Otsu Based Optimal Multilevel Image Thresholding Using Coronavirus Herd Immunity Optimizer

Eşik seçimi, görüntü bölütlemede önemli bir rol oynamaktadır. seçimiyle ilgili en faydalı yöntemler olarak minimum hata yöntemi, iteratif yöntem, entropi yöntemi ve Otsu bilinmektedir. Bu çalışmada eşikleme tekniği kullanılmaktadır. sayısının (K) artmasına bağlı problemin karmaşıklık düzeyi üstel artacağı için matematiksel yerine sürü zekâsı algoritması kullanılması daha uygun görülmektedir. Bundan dolayı, bu da son yıllarda literatüre kazandırılmış olan Coronavirüs bağışıklığı (CHIO) Deneysel çalışmalarda test verisi altı farklı K değeri 2, 3, 4 5 belirlenmektedir. veri seti kullanılarak CHIO ile literatürde yer alan diferansiyel evrim (differential evolution: DE), gri kurt ( gray wolf optimizer: GWO), parçacık (particle swarm optimization: PSO) algoritmaları gibi başarılı algoritmalarla eşit koşullarda kıyaslanmaktadır. Elde edilen sonuçlara göre, 6 üzerinde yapılan K=2 olduğunda verilerin %100, K=3 iken %83 K=5 %50’sinde iyi sonuçları yakaladığı sonuçlar ışığında, algoritmasının çözüm kalitesi açısından rekabet edici olduğu tespit edilmiştir. Sonuç çok düzeyli eşiği problemi alternatif algoritma olabilir.