Share
ضغط الصورة كسوريا بالاعتماد على التقنية العشوائية == Fractal Image Compression Based on Entropy Technique
Author name:
دعاء يونس عباس الطائي
Supervisor name:
جميلة حربي سعود العامري
General topic:
Computer Science
Specific topic:
Computer Science
Degree:
Master
University:
Mustansiriyah University - College Of Science - Department Of Computer
Language:
English
University location:
Baghdad
First pages:
28T833 - p.pdf
Abstract:
ضغط البيانات اصبح مسالة مهمة لخزن المعلومات والارسال ويستخدم بصورة خاصة في قاعدة بيانات مكونة من عدد كبير من الصور الرقمية المفصلة حيث ان الصورة هي عبارة عن تمثيل رقمي. ضغط الصور ببساطة يدل على تقليل هذه البيانات الرقمية بواسطة استخدام خوارزميات مختلفة لذلك مؤخرا الصور تضغط باستخدام خوارزميات ضغط الصور الكسورية وبالاعتماد على الكسوريات (fractals( تعتبر خوارزميات ضغط الصور الكسورية هي خوارزميات من نوع فاقدة لبيانات (lossy) الصور الرقمية. تضغط الصورة كسوريا بسبب اعتمادها على حقيقة ان اجزاء من الصورة غالبا ما تشابه اجزاء اخرى من نفس الصورة لذلك فان هذه الخوارزميات تكون ملائمة اكثر للصور النسيجية والصور الطبيعية. بسبب امتلاك الخوارزميات الكسورية لبعض الخصائص المرغوب بها مثل قدرة التحليل المستقلة وسرعة اعادة الترميز. فان خوارزميات ضغط الصور الكسورية نالت اهتمام كبير من قبل الوحدات البحثية. بالرغم من كل هذه النجاحات المتقدمة الا ان طول وقت الترميز في مرحلة الضغط يبقى العائق الاساسي لهذه الخوارزمية بسبب ان معظم الوقت في مرحلة الضغط يصرف حول ايجاد افضل مطابقة بين المديات (srange) والمجالات (sdomain) اي ايجاد المناطق المتشابهة في الصورة. في هذه الرسالة سوف نقدم تقنية جديدة لتقليل تعقيدات مرحلة الضغط والمحافظة على كفاءة الصورة المسترجعة باستخدام التقنية العشوائية. في هذه التقنية المقترحة, سوف نقسم الصورة المراد ضغطها باستخدام تقنية الشجرة الرباعية quad tree)) الى مديات ومجالات مختلفة الحجم فيما بعد يتم حساب قيمة العشوائية لكل مدى ومجال اذا كان فرق العشوائية بينهما اقل من مقدار عتبة العشوائية (ɛ) الذي يكون ضمن قيم تتدرج من 0.1الى 0.9 فالمجال ينظم لمستودع المجالاتdomain pool) ) لهذا البحث في مستودع المجالات لكل مدى سوف يقل حيث يتم تكوين مستودع المجالات الجديد المتقلص الحجم بالاعتماد على القيمة العشوائية لكل مجال لذلك كل مدى سوف يقارن فقط مع المجالات التي تحقق الشرط ) مستودع المجالات الجديد المتقلص الحجم ) بدلا من المقارنة مع كل المجالات كما في خوارزمية البحث الكلي لهذا الحسابات في مرحلة الضغط المقترحة سوف تكون قليلة والوقت سوف يسرع. في النهاية, استخدام طريقة تقطيع الشجرة الرباعية في التقنية العشوائية المقترحة ساعدنا في تسريع وقت الضغط حيث كما نعرف ان طريقة تقطيع الشجرة الرباعية تسرع مرحلة الضغط حيث ان النتائج الاختبارية في جداول المقارنة المعروضة في الفصل الرابع والتي تتضمن 10 صور رمادية وملونة حجمها 256 ×256 تشير ان الخوارزمية المقترحة تسترجع الصور بوقت ضغط اسرع مثال على ذلك وقت الضغط لصورة لينا تناقص من 2650 ثانية باستخدام خوارزمية الضغط الكلي ليكون431.81 ثانية باستخدام الخوارزمية المقترحة وباستخدام نفس متغيرات مرحلة الضغط وفي حالة قيمة مقدار التداخل (step size) هي 1 كذلك نسبة الضغط والكفاءة لصورة لينا باستخدام الخوارزمية المقترحة هي 10.565 , 30.181 dB على التوالي هذا يعني ان الخوارزمية المقترحة ايضا تحقق كفاءة جيدة للصورة المسترجعة مع نسبة ضغط مقبولة | Data compression has become an important issue for information storage and transmission. This is especially true for databases consisting of a large number of detailed digital images whereas digital images are the numerical representations. Image compression simply refers to reduce this numerical data by using various algorithms so recently images can be compressed using fractal compression algorithm. Based on fractals, fractal image compression is a lossy compression algorithm for digital images. Because fractal image compression relying on the fact that parts of an image often resemble other parts of the same image in other words its is based on the self - similarities property in images so fractal image compression algorithm is best suited for textures and natural images. Due to some desirable properties like resolution independence and fast decoding, fractal image compression has received much attention from the research community. Despite the advances made, the long computing times in the encoding stage remain the main drawback of this algorithm since most of the time during encoding stage is spent for finding the best matching pair of range - domain block (finding the regions with high self - similarity). In this thesis, new technique will be presented to reduce the complexity of the encoding stage and keeping quality of the reconstructed image using the entropy technique. In the proposed entropy technique, the image will be partitioned using quad tree partitioning into range and domain blocks of different sizes after that the entropy values of range and domain blocks will be calculated for determining size of the domain pool since if the difference between the entropy values of range and domain blocks lesser than entropy threshold (ɛ) that ranged from 0.1 to 0.9 values then this domain block will belong to the domain pool because that the domain pool search for each range block will be reduced since the new reduced domain pool is formed based on entropy value of each domain block so that range block is compared only with domain blocks that satisfy the condition (i.e., reduced domain pool) instead of all the domain blocks as in full search algorithm then calculations of the proposed encoding stage will be little and the time will be speeded. Ultimately, using quad tree partitioning in entropy technique assisted in speeding the encoding time since where the experimental results in comparing tables that shown in chapter four which include 10 grey scale and color images of size 256 × 256 indicate that the proposed entropy technique combined with quad tree partitioning reconstructed the images with faster encoding time for example the encoding time of Lenna image decreased from 2650 sec in full search algorithm to be 431.80 sec by using the proposed entropy algorithm under the same encoding parameter values for step size is 1 as well as the compression ratio and quality of Lenna image using entropy technique are 10.565 and 30.038 dB respectively while in full search algorithm were 13.058 and 31.181 dB respectively this means that the proposed entropy algorithm also it achieves good quality of the reconstructed images with acceptable compression ratio
