ارائه دو الگوریتم نوین برای فشرده‌سازی تصاویر
امیرمسعود طاهری مبارکه دانشجوی کارشناسی ارشد مهندسی برق مخابرات دانشگاه آزاد اسلامی واحد نجف‌آباد در پایان‌نامه خود تحت عنوان "فشرده‌سازی تصاویر چهره با استفاده از نمایش تنک" به ارایه الگوهایی در فشرده‌سازی تصاویر پرداخت.
رشد فناوری و افزایش تصاعدی اطلاعات نیاز به حجم ذخیره سازی بیشتر را افزایش داده است. در همین راستا فشرده سازی تصویر به عنوان ابزاری کارآمد جهت کاهش افزونگی و صرفه جویی در حجم ذخیره سازی و کاهش پهنای باند انتقالی دادههای تصویری به کار میآید.
هنگامی که فشرده سازی یک دسته یا خانواده از تصاویر مد نظر باشد، مانند پایگاه داده تصاویر چهره یک سازمان یا موسسه یا پایگاه داده تصاویر ام آر آی یک بیمارستان بزرگ، در این صورت افزونگی اطلاعات افزایش مییابد و باعث میشود تا فشرده سازی اهمیت بیشتری پیدا کند.
در این میان تصاویر چهره با توجه به کاربرد وسیعی که دارند و به عنوان رایج‌ترین تصاویر پرسنلی پایگاه داده سازمان‌های مختلف مانند اداره پلیس، یک دانشگاه و غیره شناخته می‌شوند، مورد توجه بیشتری قرار دارند. به همین دلیل ارائه الگوریتمی که بتواند این دسته تصاویر را با کیفیت بیشتری فشرده‌سازی کند، اهمیت پیدا می‌کند.
در این پایان‌نامه با استفاده از حوزه جدیدی از پردازش سیگنال‌ها به نام حوزه تنک و الگوریتم جدید یادگیری دیکشنری RLS-DLA دو الگوریتم جدید برای فشرده‌سازی تصاویر چهره ارائه شده است که میتوانند برای فشرده‌سازی پایگاه داده تصاویر به کار روند.
در الگوریتم اول تصاویر به صورت کلی با استفاده از دیکشنری فشرده می‌شوند که نتایج به دست آمده از این الگوریتم نشان‌دهنده عملکرد خوب این الگوریتم و همچنین برتری آن نسبت به روشهای پیشرفته و مطرحی همچون " JPEG2000" است.
در الگوریتم دوم با استفاده از خصوصیات لبه‌ای تصویر ناحیه مورد علاقه یا ناحیه "ROI" در تصویر به صورت اتوماتیک استخراج شده و با استفاده از الگوریتم اول فرآیند فشرده‌سازی بر روی آن و دیگر قسمت‌های تصویر با دو نرخ متفاوت صورت میگیرد. نتایج به دست آمده از آن نشان‌دهنده عملکرد قابل توجه آن و بالا بودن کیفیت تصویر بازیابی شده در ناحیه ROI در حد تصویر اصلی و یا الگوریتم‌های بدون اتلاف فشرده سازی است.به گزارش ایسنا، این پایان‌نامه به راهنمایی همایون مهدوی نسب در دانشگاه آزاد اسلامی واحد نجف‌آباد دفاع شد.
No tags for this post.
