خوارزمية ترميز فعالة باستخدام المسار المحلي على خوارزمية ترميز هوفمان لضغط البيانات

لقد أظهرت خوارزميات ترميز هوفمان والترميز الرياضي إمكانيات كبيرة في مجال ضغط الصور. هذه الخوارزميات هي أساس تقنيات ضغط الصور الحالية. ومع ذلك، هناك بعض النواقص في كلا الخوارزميتين التي تستخدم تكرارات الأحرف في البيانات. تهدف إلى تمثيل الرموز المستخدمة في البيانات في أقصر تسلسل بت. ومع ذلك، تمثل البيانات التي لها تردد منخفض الاستخدام بتسلسلات بت طويلة جدًا. تم تطوير خوارزمية الترميز الرياضي لمعالجة العيوب في خوارزمية ترميز هوفمان. تقترح هذه الورقة خوارزمية ترميز بديلة فعالة تستخدم خوارزمية ترميز هوفمان. الهدف الرئيسي من الخوارزمية المقترحة هو تقليل عدد البتات التي يتم تمثيلها برموز طويلة بواسطة خوارزمية ترميز هوفمان. في البداية، يتم تطبيق خوارزمية ترميز هوفمان على البيانات. يتم تجاهل الأحرف التي يتم تمثيلها بتسلسل بت قصير من خوارزمية ترميز هوفمان. ثم تتم إضافة بتات العلم وفقًا لما إذا كانت الرموز المتتالية على نفس الورقة. إذا لم يكن الحرف التالي على نفس الورقة، تتم إضافة بت العلم "0"، وإذا كان على نفس الورقة، تتم إضافة بت العلم "1" بين الأحرف. بعبارة أخرى، الأهمية الرئيسية لهذه الخوارزمية هي أنها تستخدم الجوانب الفعالة من خوارزمية ترميز هوفمان، وتقترح أيضًا حلاً لتسلسلات البت الطويلة التي لا يمكن تمثيلها بكفاءة. والأهم من ذلك، تم تقييم صلاحية الخوارزمية بعناية مع ثلاث مجموعات مختلفة من الصور. تم استخدام صور مختارة عشوائيًا من قواعد بيانات USC-SIPI وSTARE، وصور قياسية مختارة عشوائيًا من الإنترنت. تقوم الخوارزمية بضغط العمليات الخاصة بالصور بنجاح. لقد حققت بعض الصور التي تحتوي على هيكل شجرة متوازن نتائج قريبة مقارنةً بالخوارزميات الأخرى. ومع ذلك، عند فحص النتائج الكلية، حققت خوارزمية الترميز المقترحة نتائج ممتازة.