چکیده: امروزه به دلیل حجم زیاد اطلاعات دیجیتال، فشرده سازی تصاویر به عنوان یک نیاز اساسی در سیستم-های بایگانی و ارسال تصاویر مطرح می شود. روش های زیادی برای افزایش نرخ فشرده سازی تصویر ایجاد شده است. اما همچنان افزایش نرخ فشرده سازی و حفظ کیفیت تصویر بازیابی شده یک ضرورت محسوب می شود. هر یک از الگوریتم های فشرده سازی موجود بر اساس یک یا چند ویژگی اقدام به شناسایی افزونگی در تصویر و در نتیجه فشرده سازی آن می کنند. بر همین اساس، هر یک از روش های فشرده سازی، به ازای تصاویر مختلف، نرخ فشرده سازی یکسانی را ارائه نمی دهند. نرخ های فشرده سازی آنها ممکن است به عواملی چون تنوع سطوح خاکستری، هموار بودن تصویر و یکسان بودن مقادیر پیکسل های مجاور در تصویر بستگی داشته باشد. بر این اساس، در این تحقیق راهکارهایی ارائه می شود که به عنوان یک مرحله پیش-پردازش بر روی تصویر اعمال شوند تا پارامترهای تاثیرگذار مربوطه در آن تصویر را جهت فشرده سازی تقویت نمایند. در این پایان نامه چهار روش پیش پردازش ارائه شده است. پردازش اول بدون اتلاف بوده و در دو گام صورت می گیرد. در گام اول، تصویر به بلوک های بدون هم پوشانی تقسیم شده و بلوک ها بر اساس افزایش (کاهش) ضرایب DC، مرتب می شوند. در گام دوم، هشت تبدیل هندسی برگشت پذیر بر روی تصویر حاصل از گام اول صورت می گیرد. از بین تصاویر حاصل، تصویری که منجر به بهترین نتیجه برای فشرده سازی می شود، انتخاب می گردد. این پردازش باعث کاهش دامنه ی تغییرات، در نتایج حاصل از محاسبات JPEG شده و نرخ فشرده سازی آن را بهبود می دهد. در روش دوم، سطوح خاکستری که از نظر مقدار، به هم نزدیک می باشند، در یک دسته قرار می گیرند. سپس، یک سطح خاکستری به عنوان نماینده برای هر دسته در نظر گرفته می شود. مقدار هر سطح خاکستری در تصویر اصلی با مقدار نماینده ی مربوط به دسته ی خودش، جایگزین می شود. دسته بندی و انتخاب نماینده به نحوی انجام شده است که خرابی تصویر حداقل باشد. در گام بعد، هیستوگرام تصویر پردازش شده، متراکم می شود. این پیش پردازش، با حفظ کیفیت تصویر، توانسته نرخ فشرده سازی الگوریتم Lossless JPEG را بهبود دهد. روش سوم مشابه روش دوم می باشد با این تفاوت که تصویر در ابعاد ثابت بلوک بندی شده و مقدار پارامتر تعیین کننده ی تعداد سطوح هر دسته، برای هر بلوک، آگاهانه تر و بر اساس سیستم بینایی انسان انتخاب می گردد. این پیش پردازش باعث بهبود نرخ فشرده سازی الگوریتم های JPEG2000 و Lossless JPEGشده است. در روش چهارم، با استفاده از الگوریتم ژنتیک فضای رنگ مناسبی برای فشرده سازی هر تصویر به طور مجزا ایجاد می گردد. این پیش پردازش منجر به بهبود عملکرد الگوریتم CIC شده است.