ارائه یک روش جدید فشرده ‏سازی تصاویر چهره با استفاده از نمایش تنک سیگنال‏ و الگوریتم یادگیری دیکشنری RLS-DLA

رشد فناوری و افزایش تصاعدی اطلاعات نیاز به حجم ذخیره‏سازی بیشتر داده‏های اطلاعاتی گوناگون را افزایش داده است. در این راستا فشرده‏سازی تصویر به عنوان ابزاری کارآمد جهت کاهش افزونگی و صرفه‏جویی در حجم ذخیره‏سازی و کاهش پهنای باند انتقالی داده‏های تصویری به کار می‏آید. هنگامی‏که فشرده‏سازی یک دسته یا خانواده از تصاویر، مانند پایگاه داده تصاویر چهره یک سازمان یا موسسه یا پایگاه داده MRI یک بیمارستان بزرگ یا پایگاه داده اثر انگشت مدنظر باشد افزونگی اطلاعات افزایش یافته و فشرده‏سازی اهمیت و الزام بیشتری پیدا می‏کند. در این میان تصاویر چهره با توجه به کاربرد وسیعی که به عنوان رایج‏ترین تصاویر پایگاه داده سازمان های و نهادهای مختلف مانند اداره‏های پلیس، نهادهای نظامی، دانشگاه‏ها و شرکت‏های بزرگ دارند مورد توجه بیشتری قرار دارند. به همین خاطر ارایه الگوریتمی که بتواند این دسته از تصاویر را با کیفیت بیشتر و نرخ بالاتری فشرده‏ کند اهمیت بسیاری دارد. در این مقاله با استفاده از حوزه جدیدی از پردازش سیگنال به نام نمایش تنک و روش یادگیری دیکشنری RLS-DLA الگوریتم جدیدی برای فشرده‏سازی تصویر ارایه شده است که می‏تواند برای فشرده‏سازی پایگاه داده تصاویر به کار رود. در این الگوریتم تصاویر با به کارگیری چند دیکشنری به نحو وفقی بر اساس کیفیت بازسازی مورد نیاز آن ها فشرده می‏شوند. نتایج به دست آمده از الگوریتم پیشنهادی نشان دهنده عملکرد موثر و برتری معنی‏دار آن نسبت به روش های پیشرفته و مطرحی همچون JPEG2000 است به طوری که به افزایش کیفیتی در حدود 0.5 dB تا 1.2 dB در نرخ بیت یکسان دست می‏یابد.