Lossy Image Compression: Domain Decomposition-Based Algorithms

تصاویر دیجیتالی با کیفیت خوب نیاز به ذخیره سازی و پهنای باند بالایی دارند. در دوران مدرن، با افزایش انتظارات کاربر برای کیفیت تصویر، فشرده سازی کارآمد برای حفظ حافظه و زمان انتقال در محدوده معقول ضروری است.

فشرده سازی تصویر مربوط به به حداقل رساندن تعداد واحدهای حامل اطلاعات مورد استفاده برای نشان دادن یک تصویر است. تصویر تکنیک‌های فشرده‌سازی با از دست دادن مقداری از اطلاعات را از دست می‌دهند که معمولاً غیرقابل محسوس است. در ازای پذیرش این اعوجاج، نسبت‌های فشرده‌سازی بسیار بالاتری نسبت به فشرده‌سازی بدون تلفات به دست می‌آوریم.

ویژگی‌های برجسته این کتاب عبارتند از:

• چهار الگوریتم فشرده‌سازی تصویر جدید و پیاده سازی این الگوریتم ها
• بحث مفصل اقدامات هندسه فازی و کاربرد آنها در الگوریتم های فشرده سازی تصویر
• الگوریتم های جدید مبتنی بر تجزیه دامنه با استفاده از معیارهای کیفیت تصویر و بررسی معیارهای کیفی مختلف برای تصویر در مقیاس خاکستری فشرده سازی
• الگوریتم های فشرده سازی برای معماری های موازی مختلف و ارزیابی پیچیدگی زمانی برای رمزگذاری در همه معماری ها
• اجرای موازی الگوریتم های فشرده سازی تصویر بر روی یک خوشه در محیط ماشین مجازی موازی (PVM).< /li>

این کتاب برای دانشجویان فارغ التحصیل، محققان و مهندسین شاغلی که به دنبال تکنیک‌های فشرده‌سازی تصویر جدید هستند که کیفیت درک خوبی را در تصاویر دیجیتالی با نسبت‌های فشرده‌سازی بالاتر نسبت به الگوریتم‌های معمولی ارائه می‌دهند، جالب خواهد بود. /p>

Good quality digital images have high storage and bandwidth requirements. In modern times, with increasing user expectation for image quality, efficient compression is necessary to keep memory and transmission time within reasonable limits.

Image compression is concerned with minimization of the number of information carrying units used to represent an image. Lossy compression techniques incur some loss of information which is usually imperceptible. In return for accepting this distortion, we obtain much higher compression ratios than is possible with lossless compression.

Salient features of this book include:

• Four new image compression algorithms and implementation of these algorithms
• Detailed discussion of fuzzy geometry measures and their application in image compression algorithms
• New domain decomposition based algorithms using image quality measures and study of various quality measures for gray scale image compression
• Compression algorithms for different parallel architectures and evaluation of time complexity for encoding on all architectures
• Parallel implementation of image compression algorithms on a cluster in Parallel Virtual Machine (PVM) environment.

This book will be of interest to graduate students, researchers and practicing engineers looking for new image compression techniques that provide good perceived quality in digital images with higher compression ratios than is possible with conventional algorithms.