On improving processing speed of image fractal compression using artificial genetics techniques نحو تخفيض وقت ضغط الصور "فراكتال" باستعمال تقنيات الجينات الصناعية

Abstract

إن أدوات الجينات الصناعية والهندسة التطورية كانت من الموضوعات الأكثر إثارة لدى الباحثين في العشر سنوات الأخيرة، حيث أنها برهنت عن تفوقها وفعاليتها في مسائل وتطبيقات البحث عن الحل الأمثل في فضاءات متعددة الأبعاد لقد شدت تقنيات ضغط الصور "فراكتال" أيضا انتباه الباحثين حيث شكلت تطبيقات التكنولوجيات الحديثة المعتمدة على الويب تحديا جديدا لقد تم اقتراح عدد من تقنيات ضغط الصور من طرف الباحثين إلا أنها كانت بأغلبيتها تهتم بالتوازن بين نسبة الضغط ونوعية الصورة بعد الاسترجاع بهذا البحث نقترح خوارزميات جينية ديناميكية لتحسين عملية ضغط الصور "فراكتال" بالتركيز على نظم الدوال التكرارية (IFS) يتم استعمال ترميز خاص لكل معطيات ومتغيرات الصورة في سلسلة كروموزومية محددة كود ومعطيات الخوارزميات الجينية لقد قمنا باستعمال طريقة تقسيم الصورة بغض النظر عن حجم كائنات الصورة وموقعها في الإطار تمكن هذه الطريقة من تسريع مرحلة الترميز بتغيير مدة الترميز أثناء البحث عن أكبر تشابهات بين كائنات الصورة لقد أجرينا عدد من الاختبارات لهذا البرنامج على صور "فراكتال" حيث برهنت عن تخفيض نسبي لوقت التشغيل (الضغط وفك الضغط) دون خسارة جودة الصورة وهذا بسبب البحث المتوازي عن الكائنات والمجالات (blocks and ranges) التي توفرها الجينات الصناعية الكلمات الأساسية ضغط صور "فراكتال"، الخوارزميات الجينية، نظم الدوال التكرارية

Artificial genetics tools have been for decades a subject for intensive investigations From genetic algorithms and hierarchical GA's to evolutionary engineering tools such as genets these tools have proven their efficiency in search and optimization problems in multidimensional spaces

Fractal image compression has also been for decades a challenge for researchers facing the emergence of new web based technologies and applications

Several works have been proposed in the literature of GABased fractal compression emphasizing on compression rateimage quality tradeoffs

In this paper we propose a dynamic genetic algorithm to improve performance of fractal image compression based on local IFS An adequate GA coding is used to address the different image parameters The algorithm is set to fit all possible decomposition schemes regardless the range block size and position

Furthermore to avoid premature convergence a linear scaling is applied to each individual fitness then a roulette wheel method is applied for selection process

Such modified GA is intended to speed up the coding phase by varying coding period through tuning GA parameter settings according to maximum bloc similarities

Several computer simulation tests have been performed on fractal images

Results show a major reduction in processing time during blocrange search process without major loss of image quality