Sahin, OmurKurban, RifatToprak, Ahmet Nusret2025-09-252025-09-2520241309-1751https://doi.org/10.17780/ksujes.1414212https://search.trdizin.gov.tr/en/yayin/detay/1261745/multilevel-thresholding-for-brain-mr-image-segmentation-using-swarm-based-optimization-algorithmshttps://hdl.handle.net/20.500.12573/2997Bir görüntüyü bölüt adı verilen çeşitli piksel kümelerine ayırma işlemi olan görüntü bölütleme, görüntü işlemede önemli bir tekniktir. Görüntü bölütleme, görüntünün karmaşıklığını azaltmakta ve görüntüyü bölütlere ayırarak analiz edilmesini kolaylaştırmaktadır. Görüntü bölütlemenin en basit ancak etkin yollarından biri, piksellerin değerlerine göre birden çok bölgeye ayrıldığı çok düzeyli eşiklemedir. Bu çalışma, yaygın kullanılan sürü tabanlı optimizasyon algoritmalarının beyin MR görüntülerinde çok düzeyli eşikleme tabanlı görüntü bölütleme performansını araştırmayı ve karşılaştırmayı amaçlamaktadır. Yedi sürü zekâsı temelli optimizasyon algoritması: Parçacık Sürü Optimizasyonu (PSO), Yapay Arı Kolonisi (ABC), Gri Kurt Optimize Edici (GWO), Güve Alevi Optimizasyonu (MFO), Karınca Aslanı Optimizasyonu (ALO), Balina Optimizasyonu (WOA) ve Denizanası Arama Optimizasyon (JS) eşik seviyelerini belirlemek üzere beyin MR görüntülerine uygulanarak karşılaştırılmaktadır. Bahsi geçen algoritmalar ile yapılan deneylerde minimum çapraz entropi ve sınıflar arası varyans amaç fonksiyonları kullanılmıştır. Kapsamlı deneyler, JS, ABC ve PSO algoritmalarının daha iyi performans sergilediğini göstermektedir.eninfo:eu-repo/semantics/openAccessMikroskopiBiyolojiOptikBilgisayar BilimleriYazılım MühendisliğiMatematikGörüntüleme Bilimi Ve Fotoğraf TeknolojisiBilgisayar BilimleriTeori Ve MetotlarAkustikArticle10.17780/ksujes.1414212