Kaos temelli meta-sezgisel optimizasyon yöntemleri ile çok seviyeli imge eşikleme

Optimizasyon, bir sistem, süreç veya problemi, belirli bir amaç doğrultusunda en iyi çalışacak şekilde düzenleme, ayarlama veya seçme işlemidir. Bu işlemi gerçekleştiren metasezgisel optimizasyon algoritmaları, birden fazla durumu değerlendirerek olası en iyi çözümü sunmayı hedeflemektedir. Metasezgisel optimizasyon algoritmalarında süreci etkileyen parametrelerden biri olan başlangıç popülasyonunun, problem uzayına dağılımının performansını arttırmak ve daha çeşitli olası çözümlere ulaşmak için kaotik sistemler önerilmiştir. Başlangıç popülasyonunun kaotik bir karakteristik kazanmasıyla arama uzayında tekrara düşmeyen bir dağılım gerçekleştirilir. Bu durum, daha fazla olasılığı değerlendirmeye olanak sağlar. Bu çalışmada, Arşimet Optimizasyon Algoritması, Balık Kartalı Optimizasyonu, Balina Optimizasyon Algoritması, Parçacık Sürü Optimizasyonu, Sekreter Kuşu Optimizasyonu, Savaş Stratejileri Optimizasyonu ve Zebra Optimizasyon Algoritması değerlendirilmek üzere kaotik özellik kazandırılmıştır. Belirtilen 7 optimizasyon algoritmasının başlangıç popülasyonu, Logistic, Chebyshev, Circle, Sine, Piecewise kaotik haritalarının karakteristiği ile düzenlenerek her optimizasyon algoritması için 5 kaotik versiyon önerilmiştir. Algoritmaların orijinal versiyonları ve elde edilen kaotik başlangıçlı versiyonlarının performansları her biri kendi içinde 23 Benchmark fonksiyonu ile test edilmiştir. Elde edilen 42 adet optimizasyon algoritması, Benchmark fonksiyonlarının tamamına göre değerlendirildiğinde Logistic harita başlangıçlı WSO algoritması %52,17 oranıyla diğer algoritmalardan daha başarılı olmuştur. Metasezgisel optimizasyon algoritmalarını oluşturan diğer bir parametre, optimize edilmek istenen değerin tanımlandığı amaç fonksiyonlarıdır. Çalışmada, performansları değerlendirilen optimizasyon algoritmalarının ve bunların kaotik versiyonlarının amaç fonksiyonları, görüntü işleme uygulamalarında genellikle önişlem olarak tercih edilen çok seviyeli görüntü eşikleme yöntemleri ile düzenlenmiştir. Çok seviyeli görüntü eşikleme yöntemleri ile görüntü ikiden fazla segmente ayrılmakta ve bu sayede görüntü analizi daha verimli gerçekleştirilmektedir. Bu çalışmada, çok seviyeli eşikleme için Otsu Metodu ve Kapur Entropisi, performansları değerlendirilen optimizasyon algoritmalarının amaç fonksiyonu olarak düzenlenmiştir. Algoritmalar, kullanıcı tarafından manuel olarak belirlenen eşik değer sayısı ile 5 farklı test görüntüsüne uygulanmıştır. Elde edilen sonuçların özgünlüğü değerlendirmek amacıyla non-parametrik istatistiksel testlerden Wilcoxon ve Friedman testleri ile değerlendirilmiş, farklılıkları yüzdesel olarak belirtilmiştir. İstatistiksel testlerin sonuçları göz önünde bulundurulduğunda çok seviyeli eşikleme uygulaması için optimizasyon algoritmalarının kaotik versiyonlarıyla %100 farklı olduğu belirlenmiştir.