بهبود عملکرد الگوریتم فشرده سازی LZW در تصاویر متنی
روش های فشرده سازی کاربردهای بسیاری در جنبه های مختلف کامپیوتر و ارتباطات پیدا کرده اند. سیستم های اطلاعاتی امروزی، به گونه ای مستقیم یا غیرمستقیم از مزایا و منافع روش های فشرده سازی بهره می برند. در این پژوهش نرخ فشرده سازی الگوریتم بدون اتلاف LZW در تصاویر متنی، به کمک الگوریتم ACW بهبود یافته است. سیستم پیشنهادی ابتدا تصاویر را با روش LZW فشرده کرده، سپس دنباله فشرده شده را مجددا با الگوریتم ACW فشرده می کند. الگوریتم بهبود یافته بر روی تصاویر متنی فارسی و انگلیسی با حجم های متفاوت آزمایش شده و نتایج آن با الگوریتم های Huffman ، LZW ، ACW و Huffman ACW مقایسه شده است. نتایج به دست آمده نشان داد الگوریتم بهبودیافته در تصاویر متنی فارسی و انگلیسی نسبت به LZW و ACW نرخ فشرده سازی بالاتری دارد، همچنین نرخ فشرده سازی تصاویرمتنی فارسی نسبت به انگلیسی در الگوریتم بهبودیافته بیشتر است. از لحاظ حجم واژه نامه الگوریتم پیشنهادی حجم کمتری نسبت به Huffman و ACW داشت، همچنین نتایج نشان داد که الگوریتم بهبودیافته برگشت پذیر بوده و تصاویر را بدون هیچ اتلافی رمزگشایی می نماید.
دسته بندی کیفیتی پسته با استفاده از تکنیک های پردازش تصویر
این مقاله به بررسی و دسته بندی کیفیتی پسته با استفاده از تکنیک های پردازش تصویر می پردازد
کاربرد نگاشت خودسازمانده در ناحیه بندی تصاویر رنگی
پژوهش حاضر به بررسی ناحیهبندی تصویر رنگی با استفاده از نگاشت خودسازمانده کوهونن پرداخته شده است. فضای رنگ RGB پس از انجام برخی تبدیلات میانی به عنوان بردار ورودی در فرآیند ناحیهبندی توسط شبکه عصبی SOM مورد استفاده قرار میگیرد. به منظور تعیین معیاری دقیق جهت بررسی تفاوت رنگها، از فضای رنگ تغییریافته *v*u*L استفاده میشود. ناحیهبندی بدون سرپرست نیز در دو مرحله صورت میگیرد، مرحله کاهش رنگ و مرحله ناحیهبندی رنگ. نتیجه این الگوریتم دو مرحلهای، دستیابی به ناحیهبندی بهینه با هزینه محاسباتی پایین میباشد. نتایج تجربی نشان میدهد که سامانه ارائه شده در این پژوهش توانایی مطلوب برای ناحیهبندی تصویر رنگی را برای مقاصد مختلف بینایی دارد.پژوهش حاضر به بررسی ناحیهبندی تصویر رنگی با استفاده از نگاشت خودسازمانده کوهونن پرداخته شده است. فضای رنگ RGB پس از انجام برخی تبدیلات میانی به عنوان بردار ورودی در فرآیند ناحیهبندی توسط شبکه عصبی SOM مورد استفاده قرار میگیرد. به منظور تعیین معیاری دقیق جهت بررسی تفاوت رنگها، از فضای رنگ تغییریافته *v*u*L استفاده میشود. ناحیهبندی بدون سرپرست نیز در دو مرحله صورت میگیرد، مرحله کاهش رنگ و مرحله ناحیهبندی رنگ. نتیجه این الگوریتم دو مرحلهای، دستیابی به ناحیهبندی بهینه با هزینه محاسباتی پایین میباشد. نتایج تجربی نشان میدهد که سامانه ارائه شده در این پژوهش توانایی مطلوب برای ناحیهبندی تصویر رنگی را برای مقاصد مختلف بینایی دارد.