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.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.