应用协同进化的图像矢量量化码书设计方法

doi:10.3778/j.issn.1002-8331.2008.36.007

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (36): 29-31.DOI: 10.3778/j.issn.1002-8331.2008.36.007

应用协同进化的图像矢量量化码书设计方法

李碧^1,2,林土胜¹,姜灵敏²

1.华南理工大学电信学院，广州 510641
2.广东外语外贸大学信息学院，广州 510420

收稿日期:2008-09-23 修回日期:2008-10-31 出版日期:2008-12-21 发布日期:2008-12-21
通讯作者: 李碧

Code book design algorithm for image vector quantization using coevolution

LI Bi^1,2,LIN Tu-sheng¹,JIANG Ling-min²

1.School of Electronic and Information Engineering，South China University of Technology，Guangzhou 510641，China
2.School of Informatics，Guangdong University of Foreign Studies，Guangzhou 510420，China

Received:2008-09-23 Revised:2008-10-31 Online:2008-12-21 Published:2008-12-21
Contact: LI Bi

摘要/Abstract

摘要： 为了减小LBG算法对初始码书的依赖性，提高跳出局部最优的能力，提出了一种基于协同进化的矢量量化码书设计方法（Coevolution Based LBG，CLBG）。该算法根据码书在同其他码书竞争中的表现来衡量码书的适应度。实验结果表明：CLBG有效地减小了算法对初始码书的依赖性，所得码书性能超过了其他典型的改进码书设计方法。

关键词: 协同进化, 适应度, 矢量量化, 码书

Abstract: To alleviate the dependence on initial code book and improve the ability to avoid local optima in LBG，this paper presents a coevolution based code book design algorithm for image vector quantization（CLBG）.The fitness value of each code book is assessed by the competitive performance.Experimental results show that CLBG alleviates effectively the dependence on initial code book，and it can secure higher performance than other improved code book design algorithms.

Key words: coevolution, fitness, vector quantization, code book

李碧^1,2,林土胜¹,姜灵敏². 应用协同进化的图像矢量量化码书设计方法[J]. 计算机工程与应用, 2008, 44(36): 29-31.

LI Bi^1,2,LIN Tu-sheng¹,JIANG Ling-min². Code book design algorithm for image vector quantization using coevolution[J]. Computer Engineering and Applications, 2008, 44(36): 29-31.

[1]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[2]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[3]	黄晴雁，牟永敏，崔展齐，张志华. 基于遗传算法的函数级别软件错误定位[J]. 计算机工程与应用, 2020, 56(22): 66-73.
[4]	宋美，葛玉辉，刘举胜. 基于协同进化的动态双重自适应改进PSO算法[J]. 计算机工程与应用, 2020, 56(13): 54-62.
[5]	李顺东，游晓明，刘升. 结合ABC算法动态分级的双蚁态蚁群算法[J]. 计算机工程与应用, 2020, 56(12): 37-46.
[6]	陈璐，王秀. 改进遗传算法求解走班制下的排课问题[J]. 计算机工程与应用, 2019, 55(6): 218-224.
[7]	王娇1，罗四维2，邹琪2. 图像分类中基于分类矢量量化的视觉词袋模型[J]. 计算机工程与应用, 2019, 55(10): 141-145.
[8]	申晓宁，孙毅，薛云勇. 采用放松支配关系的高维多目标微分进化算法[J]. 计算机工程与应用, 2018, 54(18): 161-167.
[9]	李胜1，张培林1，李兵2，吴定海1，周云川3. 改进的量子遗传偏最小二乘特征选择方法应用[J]. 计算机工程与应用, 2017, 53(3): 242-246.
[10]	张岩，张华，初佃辉，孟凡超，郑宏珍. 一种改进的双精英协同进化遗传算法[J]. 计算机工程与应用, 2017, 53(16): 161-165.
[11]	陆亚男，南敬昌，高明明. 改进并行粒子群算法优化RBF神经网络建模[J]. 计算机工程与应用, 2017, 53(14): 45-50.
[12]	王金叶，马良，刘勇. 改进光学优化算法及其在函数优化中的应用[J]. 计算机工程与应用, 2017, 53(12): 58-62.
[13]	许峰，吴福芳. 自适应协同进化多目标进化算法[J]. 计算机工程与应用, 2016, 52(6): 26-30.
[14]	李泽1，贺利乐1，郭志杰1，郑建校1，吴敏宁2. 改进协同进化算法优化液压集成块管路布置[J]. 计算机工程与应用, 2016, 52(23): 266-270.
[15]	王超学，田利波. 一种改进的多目标合作型协同进化遗传算法[J]. 计算机工程与应用, 2016, 52(2): 18-23.

应用协同进化的图像矢量量化码书设计方法

Code book design algorithm for image vector quantization using coevolution

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics