استفاده از الگوریتم های فرامکاشفه ای برای بهبود نسبت فشرده سازی و نرخ بازشناسی تصاویر در یک سامانه بازشناسی چهره

فشرده سازی تصاویر یکی از بخش های غیر قابل اجتناب در تقریبا هر سامانه پردازش تصاویر منجمله در سامانه های بازشناسی چهره است. یکی از چالش های اصلی در سامانه های بازشناسی چهره کاهش نرخ بازشناسی به دلیل اعمال فشرده سازی با اتلاف روی تصاویر است. در این مقاله روشی جدید برای  بهبود نسبت فشرده سازی تصاویر چهره با تولید جدول های چندی سازی جدید در روش jpeg با استفاده از الگوریتم های فرامکاشفه ای ارائه شده است. ملاک انتخاب بهترین جدول های  چندی سازی، توجه به نرخ بازشناسی تصاویر فشرده شده است. جدول های جدید نه تنها نرخ بازشناسی را کاهش نمی دهند بلکه بطور همزمان قابلیت افزایش نسبت فشرده سازی را نیز دارند.  آزمایش ها در بازه های مختلفی از نسبت فشرده سازی با تنظیم پارامتر کیفیت روی مجموعه های مختلف از پایگاه داده feret صورت گرفته است. نتایج بررسی ها حاکی از حفظ و یا در بعضی موارد افزایش نرخ بازشناسی با وجود افزایش نسبت فشرده سازی روی تصاویر است.

using metaheuristic algorithms for improving images compression rate and recognition ratio in a face recognition system

images compression is an inevitable part of almost any images processing system, including face recognition systems. one of the main challenges in face recognition systems is reduction of recognition ratio due to the lossy compression of the images.in this paper, a new approach for face images compression improve is presented  by producing new quantization tables in jpeg method, using metaheuristic algorithms. the criterion for selecting the best quantization tables is the recognition rate of the compressed images. the new tables not only do not reduce the recognition rate, but also have the ability to increase the compression ratio at the same time. experiments have been performed at different intervals of the compression ratio by adjusting the quality parameter on different sets of the feret database. the results of the studies indicate that the recognition rate is maintained or in some cases is even increased, despite the increase in the compression rate.