应用于图像压缩的图像矢量量化的邻域粒子对优化方法

摘要

本发明涉及一种应用于图像压缩的图像矢量量化的邻域粒子对优化方法，包括：从训练矢量中随机选取码字构成初始码书，每本码书由一个粒子代表，随机选取两个粒子构成初始粒子对，每个粒子在每次迭代中分别调用权重PSO算法进行速度更新、位置更新操作以及调用K-means算法进行聚类操作，总计进行迭代代数为genmax次的粒子对迭代运算；在第j次粒子对迭代运算中，胜出的粒子命名为第j代精英粒子，在该第j代精英粒子的邻域中随机选择某一矢量作为邻域粒子，与该第j代精英粒子共同构成第j代邻域粒子对；当j＝genmax时，该精英粒子为第genmax代精英粒子，为所述邻域粒子对优化方法的求解。本发明降低了初始码书分布对优化结果的影响，对重建图像质量的改善效果明显。

主权项

一种应用于图像压缩的图像矢量量化的邻域粒子对优化方法，基于矢量量化技术，利用较少的码字来表示和代替数量较大的矢量来进行图像压缩，其特征在于，包括：从训练矢量中随机选取码字构成初始码书，每本码书由一个粒子代表，随机选取两个粒子构成初始粒子对，每个粒子在每次迭代中分别调用权重PSO算法进行速度更新、位置更新操作以及调用K-means算法进行聚类操作，总计进行迭代代数为genmax(genmax＞0)次的粒子对迭代运算；其中，在第j(j＝1，2...，genmax，其中genmax是精英粒子最大代数)次粒子对迭代运算中，胜出的粒子命名为第j代精英粒子，在该第j代精英粒子的邻域中随机选择某一矢量作为邻域粒子，与该第j代精英粒子共同构成第j代邻域粒子对；当j＝genmax时，该精英粒子为第genmax代精英粒子，为所述邻域粒子对优化方法的求解。