Image compression using artifical neural networks

Abstract

V ÖZET YAPAY SİNİR AĞLARI KULLANARAK GÖRÜNTÜ SIKIŞTIRMA Teknolojik uygulamalarda veri iletimi ve depolaması giderek yaygın bir önem kazanmaktadır. Hergün ihtiyacımız olan veri miktarı artmaktadır. Gözle görülür olan bu artış, `sıkıştırma` kavramım daha gerekli hale getirmektedir. Her türlü uzman ve gelişmiş sistemleri kullanarak ve bunları matematik bilimiyle birleştirerek, dünya genelinde pek çok araştırmacı bu alana odaklanmaktadır. Bu tez çalışması, renkli görüntülerin sıkıştırılması için karma bir teknik arayışına örnek oluşturmaktadır. Bu tezde hem Dalgacık Dönüşümü hem de Yapay Sinir Ağlan birlikte kullanılmıştır. Bu birliktelik her iki tekniğin verimli ve etkili yanlarım yansıtmaktadır. Ayrık dalgacık ayrıştırması ve kendini uyarlayan ağ yapısı, yeni sıkıştırma algoritmasını oluşturan temel elemanlardır. Ayrıştırma işlemiyle görüntü içerisindeki nokta bilgisi elde edilmiş ve bu bilginin gerekli olmayan (însan Görme Sistemi üzerinde fark edilebilir etki yaratmayan) kısmı kendini organize eden ağ yapısı ile indirgenmiştir. Bunlara ek olarak Skaler Kuantalama ve Huffman Entropi Kodlaması işlemleri ile fazlalık olan kodlama bilgisi elenmiş, böylece renkli görüntüyü temsil eden en az miktardaki veri elde edilmiştir. Sıkıştırma değerleri (hem sıkıştırma oram Bit/pixel hem de Tepe İşaretinin Gürültüye Oram) diğer geleneksel sıkıştırma tekniklerininkilerle (JPEG ve Dalgacık Dönüşüm temelli) karşılaştırıldığında, görülmüştür ki bu algoritma ile diğerleri arasında ciddi bir olumsuz performans farkı olmamıştır. Tam tersine» yüksek Bit/pixel değerlerinde, bazı test görüntülerinde, diğer algoritmalarınkine göre daha yüksek sıkıştırma performansları bulunmuştur.

IV ABSTRACT IMAGE COMPRESSION USING ARTIFICIAL NEURAL NETWORKS Data transmission and storage are getting a widespread importance in technological applications. Everyday the data amount we need are increasing. This indispensible increase is making the `compression` concept more necessary. Using every kind of innonative or expert systems and combining them with mathematics science, many researchers have focused on this area. This thesis study is an example to seek new hybrid technique for compressing color images. In this thesis, both Wavelet Transform and Artificial Neural Networks are combined. This combination are reflecting the efficient and effective sides of both techniques. Discrete Wavelet Decompositon and Self-Organizing Feature Map network are the main elements producing the new compression algorithm. By decomposition process, the pixel information of an image is obtained and the redundant (which has not a realizable effect on Human Visual System) part of this information are reduced by the Self-Orginizing Map structure. In addition of them, Uniform Scalar Quantization and Huffman Entropy Coding have eliminated the coding redundancy, so mat minimum amount of data representing an color image is obtained. When the compression values (both compression ratios-Bit/pixel and Peak Signal to Noise Ratios-PSNR) are compared to available and conventional compression techniques (JPEG and Wavelet based algorithms), it is concluded that there is no crucial negative perforamance difference between this algorithm and those conventional techniques. On the contrary, for higher Bit/pixel values, some of the test images are compressed with higher PSNR values by this algortihm.