采用萤火虫算法的矢量量化.docVIP

  采用萤火虫算法的矢量量化 乔桢，程永强** （太原理工大学信息工程学院，太原市 030024） 5 10 摘要：矢量量化（VQ）是数字图像压缩应用中一种强大的技术。本文介绍了传统的 LBG 算 法，提出了新的萤火虫算法(FF-LBG)来构造矢量量化码本。将 FF-LBG 算法与传统 LBG 算 法、粒子群优化算法（PSO-LBG）、量子粒子群优化算法（QPSO-LBG）和蜜蜂交配优化算 法（HBMO-LBG）四种方法做比较，实验结果显示，本文提出的 FF-LBG 算法生成的重构 图像比 LBG、PSO-LBG 和 QPSO-LBG 具有更高的质量；与 HBMO 算法质量接近，但 FF-LBG 比 HBMO-LBG 计算时间更少。 关键词：矢量量化；LBG 算法；粒子群优化；量子粒子群优化；蜜蜂交配优化；萤火虫算 法 中图分类号：TN919.8 15 Vector quantization using the firefly algorithm QIAO Zhen, CHENG Yongqiang (Taiyuan University of technology information engineering college,TaiYuan 030024) Abstract: The vector quantization (VQ) was a powerful technique in the applications of digital 20 25 30 35 40 image compression. This paper proposed a new method the firefly algorithm to construct the codebook of vector quantization. The FF-LBG algorithm is compared with the other four methods that are LBG, particle swarm optimization, quantum particle swarm optimization and honey bee mating optimization algorithms. Experimental results show that the proposed FF-LBG algorithm generated the reconstructed images get higher quality than those generated from the LBG, PSO and QPSO; it is no significant superiority to the HBMO algorithm, but computation time of the FF-LBG is shorter than the HBMO-LBG. Key words: Vector quantization; LBG algorithm; Particle swarm optimization; Quantum particle swarm optimization; Honey bee mating optimization; Firefly algorithm 0 引言 矢量量化(vector quantization)技术已经使用了许多年。通常，矢量量化分为三个阶段： 码本生成、矢量编码和矢量解码[1]。码本生成是通过最小化训练矢量和其相应码本之间的平 均成对距离，来为一个训练矢量的给定集合找到代码矢量（码本），决定了矢量量化的性能。 矢量编码的过程是，先将图像划分为许多输入矢量（或块），然后与码本的码字作对比，为 每个输入矢量找到最接近的码字。在解码阶段，相关的子图像根据解码码本准确恢复，当每 个子图像都完全重构后，解码完成。 矢量量化算法有基于竞争学习和基于 K-means 两大类。（1）在基于竞争学习的方法中， 码本是通过相互竞争获得的。基于竞争学习的组合的传统方法包括自我组织图算法、生长型 神经气体算法[2]和神经网络算法[3]。（2）基于 K-means 的算法，是通过最小化失真误差来 选择合适的码本。一个众所周知的方法就是 LBG 算法，然而，LBG 算法是一个本地搜索程 序，有一个严重的缺陷，它的性能在很大程度上取决于初始条件。近年来，为提高 LBG 算 法的结果，码本的设计采用了改良的优化算法。Rajpoot、Hussain、Saleem 和 Qureshi 提出 作者简介：乔桢（1987-），男，在校研究生，主要研究方向：图像压缩 通信联系人：程永强（1969-），男，教授，主要研究方向：图