矢量量化码书设计及优化算法分析-design of vector quantization codebook and analysis of optimization algorithm.docx

论文独创性声明本人声明:本人所呈交的学位论文是在导师的指导下独立进行研究工作所取得的成果。除论文中己经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均己在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公开发表的成果。本声明的法律责任由本人承担。论文作者签名:乒μt/I昨d月刀日论文知识产权权属声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属学校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时，署名单位仍然为长安大学。(保密的论文在解密后应遵守此规定)论文因名:μv叫年J月μ日明名:专千份;ù)/争年6月1.--但摘要矢量量化作为一种有效的压缩手段，具有编解码简单、压缩比大等特点，使其广泛的应用于卫星遥感影像的压缩，数字电视、DVD等视频的压缩、存储及传输等方面。在矢量量化技术发展的20多年间，逐步形成了三个重点研究方向：码书设计、码字搜索和索引分配，其中码书设计最为关键。虽然矢量量化技术具有许多优点，但在码书设计中由于通常使用的各种局部最优、类全局最优以及全局最优的码书设计算法，使得生成码书的速度不够快、质量不够好。本文针这一制约矢量量化码书设计的关键问题，为加快码书的生成速度及提高码书的质量，分别提出了小生境猴群繁衍模拟算法、自进化萤火虫优化算法，使得码书的生成的速度和质量得到提高。小生境猴群繁衍模拟算法是以“小生境”思想为基础的遗传码书设计方法。遗传算法作为一种仿生学算法，能够有效的进行全局搜索。本文在传统的基于训练矢量划分的遗传码书设计算法基础上，提出了一种对交叉空间进行一定约束的，基于“小生境”思想的遗传码书设计算法。由于对交叉空间进行了一定的约束，使当前训练矢量总是按照更加优秀的参照码书，以带有一定随机性的并按空间距离最小的方式进行归类，使码书的生成速度得到提高，并在文中给出了此算法的收敛性证明。实验结果表明，此算法在不降低码书质量的基础上，提高了码书的生成速度。自进化萤火虫算法解决的是提高码书质量的问题。在矢量量化码书设计中，只要当前码书不是全局最优码书，都可以对其进行优化以提高码书质量。矢量量化是一种在高维空间中求解多峰值极值的问题，萤火虫算法在高维空间中求解单峰值极值问题，具有良好的效果，但在高维空间中求解多峰值极问题，该算法不能使用。本文对萤火虫算法在矢量量化码书优化过程中的缺陷进行了细致分析，提出了一种改进算法。通过对震荡系数的动态调整，增大了萤火虫之间的距离、减小引力参数、扩大搜索范围，抑制了算法过快收敛的现象。实验表明，此算法能够提高码书性能0.2---0.45dB，使码书更加优化。本文将以上两种改进算法应用于图像处理中，并以本文所提出的码书生成算法（或优化算法）为代表，将最终生成的码书分别嵌入到纹理分类及数字水印中。纹理分类以K-View算法作为分类基础框架，将小生境算法生成的码书作为纹理基元参加分类，取得i良好效果；在数字水印中，将水印信息直接加载在生成码书中并接受各种攻击。实验结果表明由本文提出的算法生成的码书质量更好，速度更快。本文对矢量量化码书设计的贡献是针对制约矢量量化技术发展的速度和质量两个瓶颈问题分别给出了解决方案。其中，小生境猴群繁衍模拟算法在遗传算法及小生境技术上提出了一种不依赖于模式定理以及积木块假设的遗传码书快速生成算法，使码书的生成速度大大加快；自进化萤火虫算法在通过对引力参数的控制，实现了对已生成码书的继续优化，使码书质量大大提高关键词：矢量量化，小生境，遗传算法，萤火虫算法，自进化iiAbstractVectorquantizationisaneffectivemethodofcompression.Itwidelyusedinsatelliteimageandremotesensingimagecompressionbecauseofitssimplecodecandhighcompressionrate.Italsocouldbeusedincompression,storageandtransmissionofdigitalTVandDVDvideo.Thedevelopmentofvectorquantizationtechnicalisaboult20years,Itgraduallyformedthethreekeyresearchdirection:codebookdesign,codewordsearchandindexassignment.Andthecodebookdesignisthemostcriticalofthethree.Thereareavarietyoflocaloptimal,nearglobaloptimal