مرتضی هیودی - استادیار، گروه ریاضی دانشگاه تحصیلات تکمیلی علوم پایه زنجان
المیرا جباری - گروه ریاضی دانشگاه تحصیلات تکمیلی علوم پایه زنجان

تصاویر را می توان به عنوان سیگنال های دو بعدی با فضایی هماهنگ به عنوان متغیرهای مستقل در نظر گرفت. از زمان آغازپردازش تصویر دیجیتال، فشردهسازی تصویر از مباحث فعال پژوهشی میباشد که به دلیل ذخیره سازی کارآمد و انتقال داده هایتصویر بسیار مهم است . تکنیک های زیادی برای فشردهسازی تصویر معرفی شدهاند. در بین تکنیکهای موجود، شبکه های عصبیمصنوعی به دلیل از بین بردن نویز و قابلیت یادگیری، کاربردهای فراوانی دارند. از نکات مهم در فشردهسازی با شبکهی عصبی مصنوعی، آموزش شبکه میباشد. در این مقاله آموزش شبکهی عصبی برای بلوکبندی 2 × 2 ، 4 × 4 ، 8 × 8 و 16 × 16 پیکسلی و میزاناثر گذاری هر کدام از این بلوکبندیها بر آموزش شبکه عصبی بررسی میشود. نرخ فشردهسازی برای تمام تقسیمبندیها یکسان است و الگوریتم مورد استفاده برای آموزش شبکهی عصبی، الگوریتم BP است . نحوهی آموزش، تعداد تکرارها، تصاویر آموزشی و شفافیت تصویر PSNR بررسی میشوند. همچنین زمان فشردهسازی برای هریک ازبلوکبندیها محاسبه میگردد. بیشترین زمان فشردهسازی مربوط به بلوکبندی 2 × 2 پیکسلی و بالاترین PSNR برای بلوکبندی 4 × 4 پیکسلی است

فشردهسازی تصویر، شبکههای عصبی مصنوعی، الگوریتم یادگیری BP ، آموزش شبکهی عصبی مصنوعی، بلوکبندی، شفافیت تصویر .PSNR