ارائه یک روش جدید فشرده‏سازی تصاویر چهره با استفاده از نمایش تنک سیگنال ‏و الگوریتم یادگیری دیکشنریRLS-DLA

رشد فناوری و افزایش تصاعدی اطلاعات نیاز به حجم ذخیره‏سازی بیشتر داده‏های اطلاعاتی گوناگون را افزایش داده است. در این راستا فشرده‏سازی تصویر به‌عنوان ابزاری کارآمد جهت کاهش افزونگی و صرفه‏جویی در حجم ذخیره‏سازی و کاهش پهنای باند انتقالی داده‏های تصویری به کار می‏آید. هنگامی‏که فشرده‏سازی یک دسته یا خانواده از تصاویر، مانند پایگاه داده تصاویر چهره یک سازمان یا مؤسسه یا پایگاه داده MRI یک بیمارستان بزرگ یا پایگاه داده اثر انگشت مدنظر باشد افزونگی اطلاعات افزایش یافته و فشرده‏سازی اهمیت و الزام بیشتری پیدا می‏کند. در این میان تصاویر چهره با توجه به کاربرد وسیعی که به‌عنوان رایج‏ترین تصاویر پایگاه داده سازمان‌های و نهادهای مختلف مانند اداره‏های پلیس، نهادهای نظامی، دانشگاه‏ها و شرکت‏های بزرگ دارند مورد توجه بیشتری قرار دارند. به همین خاطر ارائه الگوریتمی که بتواند این دسته از تصاویر را با کیفیت بیشتر و نرخ بالاتری فشرده‏ کند اهمیت بسیاری دارد. در این مقاله با استفاده از حوزة جدیدی از پردازش سیگنال به نام نمایش تُنک و روش یادگیری دیکشنری RLS-DLA الگوریتم جدیدی برای فشرده‏سازی تصویر ارائه شده است که می‏تواند برای فشرده‏سازی پایگاه داده تصاویر به کار رود. در این الگوریتم تصاویر با به‌کارگیری چند دیکشنری به نحو وفقی بر اساس کیفیت بازسازی مورد نیاز آن‌ها فشرده می‏شوند. نتایج به‌دست‌آمده از الگوریتم پیشنهادی نشان‌دهنده عملکرد مؤثر و برتری معنی‏دار آن نسبت به روش‌های پیشرفته و مطرحی همچون JPEG2000 است به‌طوری‌که به افزایش کیفیتی در حدود 0.5 dB تا 1.2 dB در نرخ بیت یکسان دست می‏یابد.