VQ: Vector Quantization

قبل از وارد شدن به بحث اصلی  ، بهتر است با بعضی از مفاهیم آشنا شویم.

انواع تصویر:

یک تصویر به شیوه های مختلفی میتواند ثبت  شود:

1-    انالوگ

2-    رقمی (دیجیتالی) :هر پیکسل بیانگر یک مقدار خاصی از منطقه است. هرپیکسل دارای یک ارزش عددی است که بیانگر میزان تابندگی تصویر در آن نقطه است. به این نوع تصاویر، تصاویر رستری هم می‌گویند. تصاویر رستری دارای سطر و ستون میباشند.

3-    تصاویر وکتوری

4-    مقدارپیکسلی

پردازش تصویر : انجام یکسری فرایند به روی تصویر، که امروزه بیشتر به روی تصاویر دیجیتالی انجام می شود اما پردازش نوری و آنالوگ تصویر ، پردازش اصوات و .. هم وجود دارند.

در پردازش ،به تصویر به عنوان یک سیگنال ورودی دو بعدی نگاه میشود.

هدف از انجام پردازش: بهبود کیفیت ،مشخص شدن یک قسمتهایی از تصویر، تشخیص الگو و ... .

پردازش تصویر میتواند بصورت مرزی انجام شود (تشخیص لبه) و یا به روی محتویات .

مکانیزم VQ ، کاربردهای زیادی دارد که می توان به کاردبرد آن برای فشرده سازی  داده ها (متن،صوت،عدد)اشاره نمود.

Vq مکانیزم نمونه برداری  است، الگوریتم vq ،ورودیها را دریافت کرده و تعداد خاصی  از آنها را به عنوان خروجی تحویل می دهد

 روشها یا الگوریتمهای خوشه بندی

در ابتدا با الگوریتمهای ابتکاری آشنا میشویم

در مسائل مختلف همیشه به دنبال بهترین جواب یا به اصطلاح در جستجوی جواب بهینه هستیم. مطمئنا در بعضی مسائل ، جواب دقیقی بدست نمی­ آید و باید به جستجوی جوابی بهینه بود.

الگوریتم‌های فراابتکاری یا فراتکاملی یا فرااکتشافی نوعی از الگوریتم‌های تصادفی هستند که برای یافتن پاسخ بهینه به کار می‌روند.

الگوریتمای فراابتکاری شاخه ای ازالگوریتمای بهینه سازی هستند

الگوریتمای بهینه سازی  به دو دسته الگوریتمهای دقیق (exact) و الگوریتم‌های تقریبی (approximate algorithms) تقسیم‌بندی می‌شوند.

برای  گروهبندی داده های یک مجموعه دیتاست ، روشهای مختلفی وجود دارد اما به صورت یقین نمیتوان گفت که کدام روش ،بهینه تر است و این خود کاربر است که باید با توجه به هدف، شرایط وداده های موجود،یکی از روشهای موجود را برگزیند. روشهای ذیل،روشهایی هستند کاربردی که بطور مختصر درباره هریک توضیح داده می­شود.

Clustering  یا خوشه بندی چیست؟

خوشــه بندی بــه دلیل توانــایی و قابلیتهــای بــالایی کــه در تلخیص اطلاعات و دسته بندی آنها دارد مورد توجه محققان و پژوهشگران علوم مختلـف قرار گرفته است. در مهندسی از خوشـه بندی بـرای فشرده سـازی تصـویر، فشرده سـازی صـوت، تشـخیص گوینده­ ی گفتار، تشخیص چهره­ ی افراد، بازیـابی عکـس، تحلیـل سـیگنال رادار، شناسـایی پارازیت، تقسیم بندی و تحلیل تصاویر مـاهواره­ ای و تصـاویر پزشـکی اسـتفاده می­ کننـد.در پزشکی از خوشه­ بندی برای شناسایی پروتئین هـا، ژن ­هـا، عوامـل بیمـاری­ زا، میکروب ­هـا و بــرای شناســایی راههــای درمــان بیماریهــا و تهیــه­ ی دارو اســتفاده می­ کننــد.