مقایسه عملکرد شبکه های عصبی مصنوعی مختلف در فشرده سازی تصویر دیجیتال

تصاویر دیجیتال نیاز به مقدار بزرگی حافظه برای ذخیره سازی دارند. بنابراین انتقال یک تصویر از یک کامپیوتر به یک کامپیوتر دیگر می تواند بسیار زمان بر باشد با استفاده از تکنیک های فشرده سازی این امکان وجود دارد که بخشی از اطلاعات در تصویر را کاهش دهیم تا به حافظه و زمان انتقال کمتری نیاز داشته باشد . شبکه های عصبی مصنوعی می تواند به منظور فشرده سازی تصویر استفاده شود . از یک جنبه شبکه های عصبی مصنوعی در کمی سازی برداری تصویر می تواند کاربرد داشته باشد و از طرف دیگر شبکه های عصبی مصنوعی برای فشرده سازی تصویر می تواند بسیار موثر باشد . وقابل مقایسه با روش های سنتی فشرده سازی می باشد در این مقاله روی معماریهای مختلف شبکه های عصبی مصنوعی برای فشرده سازی تصویر بحث می شود معماریهای ارائه شده در این مقاله عبارتند از :کوهنن خودسازمان ده (KSOM) وطرح خود سازمان ده سلسله مراتبی(HSOM) و شبکه های پس انتشار (BPN) و شبکه های پس انتشار سلسله مراتبی (HBPN) و شبکه های پس انتشار تطبیقی (ABPN) . معماری این شبکه ها و عملکرد آنها بیان شده و با یکدیگر مقایسه شده است .

کلیدواژه ها:

شبکه عصبی کوهنن خودسازمان ده ، شبکه خودسازمان ده سلسله مراتبی ، شبکه های پس انتشار ، شبکه پس انتشار سلسله مراتبی ، شبکه پس انتشار تطبیقی ، فشرده سازی تصویر ، کمی سازی برداری