چکیده پایان نامه

چکیده پایان نامه سيستم فشرده‌سازي تصوير به دليل محدوديت‌ در فضاي ذخيره‌سازي و پهناي باند كانال در انتقال داده‌ها ضرورت دارد. فشرده‌سازي به اين معنا است كه تعداد بيت كمتري براي ذخيره‌سازي يا انتقال يك تصوير استفاده شود در حالي كه بازسازي تصوير با كمترين اعوجاج ممكن همراه باشد. يك سيستم فشرده‌سازي تصوير از كدگذار و كدگشا تشكيل شده است. كدگذار، تصوير اصلي را به دنباله‌اي از بيت‌ها تبديل كرده و كدگشا با استفاده از اين دنباله، تصوير اصلي را بازسازي مي‌كند. در اين فرآيند، مراحل فشرده‌سازي شامل تبديل، كوانتيزاسيون و سپس كدگذاري آنتروپي در سمت كدگذار و كدگشايي آنتروپي و معكوس تبديل در سمت كدگشا مي‌شود. هدف اصلي در سيستم فشرده‌سازي تصوير، كاهش نرخ بيت و اعوجاج تصوير است. درحالي كه افزايش نرخ بيت باعث كاهش اعوجاج و كاهش نرخ بيت موجب افزايش اعوجاج مي‌شود؛ بنابراين، همواره يك مصالحه بين نرخ بيت و اعوجاج تصوير برقرار است. روش‌هاي فشرده‌سازي به دو دسته‌ي كلاسيك و مبتني بر يادگيري عميق تقسيم مي‌شوند. يافته‌ها نشان مي‌دهد كه تابع هزينه در روش‌هاي يادگيري عميق، نقش بسيار موثري در آموزش و عملكرد مدل ايفا مي‌كند. افزون بر اين، اگر يك مدل فشرده‌سازي تصوير، اعوجاج در لبه‌هاي تصوير بازسازي شده را به حداقل برساند، تيزي لبه‌ها وضوح تصوير بازسازي شده افزايش مي‌يابد. در اين پژوهش با هدف كاهش اشكالات بصري ناشي از فشرده‌سازي، يك روش فشرده‌سازي تصوير مبتني بر شبكه‌هاي عصبي عميق ارائه شده است كه از اعوجاج لبه‌هاي تصوير در تابع هزينه بهره مي‌برد. در تابع هزينه جديد تركيب وزن‌دار اعوجاج نقشه لبه تصوير اصلي نسبت به نقشه لبه تصوير بازسازي شده و نيز اعوجاج تصوير اصلي نسبت به تصوير بازسازي شده به همراه نرخ بيت‌ استفاده مي‌شوند. نتايج نشان مي‌دهد كه روش پيشنهادي نسبت به روش پايه، در نرخ بيت‌هاي پايين بهبود ۲ درصدي در معيار LPIPS و ۳ درصدي در معيار SSIM را روي مجموعه داده‌هاي آزمايش CLIC به همراه داشته است. افزون بر اين، ارزيابي‌ ذهني تصاوير نشان دهنده اين است كه تصاوير بازسازي‌شده در روش پيشنهادي، بهبود قابل توجهي در نواحي لبه‌ها نشان داده و ساختار تصوير اصلي را به‌طور موثري حفظ مي‌كنند.