YAPAY ARI KOLONİ ALGORİTMASI KULLANILARAK GÖRÜNTÜ İYİLEŞTİRME YÖNTEMİNİN GELİŞTİRİLMESİ

Öz

Resim iyileştirme yöntemleri resmi mevcut durumdan, istenilen amaca uygun olarak daha iyi duruma getirmek için kullanılmaktadır. Bu çalışmada dönüşüm fonksiyonu, histogram genişletme ve histogram eşleştirme yöntemleri birlikte uygulanarak yeni bir resim iyileştirme yöntemi önerilmiştir. Önerilen bu yöntemin başarısı yapay arı koloni algoritması kullanılarak geliştirilmiştir. Bu çalışmada resimlerin sobel değeri, entropi değeri ve kenar sayısı objektif değerlendirme kriteri olarak kullanılmıştır. Önerilen yöntemin sonuçları histogram genişletme ve histogram eşitleme yöntemleriyle karşılaştırılmış ve yöntemin etkili bir iyileştirme sağladığı görülmüştür.

Anahtar Kelimeler

• Resim iyileştirme,Histogram eşleştirme,Histogram genişletme,Yapay arı koloni algoritması

Kaynakça

1. Irani, M., Peleg, S., 1991. Improving resolution by image registration, CVGIP: Graphical Models and Image Processing, 53(3): 231-239.
2. Katsaggelos, A. K., Biemond, J., 1985. A general formulation of constrained iterative restoration algorithms, Acoustics, pp. 700-703. Speech and Signal Processing, IEEE International Conference on ICASSP, May, 1985, Florida.
3. Gonzalez R. C., Woods R. E., 2007. Digital Image Processing, Third Edition. Prentice Hall, United States, 976 pp.
4. Poli, R., Cagnoni, S., 1997. Genetic programming with user-driven selection: experiments on the evolution of algorithms for image enhancement, pp. 269- 277 Genetic Programming Proceedings of the Second Annual Conference, July 13-16, 1997, Stanford University. San Francisco.
5. Munteanu, C., Lazarescu, V., 1999. Evolutionary contrast stretching and detail enhancement of satellite images, pp.94-99. Proceedings of MENDEL’99, June 9-12,1999, Czech Republıc
6. Saitoh, F., 1999. Image contrast enhancement using genetic algorithm, pp. 899- 904. IEEE International Conference on, October 12-15, 1999, Tokyo
7. Munteanu, C., and Rosa, A., Towards automatic image enhancement using genetic algorithms, Proceedings of the Congress on Evolutionary Computation, vol.2, Page(s):1535 – 1542, 2000.
8. Gorai A., Ghosh A., 2009. Gray level Image Enhanced by Partical Swarm Optimization, pp. 72-77. Nature & Biologically Inspired Computing, December 9-11, 2009.

9. Draa A., Boaziz A., 2014. An artificial bee colony algorithm for image contrast enhancement. Swarm and Evolutionary Computation 16: 69–84.
10. Sarangi, P.P., Mishra, B.S.P., Majhi, B., Dehuri, S., 2014. Gray- level image enhancement using differential evolution optimization algorithm, pp. 95-100. Signal Processing and Integrated Networks (SPIN 2014).
11. Akay, B., 2009. Nümerik Optimizasyon Problemlerinde Yapay Arı Kolonisi (Artificial Bee Colony) Algoritmasının Performans Analizi. Erciyes Üniversitesi Fen Bilimleri Enstitüsü, Doktora Tezi, 301s, Kayseri.