|
|
شناسایی موجک بهینه برای فشردهسازی تصاویر چهره در بستر الگوریتمهای هوش مصنوعی
|
|
|
|
|
نویسنده
|
خدادادی رضا
|
منبع
|
بيست و يكمين همايش ملي اجلاس فناوري رسانه - 1403 - دوره : 21 - بیست و یکمین همایش ملی اجلاس فناوری رسانه - کد همایش: 03241-33320 - صفحه:0 -0
|
چکیده
|
امروزه بسیاری از مسائل بهینهسازی پیرامون را نمیتوان با روشهای دقیق و یا در یک زمان معقول حل کرد. یکی از راههای حل چنین مسائلی استفاده از هوش مصنوعی و الگوریتمهای فرا ابتکاری با دستیابی به بهترین راه حل از بین راه حلهای ممکن در کوتاهترین زمان است. انتخاب موجک گسسته دو بعدی مناسب، تعداد سطوح تجزیه، تخصیص بودجه بیتی بهینه به کوانتایزر از جمله بخشهایی هستند که از اهمیت فراوانی در طراحی یک رمزگذار تصویر برخوردارند. از سوی دیگر ویژگی تراکم انرژی زیاد در تبدیل موجک باعث میشود که انتخاب مناسبی برای فشردهسازی تصویر باشد. در این مقاله روشی برای انتخاب مناسبترین موجک در فشردهسازی تصاویر چهره با تفکیک مکانی بالا مبتنی بر الگوریتمهای فرا ابتکاری ارایه شده تا پس از دریافت، در گیرنده از مقدار دقت بازشناسی آنها تا حد امکان کاسته نشود و یا حتی افزایش نیز داشته باشیم. شبیهسازی روش پیشنهادی بر روی الگوریتمهای (ژنتیک، کلونی زنبور عسل، نهنگ، گرگ خاکستری و ساخت اهرام جیزه) با تبدیل موجکهایcoif5، haar، db45، bior6.8، dmey و fk22 انجام شده است.ارزیابی نتایج عملکرد موجکهای متعامد در فشردهسازی بهتر انرژی را نشان میدهد و دستیابی به تخمین تابع هدف مناسب بهگونهای است تا با انتخاب موجک متعامد مورد نظر به مقدار بالاترین صحت بازشناسی، میانگین psnr، ssim و کمترین حجم فایل مجموعه تصاویر برسیم.
|
کلیدواژه
|
موجک، الگوریتمهای فرا ابتکاری، کارایی بازشناسی، فشردهسازی تصاویر چهره، تخصیص بودجه بیتی
|
آدرس
|
, iran
|
پست الکترونیکی
|
،ur.khodadadi@gmail.co m
|
|
|
|
|
|
|
|
|
identifying the optimal wavelet for face image compression in the context of artificial intelligence algorithms
|
|
|
Authors
|
|
Abstract
|
today, many optimization problems cannot be solved with exact methods or in a reasonable time. one way to solve such problems is to use artificial intelligence and metaheuristic algorithms to achieve the best solution among the possible solutions in the shortest time. choosing the appropriate two-dimensional discrete wavelet, the number of decomposition levels, and allocating the optimal bit budget to the quantizer are some of the parts that are of great importance in the design of an image encoder. on the other hand, the high energy density feature of the wavelet transform makes it a suitable choice for image compression. in this paper, a method for choosing the most appropriate wavelet in compressing high spatial resolution face images based on metaheuristic algorithms is presented so that after receiving, the amount of recognition accuracy in the receiver is not reduced as much as possible or even increased. the simulation of the proposed method has been performed on the algorithms (genetic, honey bee colony, whale, gray wolf, and construction of the pyramids of giza) with the transformation of coif5, haar, db45, bior6.8, dmey, and fk22 wavelets. the evaluation of the results shows the performance of orthogonal wavelets in better energy compression, and achieving an appropriate objective function estimate is such that by selecting the desired orthogonal wavelet, we can achieve the highest recognition accuracy, average psnr, ssim, and the smallest file size of the image set.
|
|
|
|
|
|
|
|
|
|
|
|
|