Katırcıoğlu, Ferzan2020-04-302020-04-3020172148-2446https://app.trdizin.gov.tr/makale/TWpZM05qQXhNUT09https://hdl.handle.net/20.500.12684/1970Bu çalışmada, Yusufçuk Algoritması (YA) kullanarak renkli görüntülerde eşik yöntemi ile kenar belirleme ve bölütleme gerçekleştirilmiştir. Kenar belirleme, görüntüdeki nesnelerin sınırlarını belirleme işlemini, bölütleme ise görüntü piksel yoğunluklarının önceden belirlenmiş sınıflara ayrılma işlemini yapmaktadır. Her iki işlem de görüntü üzerinden özellik çıkartma, görüntü tanıma ve nesne sınıflandırma gibi uygulamalarda ön işlem özelliklerini taşımaktadır. Kenar Belirleme ve bölütleme metotlarından en kolay uygulanabilir olanlarından biri olan eşikleme yönteminin uygulanabilmesi için ilk olarak, renkli görüntüden iki boyutlu bağıntı matrisine dayalı Benzerlik Görüntüsü (BG) elde edilmiştir. Elde edilen benzerlik görüntüsü üzerinde en uygun eşik değer seçimi için amaç fonksiyonu olarak Kapur ve Otsu'nun metotları kullanılmıştır. Optimizasyon safhasından sonra, en iyi eşik değerler çoklu eşik bölütleme metoduna uygulanarak sınıflara ayrılmış görüntü ve kenarlar elde edilmiştir. Elde edilen sayısal ve görsel uygulama sonuçları, literatürde yer alan yerçekimi arama algoritması (YAA) ve Harmoni Arama Algoritması (HAA) ile karşılaştırılmıştır. Gerçekleştirilen çalışmanın sonuçları önerilen algoritmanın sayısal görüntü bölütleme ve kenar belirleme de güçlü olduğunu göstermiştirIn this study, edge detection and segmentation are performed with threshold method using Dragonfly Algorithm (DA) in color images. While edge detection is the process of determining the boundaries of objects in an image, segmentation is the process of dividing the image pixel densities into predetermined classes. Both processes carry pre-processing features such as feature extraction, image recognition and object classification on the image. In order to apply the threshold method, which is one of the easiest to apply from the edge detection and segmentation methods, firstly Similarity Image (SI) based on the two-dimensional relation matrix from the color image is obtained. The methods of Kapur and Otsu have been used as the objective function for selecting the most appropriate threshold value on the obtained similarity image. After the optimization phase, the best threshold values are applied to the multiple threshold segmentation method to obtain class separated images and edges. The Geliş: 03/05/2017, Düzeltme: 15/07/2017, Kabul: 20/07/2017 obtained numerical and visual application results are compared with Gravitational Search Algorithm (GSA) and Harmony Search Algorithm (HSA) in the literature. The proposed algorithm shows that the digital image segmentation and edge detection are also robusttrinfo:eu-repo/semantics/openAccessArticle52506523