@article { author = {Asadi Amiri, Sekine and Hassanpour, Hamid}, title = {Improving the Performance of Predictive Encoder by Changing the Image Content Arrangement Using Genetic Algorithm}, journal = {Journal of Machine Vision and Image Processing}, volume = {2}, number = {2}, pages = {39-49}, year = {2016}, publisher = {Iranian Society of Machine Vision and Image Processing}, issn = {2383-1197}, eissn = {2383-1197}, doi = {}, abstract = {Image compressiontechniquescan bedividedinto two categoriesoflossyandlossless. Predictiveencoder isthe basis of many losslessimagecompression methods. Thisencoder predictsthe valuesofimage pixelsusing theirneighboringpixelsvalues. The difference betweenthe actual valueand thepredictedvalue of each pixelis consideredthe errorandthese error valuesarecoded.In this paper, a pre-processingmethodis proposed tochangethe image content arrangementsothatthe correlations between the neighboring pixelsincrease.By increasing the correlation between neighboring pixels, predictive encoder can more accurately predict the value of each pixel, as a result, entropy is reduced in the error image. According toinformation theory, thelower the imageentropy leads to the higher the capability of theentropy encoderinitscompression.In the proposed method,using the genetic algorithm, an appropriate geometrictransformationof rotationandreflectionis appliedoneach blockofthe image to strengthen the correlation between neighboring pixels.Inthispaper, twocompression methods,losslessJPEG andCALIC that are based on predictivecodingareevaluated.The evaluation results ofthe proposed methodonmultiple imagesshow thattheproposedpre-processingmethodimprovesthecompressionrate of these two methods.}, keywords = {Image Compression,Lossless JPEG,CALIC,Geometric transform,Predictive encoder}, title_fa = {بهبود عملکرد کدگذار پیشگو با تغییر چیدمان تصویر به کمک الگوریتم ژنتیک}, abstract_fa = {روش‎های فشرده‎سازی تصویر را می‎توان به دو دسته با‎اتلاف و بی‎اتلاف تقسیم‎بندی نمود. کدگذار پیشگو مبنای بسیاری از روش‎های فشرده‌سازی بی‌ اتلاف تصویر است. این کدگذار با توجه به مقدار پیکسل‌های همسایه، مقداری را برای هر پیکسل از تصویر پیشگویی می‌نماید. تفاضل مقدار واقعی هر پیکسل از مقدار پیشگویی شده، مقدار خطا تلقی می‌شود و این مقادیر خطا کد می‌گردند. در این مقاله، روش پیش‌پردازشی پیشنهاد شده است که چیدمان تصویر را طوری تغییر می‌دهد تا مقادیر پیکسل‌های همسایه، همبستگی بیشتری با هم داشته باشند. با افزایش همبستگی بین پیکسل‌های همسایه، کدگذار پیشگو می‌تواند مقدار دقیق‎تری را برای هر پیکسل پیشگویی نماید، در نتیجه آنتروپی در تصویر خطا کاهش می‎یابد. طبق نظریه اطلاعات هر چه آنتروپی تصویر کمتر باشد، قابلیت کدگذار آنتروپی در فشرده‌سازی آن افزایش می‌یابد. در روش پیشنهادی به کمک الگوریتم ژنتیک، تبدیلات هندسی چرخش و انعکاس مناسبی بر روی هر بلوک از تصویر اعمال می‌شود تا چیدمان تصویر طوری تغییر یابد که همبستگی پیکسل‌های مجاور تصویر افزایش یابد. در این مقاله دو روش فشرده‌سازی JPEG بی‌اتلاف و CALIC که مبتنی بر کدگذار پیشگو هستند مورد بررسی قرار گرفت. نتایج ارزیابی روش پیشنهادی بر روی تصاویر متعدد نشان می‎دهد پیش‎پردازش پیشنهادی نرخ فشرده‎سازی این دو روش را بهبود می‎بخشد.  }, keywords_fa = {Image Compression,Lossless JPEG,CALIC,Geometric transform,Predictive encoder}, url = {https://jmvip.sinaweb.net/article_11633.html}, eprint = {https://jmvip.sinaweb.net/article_11633_4dd2a7700ee643572829b74a5ef7331d.pdf} }