كليدواژه زبان طبيعي :
كوهونن , فركانس , برداري , }DPCM{ , شبكه هاي , چندي كردن , هرزير , خطي , سازمانده , كدگشايي , ساختار , عصبي , طبقه بندي , اعوجاج , طراحي , قالب , الگوريتم , تصوير , غيرخطي
چكيده :
نرخ داده هاي تصويري بالا، ذخيره سازي و انتقال تصوير را با مشكل مواجه مي نمايد. و در نتيجه تلاش جهت فشرده سازي اطلاعات تصويري اجتناب ناپذير مي باشد. روشهاي فشرده سازي اطلاعات تصويري در ارتباط با كاهش تعداد بيتهاي لازم و/ يا كاهش باند مورد نياز به منظور ذخيره سازي و / يا انتقال داده هاي تصويري ، بدون كاهش محسوس در كيفيت تصوير مي باشند. اما در روشهايي كه نسبت فشرده سازي بالا قابل حصول است ، از دست دادن اطلاعات (اتلاف ) اجتناب ناپذير مي باشد. روش چندي كردن برداري يك روش با اتلاف بوده كه ضمن ارايه نسبت فشرده سازي بالا قادر به حصول كيفيت قابل قبول مي باشد. از مشكلات چندي كننده برداري ، پيچيدگي محاسبات در كد كردن و وقت گير بودن فرآيند آموزش مي باشد كه امكان كد نمودن تصوير بصورت زمان واقعي را غيرممكن مي سازد. در اين رساله با توجه به ايده اي كه از شبكه هاي عصبي به عنوان محاسبه كننده هاي موازي قدرتمند داريم آنها را در آموزش كتاب كد مربوط به يك چندي كننده برداري بكار مي گيريم و مزيت هاي وافر آنها را منجمله : وفقي بودن و پردازش موازي را نسبت به الگوريتم معروف LBG متذكر مي شويم . در همين راستا يك الگوريتم عصبي پيشنهاد خواهيم كرد كه قادر به حصول كيفيت بالاتري نسبت به بقيه الگوريتمها (به ازاء نسبت فشرده سازي ثابت ) خواهد بود. با انجام شبيه سازي اين ادعا اثبات مي گردد و مشاهده مي شود كه اختلاف كيفيت بين تصاوير كد شده توسط كتاب كدهاي آموزش ديده با الگوريتم پيشنهادي و ساير الگوريتمها با ساده تر شدن تصوير و افزايش اندازه كتاب كد، افزايش مي يابد... خلاصه مندرجات : ... فهرست اشكال +فهرست جداول +روشهاي فشرده سازي اطلاعات +چندي كردن برداري تصوير+الگوريتمهاي آموزش كتاب كد+فشرده سازي تصوير توسط شبكه هاي عصبي +نتيجه گيري و پيشنهادات ...
