Levy uçuşlu meyve sineği algoritması ile görüntü sıkıştırma

Abstract

Sayısal görüntülerin sıkıştırılıp arşivlenmesi günümüz teknolojisinde çok önemli bir ihtiyaç haline gelmiştir. Son yıllarda doğadan esinlenerek geliştirilen PSO(Parçacık sürü optimizasyonu), MSO(Meyve sineği optimizasyonu), ABO(Ateşböceği optimizasyonu), GA(Genetik Algoritma) gibi sezgisel metodlar da vektör tabanlı görüntü sıkıştırma için kullanılmaya başlamıştır. Bu çalışmada MSO, meyve sineklerinin sorunsuz bir şekilde global optimum noktaya ulaşabilmesi için Levy Uçuşu tekniği ile birleştirilmiştir. MSO algoritmasının en büyük sorunlarından biri de lokal minimum noktaya takılıp global minimuma ulaşamamasıdır. Çoğu zaman küçük nadiren de büyük yarıçap değeri veren Levy Fonksiyonu yardımı ile meyve sineği lokal minimum noktaya hiç takılmayıp global minimum noktayı garantilemektedir. Bu yeni geliştirilen LMSO(Levy uçuşlu meyve sineği optimizasyonu) tekniği standart görüntüler üzerinde test edilmiş ve aynı sıkıştırma oranlarında MSE, PSNR ölçütleri kullanıldığında diğer sezgisel algoritmalardan üstün olduğu gösterilmiştir.

It has become an important requirement to compress and archive digital images in nowaday technology. The bioinspired algorithms such as Particle Swarm Optimization (PSO), Fruit Fly Optimization (FFO), Firefly Optimization(FO), Bat Optimization(BO) algorithms have started to be used for vector-based image compression. In this paper, the Fruitfly algorithm is combined with the Lévy flight distribution in order to reach the global optimum point without encountering any problem. One of the FFO problems is to be captured the fruit flies by a local minimum and cannot reach the global optimum point. With the help of Levy function, which results in small values rarely and big values generally, the fruit flies guarantee the global minimum point without getting captured by any local minimum. This new proposed Levy Flight Fruit Fly Optimization (LFFO) technique is applied on the standard images and it is seen that at the same and compression rates, the proposed new LFFO technique is better than the other metaheuristic optimization methods