algorithm(GA). Weiner filtering is also applied on the images for image denosing. The results show that Weiner Filter outperforms GWO trained filters on most of the images. MGWO performance is better then GWO and the results show that MGWO can also be used as an alternative method for image denoising. In the future studies, adaptive MGWO can be enhanced for much more succesfull image denoising process. | en_US |
| dc.description.abstract | Bu çalışmada, yakın zamanda doğadan esinlenen optimizasyon algoritmalarından biri olan Gri Kurt Optimizasyonu(GWO) ile görüntülerdeki gürültülerin temizlenmesi gerçekleştirilmiştir. GWO, diğer algoritmalardan daha iyi performans gösteren, son zamanlarda en çok çalışılan sürekli optimizasyon algoritmasından biridir. Bu çalışmada on test görüntüsü seçilmiş ve bazı varyans değerleri ile gauss gürültüsü eklenmiştir. Gürültülü görüntüler elde edildikten sonra, bu gürültülü görüntüler uzamsal alanda konvülasyon ile filtrelenmiştir. Filtre katsayıları GWO, Modifiye Gri Kurt Optimizasyonu (MGWO) ve Genetik Algoritma (GA) ile eğitilmiştir. Elde edilen sonuçlara göre Weiner filter çoğu resimde daha başarılı sonuçlar vermiştir. MGWO’nun performansı GWO’dan daha iyidir ve sonuçlar MGWO’nun gürültü gidermede alternatif bir metot olarak kullanılabileceğini göstermiştir. Gelecekteki çalışmalarda daha başarılı gürültü temizleme işlemi için adaptif MGWO geliştirilebilir. | en_US |
| dc.identifier.doi | 10.29130/dubited.435783 | |
| dc.identifier.endpage | 982 | en_US |
| dc.identifier.issn | 2148-2446 | |
| dc.identifier.issue | 4 | en_US |
| dc.identifier.startpage | 962 | en_US |
| dc.identifier.uri | https://doi.org/10.29130/dubited.435783 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12684/21058 | |
| dc.identifier.volume | 6 | en_US |
| dc.language.iso | en | en_US |
| dc.publisher | Duzce University | en_US |
| dc.relation.ispartof | Düzce Üniversitesi Bilim ve Teknoloji Dergisi | en_US |
| dc.relation.publicationcategory | Makale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.snmz | KA_DergiPark_20250911 | |
| dc.subject | Engineering | en_US |
| dc.subject | Mühendislik | en_US |
| dc.title | Image Denoising with Modified Grey Wolf Optimizer | en_US |
| dc.title.alternative | Düzenlenmiş Gri Kurt Optimizasyon Algoritması ile Gürültü Temizleme | en_US |
| dc.type | Research Article | en_US |
