این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۱۲، شماره ۱، صفحات ۱-۱۰
عنوان فارسی روش سریع کاهش رنگ تصاویر مبتنی بر رویکرد بین‌بندی تطبیقی هیستوگرام
چکیده فارسی مقاله اکثر روش‌های کاهش رنگ در تصاویر که مبتنی بر خوشه‌بندی تصویر در یک فضای رنگی سه بعدی ، هزینه‌های محاسباتی بسیار بالایی به خصوص برای تصاویر در اندازه‌های بزرگ دارند. در این مقاله یک روش جدید تطبیقی برای کاهش سریع رنگ ارائه شده است که از نظر محاسباتی مستقل از اندازه تصویر است و عمق پیکسل را از 24 بیت (که برای نشان دادن مقادیر سه‌گانه رنگ در اغلب مدلهای RGB سخت افزار محور استفاده می‌شود) به حداکثر 15 بیت کاهش می‌دهد. برای دستیابی به این هدف با معرفی یک تابع هزینه ترکیبی جدید و با استفاده نسخه اصلاح شده GSA (که PABH-GSA نامیده می‌شود)، یک رویکرد بین‌بندی تطبیقی هیستوگرام ایجاد شده است. هرچند دقت بازرقومی‌سازی مکعب رنگ در رویکرد بین‌بندی هیستوگرام در مقایسه با روش خوشه‌بندی داده‌های سه بعدی کمتر است، اما کاهش قابل توجهی هزینه محاسباتی را به دنبال دارد. در این مقاله ضمن استفاده از این مزیت به دنبال کاهش خطای بازرقومی‌سازی با استفاده از بین‌بندی تطبیقی مولفه‌های رنگ RGB هستیم. علیرغم کاهش قابل توجه در عمق پیکسل، رویکرد کاهش رنگ پیشنهادی، به دلیل کاهش تطبیقی رنگ تصاویر، منجر به کاهش رنگ مناسب برای طیف گسترده ای از تصاویر می‌شود.
کلیدواژه‌های فارسی مقاله هوش جمعی، الگوریتم جستجوی گرانشی، کاهش رنگ، بین‌بندی تطبیقی هیستوگرام،
عنوان انگلیسی A New Fast Color Reduction Method Based on Adaptive Histogram Binning Approach
چکیده انگلیسی مقاله Most color reduction methods that are based on image clustering in a 3D color space have extremely high computational costs, especially for large size images. In this paper, a new fast adaptive color reduction method is proposed which, computationally, is independent of the image size and reduces the pixel depth from 24 bits (used to represent tristimulus values in the most commonly hardware-oriented RGB model) to a maximum of 15 bits. To achieve this purpose, by introducing a new hybrid cost function and using a modified version of the Gravitational Search Algorithm (GSA), an adaptive histogram binning approach has been developed. Although the cube re-quantization accuracy in the histogram binning approach is lower compared to the 3D data clustering method, it leads to a significant reduction in computational cost. In this paper, while taking this advantage, we seek to reduce re-quantization error using the adaptive histogram binning of RGB color components. Despite a significant reduction in pixel depth, the proposed color reduction approach, due to the adaptive reduction of image colors, results in an appropriate color reduction for a wide variety of images.
کلیدواژه‌های انگلیسی مقاله هوش جمعی, الگوریتم جستجوی گرانشی, کاهش رنگ, بین‌بندی تطبیقی هیستوگرام
نویسندگان مقاله علیرضا سردار |
دانشجوی دکتری گروه الکترونیک، دانشکده مهندسی برق و کامپیوتر دانشگاه بیرجند

ناصر مهرشاد |
دانشیار گروه الکترونیک دانشکده مهندسی برق و کامپیوتر دانشگاه بیرجند

سید محمد رضوی |
دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران

نشانی اینترنتی https://jscit.nit.ac.ir/article_121686_a81bd1cc9a99bb8954f7ca9138731088.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات