Abstract
In order to solve the high complexity of the conventional encoding scheme for fractal image compression, a spatial correlation hybrid genetic algorithm based on the characteristics of fractal and partitioned iterated function system (PIFS) is proposed in this paper. There are two stages for the algorithm: (1) Make use of spatial correlation in images for both range and domain pool to exploit local optima. (2) Adopt simulated annealing genetic algorithm (SAGA) to explore the global optima if the local optima are not satisfied. In order to avoid premature convergence, the algorithm adopt dyadic mutation operator to take place of the traditional one. Experiment results show that the algorithm convergent rapidly. At the premise of good quality of the reconstructed image, the algorithm saved the encoding time and obtained high compression ratio
چکیده
در این مقاله قصد داریم به‌منظور حل پیچیدگی بالایی که در شماهای رمزنگاری معمولی برای فشرده‌سازی تصویر فراکتال وجود دارد، یک الگوریتم ژنتیک ترکیبی با همبستگی فضایی و مبتنی بر مشخصه‌های سیستم عملکرد تکراری و تقسیم‌شده (PIFS) را ارائه دهیم. دو مرحله برای این الگوریتم در نظر گرفته‌شده است:
1-استفاده از همبستگی فضایی در تصاویر برای برد و دامنه به‌منظور بهره بردن از بهینگی محلی
2-بکار گیری الگوریتم ژنتیک تمپرینگ شبیه‌سازی‌شده (SAGA) به‌منظور بهره بردن از بهینگی محلی، البته در صورتی که این بهینگی محلی ارضا نشده باشد.
به‌منظور اجتناب از همگرایی زودرس، در این الگوریتم از یک عملگر جهش دوتایی به‌عنوان جایگزینی برای عملگر جهش معمولی استفاده‌شده است. نتایج به‌دست‌آمده از آزمایش‌ها نشان می‌دهد که این الگوریتم همگرایی بسیار سریعی را از آن خود کرده است. به‌منظور به دست آوردن یک کیفیت خوب از تصاویر بازسازی‌شده، این الگوریتم زمان رمزنگاری را کاهش داده و نرخ فشرده‌سازی بالایی را به دست آورد.
1-مقدمه
فراکتال ها ها را می‌توان در سطح زیادی در طبیعت یافت. تصاویر فراکتال، شامل اطلاعاتی کمی می‌باشد ولی از سطح پیچیدگی ظاهری بسیار بالایی برخوردار می‌باشند[1]. در حال حاضر، فشرده‌سازی تصویر فراکتال را می‌توان یکی از تکنولوژی‌های عمده‌ی رمزنگاری در نسل جدید فشرده‌سازی تصویر دانست[2]. نرخ فشرده‌سازی بالا و سطح استقلال رزولوشن را می‌توان از ویژگی‌های این ایده‌ی جدید برشمرد. در سال 1988 میلادی، بارسنلی [3-5] ایده‌ی فشرده‌سازی تصویر فراکتال را برای اولین بار ارائه داد...