Bài viết Phương pháp nén ảnh sử dụng mạng nơron nhân tạo và k-means đề xuất phương pháp nén ảnh sử dụng mạng neural kết hợp với phương pháp phân nhóm k-means nhằm hạn chế sự mất mát thông tin màu sắc của bức ảnh trong quá trình nén. | TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG - SỐ 1 74 . II PHƯƠNG PHÁP NÉN ẢNH SỬ DỤNG MẠNG NƠRON NHÂN TẠO VÀ K-MEANS IMAGE COMPRESSION BASED ON ARTIFICIAL NEURAL NETWORKS AND K-MEANS Võ Văn Nhật Phạm Minh Tuấn Trường Đại học Bách khoa Đại học Đà Nẵng Email v2nhat@ pmtuan@ Tóm tắt Sử dụng mạng nơron nhân tạo là một phương pháp hiệu Abstract Using artificial neural network is an effective method quả trong việc nén ảnh. Mạng nơron nhân tạo có khả năng xấp xỉ in image compression. Artificial neural networks have the ability không gian màu của một bức ảnh bằng một không gian nhỏ hơn so to approximate the color space of an image by a smaller space với không gian của bức ảnh ban đầu. Nếu ảnh đầu vào có các dạng than from the original image. The approximation will be easy if the màu sắc gần giống nhau tại các vị trí khác nhau trên cùng một bức input image has many similarities in color at different locations. ảnh thì việc xấp xỉ sẽ dễ dàng. Tuy nhiên ảnh đầu vào có rất nhiều However input image has many different types of colors the dạng màu sắc khác nhau thì việc xấp xỉ sẽ trở nên khó khăn. Báo approximation becomes difficult. This paper proposes the image cáo này đề xuất phương pháp nén ảnh sử dụng mạng neural kết compression method using a neural network method combined with hợp với phương pháp phân nhóm k-means nhằm hạn chế sự mất k-means to minimize the loss of color information of the image in the mát thông tin màu sắc của bức ảnh trong quá trình nén. Trước tiên compression process. First the proposed method split image into phương pháp đề xuất chia bức ảnh thành nhiều block khác nhau. diferent blocks. Then cluster these blocks using k-means. Finally Sau đó phân nhóm các block này sử dụng k-means. Mỗi nhóm block this paper builds an approximation space using the neural networks sẽ được thông qua một mạng nơron khác nhau để xây dựng không for all groups of blocks. Experimental results on real images show gian xấp xỉ. Kết quả thực .
