Deforme edilebilir kontur tabanlı görüntü bölütlemesi için chan-vese algoritmasına yeni bir hibrit yaklaşım

Görüntü bölütleme işlemi nesne tanıma sistemlerinin en önemli ve zor adımıdır. Deforme edilebilir modellere diğer adıyla aktif kontur modellerine dayanan ve görüntülerde nesne sınırlarını bulmada kullanılan birçok nesne bölütleme yöntemi önerilmiştir. Ancak bu yöntemlerin ana tanımlamaları: ilk konturun başlangıcına ve bundan sonraki çözümün doğru yakınsamasına bağlıdır. İlk konturun düzgün konumlandırılmadığı durumlarda, bu istenilen sonuca beklenen iterasyon sayısında yakınsayamama ya da enerji fonksiyonunun minimizasyonu sırasında yerel minimum noktalara takılma gibi sorunlar yüzünden başarısız sonuçların üretilmesine neden olmaktadır. Bu tez çalışmasında, ilk kontur başlangıcı probleminin üstesinden gelmek için sezgisel bir yöntem olan yerçekimsel arama algoritması ve kenarsız aktif kontur modeli (Chan-Vese) tabanlı imge bölütleme yöntemi geliştirilmitir. Önerilen model, yerçekimsel arama algoritması ve Chan-Vese algoritmalarının melez bir şekilde birleştirilmesi ile geliştirilmiştir. Weizmann veritabanına ait bazı görüntüler ve medikal görüntüler olmak üzere çeşitli görüntüler üzerinde denenmiştir. Önerilen modelin ilk kontur seçimine karşı gürbüz yapısı ile geleneksel Chan-Vese algoritmasına göre daha verimli sonuçlar elde edilmiştir. Yeni modelin performansı, geleneksel modele göre doğruluk ve verimlilik açısından karşılaştırılarak değerlendirilmiştir.