基于改进粒子群算法的矢量量化码书设计研究.pdfVIP

第 1O卷 第28期 2010年 10月 科 学 技 术 与 工 程 V0l_10 No．28 0eL2010 167l一1815(2OLO)28—7022—05 ScienceTechnologyandEngineering @ 2010 Sci．Tech．Engng． 计算机技术 基于改进粒子群算法的矢量量化码书设计研究 欧阳金华 孙季丰 (华南理工大学电子与信息学院，广州510640) 摘 要 提出一种粒子群分组并行寻优码书设计算法，应用于图像的矢量量化编码中。可以得到性能较好的码书。利用同 一 种群两个分组分别进化，同时相互监督，某一个分组或者两个分组都陷入局部最优时，它能够通过相互作用跳 出局部最优； 然后通过对训练矢量进行排序，合理选择初始码书，使码字的分布更加合理，增强搜索多样性；最后通过仿真实验验证 了该改 进算法的合理性。 关键词 矢量量化 分组寻优 码书设计 局部最优 中图法分类号 TP202．7； 文献标志码 A 矢量量化是一种高效的有损数据压缩方法，它被 优，两个分组之间相互监督，若某个或两个都陷入 广泛地应用于语音编码、图像编码、视频压缩等多个 局部最优，则通过相互作用的变换公式跳出局部解。 领域。码书设计是矢量量化的关键技术。Linde， Buzo和Gray于1980年提出的LBG 算法是一种有 1 粒子群优化算法 效的码书设计方法，但其初始码书的选择影响码书训 练的收敛速度和最终码书的性能，而且容易陷于局部 PSO算法首先初始化为一群随机粒子 (随机 最优。针对这些问题，许多学者研究提出了各种改进 解)，然后通过迭代找到最优解。在每一次迭代中， 的算法。基于粒子群算法的码书设计就是近年来提 粒子通过跟踪两个 “极值”来更新 自己。第一个就 出的一种比较有效的码书设计算法。 是粒子本身所找到的最优解，这个解叫做个体极值 粒子群算法(particleswarmoptimizerPSO)是一种 p 。另一个极值是整个种群 目前找到的最优解， 多目标进化技术，最早由Kennedy与Eberhart于 1995 这个极值是全局极值g 。 年提出 J，它源于对鸟群觅食行动为的研究。基于粒 设X={ ∞…， }为粒子 i的当前位置， 子群算法的码书设计就是利用粒子群算法具有 良好的 = {V ，…， }为粒子 i的当前飞行速度，P= {P P ，…，P }为粒子 所经历的最好位置，称为 全局搜索性，使每个粒子对要聚类的训练矢量进行搜 个体 i最好位置p 。同时，设群体中的粒子数为 索和聚类，每个粒子都得到一组码书。若达到了终止 ￡，群体中所有粒子所经历过的最好位置为g胁 ，记 条件，则输出全局最优的粒子作为最终码书。 为P 。粒子根据适应值判定粒子位置的好坏。在 本文对粒子群算法的码书设计过程进行如下 每次迭代中，每个微粒根据下式来调整它的飞行速 改进：1)选取遍历性较好的初始码书以增加搜索多 度和位置 ： 样性，加快收敛过程；2)把粒子群分为两组并行寻 (t+1)=加 f(t)+C1r1f(P (t)一X (t))+ cr2(P (t)一置 )) (1) 2010年7月 13日收到 广东省 自然科