کوانتیزاسیون رنگ مبنتی بر شبکه نگاشت خود سازمانده تطبیقی با زمان پروانه ای

کوانتیزاسیون رنگ، تکنیکی برای پردازش و کاهش رن گهای تصویر است. در این مقاله برخی از الگوریتم های کوانتیزاسیون رنگ بررسی و با یکدیگر مقایسه شده اند. در نهایت، یک الگوریتم یادگیری مبتنی بر نگاشت خودسازمانده تطبیقی با زمان پیشنهاد شده است. الگوریتم پیشنهادی از تابع نرخ یادگیری و تابع همسایگی شبکه نگاشت خودسازمانده تطبیقی با زمان، و ترتیب پرش پروانه ای سراسری استفاده م یکند. در این روش نرخ یادگیری و تابع همسایگی جداگانه برای هر نورون درنظر گرفته می شود. با داشتن شعاع همسایگی و نرخ یادگیری مستقل می توان کنترل بیشتری روی رفتار هر نورون مستقل از نورون های دیگر داشت. پرش پروان های سراسری استفاده شده، ترتیب داده های ورودی را به صورت الگوهای شبه تکراری تغییر می دهد. این ترتیب داده های آموزشی، به نورونها اجازه میدهد تا کل ویژگی های تصویر را هر چه سریعتر درک کنند. نتایج نشان دهنده عملکرد برتر الگوریتم پیشنهادی در مقایسه با سایر الگوریتم های کوانتیزاسیون رنگ است.

کلیدواژه ها:

کوانتیزاسیون رنگ ، شبکه نگاشت خودسازمانده ، پلت رنگ