fa فشرده‌سازی تصویر با کمک حذف و کدگذاری هوشمندانه اطلاعات تصویر و بازسازی آن با استفاده از الگوریتم های ترمیم تصویر مقالات پردازش تصویر Paper پژوهشي Research <p dir="RTL" style="margin-right: -39.65pt;"><strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">روش‌های فشرده‌سازی با اتلاف، به‌دلیل ایجاد فشرده‌سازی بیشتر، کاربرد گسترده‌تری دارند. اگرچه روش‌های زیادی تا به حال برای فشرده‌سازی تصاویر پیشنهاد شده ، اما،&nbsp; </span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">به</span></span></strong><strong><span style="font-family:b nazanin;"><span style="font-size:10.0pt;"> استفاده از روش‌های هوشمندانه حذف اطلاعات، کمتر توجه شده است. ترمیم، مجموعه‌ای از روش‌هایی است که اصلاحاتی را بر روی تصاویر انجام می‌دهد؛ با این هدف که بیننده تفاوتی بین تصویر اصلاح‌شده و تصویر اصلی احساس نکند. در این مقاله، پس از بررسی و معرفی بعضی روش‌های ترمیم تصویر و روش‌های فشرده‌سازی تصویر با کمک ترمیم، روش جدیدی پیشنهاد می‌شود که علاوه‌بر‌این که باعث فشردگی قابل توجه تصویر در زمان ارسال می‌شود، نتیجه کیفی مناسبی نیز در گیرنده خواهد داشت. در روش پشنهادی، تصویر به نواحی ساختاری و بافتی تقسیم می‌شود و برای هر ناحیه بلوک‌های قابل حذفی که امکان بازسازی مناسبی در گیرنده با استفاده از روش‌های ترمیم دارند، شناسایی و حذف می‌شوند و اطلاعات کمکی لازم جهت ترمیم بهتر از آنها استخراج می‌شود. این بلوک‌ها به‌همراه بلوک‌های غیرقابل حذف تصویر پس از کد‌شدن، ارسال می‌شوند و در گیرنده پس از کدگشایی، بلوک‌های از‌دست‌رفته بازسازی و ترمیم می‌گردند تا در‌نهایت تصویر اولیه در گیرنده قابل استفاده باشد. ویژگی‌های روش پیشنهادی نخست متغیر‌بودن اندازه بلوک‌های حذفی است که باعث فشردگی بیشتر می‌شود و ثانیاً ارائه روش جدیدی جهت بازسازی بلوک‌های شامل لبه در گیرنده است که کیفیت بلوک‌های ترمیم شده این نواحی را افزایش می‌دهد.</span></span></strong><br> &nbsp;</p> <p><strong>Compression can be done by lossy or lossless methods. The lossy methods have been used more widely than the lossless compression. Although, many methods for image compression have been proposed yet, the methods using intelligent skipping proper to the visual models has not been considered in the literature. Image inpainting refers to the application of sophisticated algorithms to replace lost or corrupted parts of the data so that visual difference cannot be inferred from the reconstructed image. In this paper, first we review some of the image inpainting algorithms and some of the image compression techniques using the inpainting algorithms, we propose a new inpainting based image compression algorithm that can improve the compression rate considerably. We present image compression system based on the proposed parameter-assistant image inpainting method to more deeply exploit visual redundancy inherent in color images. We have shown that with carefully selected dropped regions and appropriately extracted parameters from them, dropped regions can be satisfactorily restored using the proposed PAI algorithm. Accordingly, our compression scheme has a higher coding performance compared with traditional methods in terms of the perceptual quality. To best represent the target region for inpainting, an effective region classifier is required. A generic solution is to study the distribution of each image region and find the best match among the candidates in the predefined model class. For simplicity, in our scheme, an entire image divided into three categories: gradated, structural, and non-featured, at non-overlapping block level of size S&times;S. The classification is performed based on edge content and color variance in each block. Simulation results show that our proposed method has reasonable visual quality in comparison with the other proposed image compression algorithms.&nbsp;&nbsp;</strong><br> &nbsp;</p> ترمیم تصویر, فشرده‌سازی تصاویر, حذف هوشمندانه اطلاعات, کد کردن Image Inpainting, Image Compression, Intelligent Information Removing, Coding 97 114 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-851-1&slc_lang=fa&sid=1 Ali Jamshidi علی جمشیدی jamshidi@shirazu.ac.ir 10031947532846005478 10031947532846005478 Yes Shiraz University دانشگاه شیراز Mehran Yazdi مهران یزدی yazdi@shirazu.ac.ir 10031947532846005479 10031947532846005479 No Shiraz University دانشگاه شیراز Maryam Manafi مریم السادات منافی jamshidi801@gmail.com 10031947532846005480 10031947532846005480 No Shiraz University دانشگاه شیراز