فشرده سازی بدون اتلاف تصاویر ریزآرایه توسط روش های مبتنی بر پیشگویی

تکنولوژی ریزآرایه ابزاری جدید در علم ژنتیک می باشد که به محققان اجازه مطالعه رفتار هزاران ژن را بطور همزمان می دهد. حاصلِ هر آزمایش ریزآرایه تصاویری با حجم بالا است که با عکسبرداری از ریزآرایه بدست آمده اند. به دلیل بزرگ بودن اندازه این تصاویر، تعداد زیاد تصاویر تولید شده در هر آزمایش و به اشتراک گذاشتن و نگهداری این تصاویر در پایگاه داده های مختلف، امروزه فشرده سازی تصاویر ریزآرایه اهمیت بسیار زیادی پیدا کرده است. در این پایان نامه چند روش برای بهبود فشرده سازی بدون اتلاف تصاویر ریزآرایه ارایه شده است. روشی مبتنی بر آستانه گذاری وفقی برای بخشبندی نواحی اسپات (spot) و پس زمینه پیشنهاد شده است، همچنین دو روش مبتنی بر پیشگویی و مدلسازی مبتنی بر زمینه (context) برای فشرده سازی بدون اتلاف تصاویر ریز آرایه ارایه می شود. در روش پیشنهادی اول علاوه بر تقسیم پیکسلهای تصویر به پس زمینه و اسپات، قسمتهای لبه اسپاتها نیز بصورت جداگانه کد می شوند و در روش پیشنهادی دوم بعد از تعیین زمینه های مناسب بصورت وفقی، توسط روش مدلسازی مبتنی بر زمینه به فشرده سازی این تصاویر پرداخته می شود. نتایج شبیه سازی روشهای پیشنهادی دلالت بر برتری این روشها نسبت به استانداردهای فشرده سازی تصویر (از جمله jpeg-ls) و همچنین روشهای قبلی فشرده سازی تصاویر ریز آرایه دارد.