群體智能算法在圖像壓縮中的應(yīng)用研究.pdf

1、圖像壓縮的目的是在保證一定的圖像質(zhì)量和滿足任務(wù)要求的條件下，減少原始圖像數(shù)據(jù)量，它可歸結(jié)為一個復(fù)雜的優(yōu)化問題。進(jìn)化算法是解決復(fù)雜優(yōu)化的有效手段，它屬于進(jìn)化計算應(yīng)用領(lǐng)域。因此，本文研究將進(jìn)化算法用于圖象壓縮問題。這種方法不僅使算法操作簡單，而且數(shù)據(jù)處理對CPU和內(nèi)存的要求也不高一用極少的比特數(shù)存儲圖像，提高圖像的質(zhì)量。 本文采用遺傳算法GA(Genetic Algorithm)、粒子群算法PSO(Particle SwarmOpt

2、imization)以及基于量子行為粒子群算法QPSO(Quantum-behaved Particle SwatmOptimization)三類群體智能算法來研究圖像壓縮問題。圖像壓縮是存儲圖像比特數(shù)對誤差函數(shù)的最小化，由于誤差函數(shù)常為多峰的，可能存在多個局部極值，因此一般的梯度算法往往找不到全局最優(yōu)解。PSO算法和QPSO算法屬全局搜索算法，所以用它們來優(yōu)化數(shù)據(jù)存儲量對于提高圖像的質(zhì)量具有重要意義。 首先本文研究基于圖像像素

3、的遺傳算法，從中得到一個有序的圖像像素序列，然后結(jié)合固定聚類、固定類的動態(tài)聚類、不固定類的動態(tài)聚類、局部調(diào)整四種聚類方法來共同實(shí)現(xiàn)壓縮。仿真結(jié)果表明，用局部調(diào)整聚類的GA進(jìn)行圖像壓縮，精度更高，收斂速度更快。 其次研究粒子群優(yōu)化算法PSO應(yīng)用到圖像壓縮處理中的可行性。為了提高粒子群算法的收斂速度，增強(qiáng)算法的全局搜索能力，在此基礎(chǔ)上引入了一種基于量子行為的粒子群優(yōu)化算法模型QPSO，主要是結(jié)合了量子物理的思想修改了PSO的“進(jìn)化”