مجید شعبانی - دانشجوی کارشناسی ارشد، گروه هوش مصنوعی، دانشکده مهندسی کام پیوتر، دانشگاه تربیت دبیر شهید رجایی، تهران، ایران
علیرضا بساق زاده - عضو هیئت علمی، گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیر شهید رجایی، تهران، ایران؛
رضا ابراهیم پور - عضو هیئت علمی، گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیر شهید رجایی، تهران، ایران

یکی از مسائل مهم و قابل توجه در پردازش تصویر، بازسازی و فشرده سازی تصویر با استفاده از مجموعه محدودی از نمونه های غیریکنواخت می باشد. از این رو طراحی یک الگوریتم نمونه برداری و بازسازی کارآمد برای سیگنال های طبیعی چند بعدی مانند تصاویر و ویدئو، بسیار حائز اهمیت است. باتوجه به اینکه سیستم بینایی انسان، به صورت گزینشی تنها بر قسمت های مشخصی از صحنه تمرکز می کند، در این مقاله روشی ارائه شده است که با استفاده از مدل های محاسباتی توجه بینایی پایه، اقدام به نمونه برداری غیریکنواخت و فشرده سازی تصویر می نماید؛ در روش پیشنهادی پیکسل های مهم تصویر توسط سیستم بینایی انسان استخراج می شوند. در اینجا از چند روش محاسباتی توجه بینایی پایه بهره برده می شود و در انتها تصاویر توسط روش رگرسیون کرنل استرینگ بازسازی می شوند. نتایج آزمایش های انجام شده نشان می دهد روش پیشنهادی به دلیل استخراج نواحیدارای اطلاعات مهم تر مبتنی بر عملکرد توجه بینایی انسان، درمقایسه با پنج روش مشابه دارای عملکرد بهتری است .

فشرده سازی تصویر، توجه بینایی، مدل محاسباتی توجه بینایی، رگرسیون کرنل استرینگ.