مهدی زیاری - دانشگاه آزاد اسلامی واحد مشهد، گروه هوش مصنوعی
مهدی یعقوبی - دانشگاه آزاد اسلامی واحد مشهد، گروه هوش مصنوعی

فشرده سازی فرکتالی تصویر، کیفیت مناسب تصویر بازسازی شده را با نرخ فشرده سازی بالا فراهم می آورد ولی مشکل اصلی آن، طولانی بودن زمان رمزگذاری می باشد.در این مقاله، بهبودی بر روی یکی از روشهای ارائه شده بمنظور رفع این مشکل صورت می گیرد. محققان زیادی بر روی کاهش پیچیدگی تشخیص تشابه و در نتیجه فشرده سازی سریعتر متمرکز شده اند.این تلاشها شامل روشهای دسته بندی ویژگی ها یا خوشه بندی می شود.در این میان زیانوی و دیگران، الگوریتمی را بر اساس دسته بندی هوشمند انحراف معیار استاندارد(STD) شامل سه مرحله دسته بندی هوشمند (ICA)حذف افزونگی بلاک های دامنه (DRM)و کنترل تطبیقی تعداد جستجو (SNAC) ارائه کرده اند.مشکل این روش ، عملکرد یکنواخت مرحله DRM برای تمامی بلاک های دامنه می باشدکه برای رفع این مشکل، از SNAC بعد از مرحلهDRM استفاده می گردد. بهبود گفته شده بر روی این روش، از طریق تطبیقی نمودن مرحله DRM که سبب حذف مرحله SNAC می گردد ، صورت می پذیرد و نتایج تجربی، کد گذاری سریع و کیفیت بهتر تصویر بازسازی شده با این روش را نشان می دهد.

الگوریتم جستجوی هوشمند ، دسته بندی هوشمند، فشرده سازی تصویر، کدگذاری فرکتالی