Hibrit yapay arı kolonisi - ateş böceği optimizasyon yöntemi ile görüntülerde belirginlik tespiti

Görüntülerde belirginlik tespiti (saliency detection) son yıllarda popüler olan bir görüntü işleme dalıdır. Belirginlik tespitinde, insan gözünün çalışması taklit edilir ve görüntülerde ilk odaklanılan alanın bulunması amaçlanır. Göze çarpan alanların tespit edilmesi, nesne tanıma, görüntü bölütleme ve video izleme gibi problemleri çözmek için geliştirilen modellere alternatif olarak kullanılabilecek bir yöntemdir. Bu durum, belirginlik tespitini görüntü işlemede önemli bir yere sahip kılmaktadır. Optimizasyon algoritmalarının görüntü işleme problemlerine uygulanması oldukça yaygın bir araştırma alanıdır. Bu çalışmada, görüntülerde belirginlik tespiti probleminin çözümünde, yapay arı kolonisi (artificial bee colony - ABC) ve ateş böceği (firefly - FA) optimizasyon yöntemlerinden yararlanılarak geliştirilen hibrit yöntem (hybrid artificial bee colony firefly algorithm – HABCFA) kullanılmıştır. Bir görüntüdeki göze çarpan alanı veya nesneyi tespit etmek için geliştirilen algoritmalar genel olarak aşağıdan - yukarıya ve yukarıdan - aşağıya yöntemler olarak iki grupta ele alınmaktadır. Aşağıdan – yukarıya olan yöntemler görüntülerden elde edilebilen verileri kullanırken, yukarıdan – aşağıya olan yöntemler öğrenme tabanlı sistemlere ihtiyaç duymaktadır. Bu çalışmadaki yaklaşım görüntünün renk bilgisinden yararlandığından dolayı aşağıdan – yukarıya sınıfına dahil olmaktadır. Belirginlik tespiti sürecinde, göze çarpan bölgelerin daha hassas bir şekilde çıkarılmasını sağlamak ve daha optimum bir arka plan değeri elde etmek için süper-piksel tabanlı bir sınıflandırma yöntemi olan SLIC yöntemi ön işlem aşamasında kullanılmıştır. Ön işlem aşamasından sonra görüntünün kenar bölgelerinden elde edilen arka plan değeri, HABCFA yöntemi ile optimize edilmekte ve görüntüye en uygun arka plan değeri bulunmaktadır. Optimum arka plan değerinin mevcut görüntüden çıkarılması ile belirginlik haritası (saliency map) elde edilmektedir. Yapılan deneylerde, HABCFA belirginlik tespiti yöntemi, yaygın olarak kullanılan MSRA-1000, ECSSD, ICOSEG ve DUTOMRON veri kümeleri kullanılarak, literatürdeki 11 state-of-the art yöntem ile karşılaştırılmıştır. HABCFA'nın herhangi bir ekstra maske veya eğitim aşaması gerektirmeden elde ettiği sonuç görüntüleri, diğer yöntemlerin sonuçları ile karşılaştırıldığında, HABCFA'nın etkili olduğu görülmüştür. Ayrıca ABC, FA ve HABCFA yöntemleri, yakınsama oranı ve çalışma süreleri açısından bilinen dört kıyaslama problemi ile karşılaştırılmış ve HABCFA diğer iki optimizasyon yönteminden daha iyi bir performans üretmiştir.