Resumo-A quantização vetorial (QV)é amplamente utilizada em compressão de voz e imagem. O desempenho de sistemas de compressão de sinais baseados em QV depende da qualidade dos dicionários projetados. O objetivo do projeto de dicionárió e a construção de um dicionário que minimize a distorção introduzida ao se representarem os vetores de entrada por suas correspondentes versões quantizadas. Este trabalho introduz modificações na técnica PSO-LBG (particle swarm optimizationLinde-Buzo-Gray), a qual utiliza o algoritmo de otimização por enxame de partículas, PSO, para a construção do dicionário. A versão proposta difere da originalmente apresentada na literatura sobretudo por permitir uma maior influência do conjunto de treino no projeto de dicionários.É apresentada uma avaliação comparativa da técnica com sua versão original e com o tradicional algoritmo LBG (Linde-Buzo-Gray) no que diz respeitoà qualidade dos dicionários projetados, avaliada via relação sinalruído de pico de imagens reconstruídas.Palavras-chave: Quantização vetorial, compressão de imagens, projeto de dicionários, otimização por enxame de partículas.
I. INTRODUÇÃOO crescimento da Internet, o avanço tecnológico e a popularização de produtos, como computadores, celulares e tablets, levaram ao aumento da quantidade de informação digital transmitida e armazenada, como aúdio, imagem, vídeo e texto. Diante do aumento significativo do uso de dados em formato digital, surge a necessidade de utilizar de forma eficaz os recursos disponíveis pelas redes de comunicações. Para isso, faz-se necessário codificar de modo eficiente os sinais para que se adequemàs limitações das redes de comunicações. Nesse cenário, a quantização vetorial [1], [2] se destaca como uma poderosa técnica utilizada para compressão de sinais com perdas, em que o sinal quantizado corresponde a uma versão degradada do sinal original com uma quantidade menor de bits. Sua funçãoé realizar o mapeamento de uma sequência de vetores de entrada x que pertencem a um espaço de dimensão K em uma sequência de vetores de mesma dimensão pertencentes a um subconjunto finito desse espaço, denominado dicionário. A quantização vetorial tem sido utilizada com sucesso em sistemas de codificação de sinais, permitindo elevadas taxas de compressão, e tem sido utilizada também em outros sistemas (PSO, Particle Swarm Optimization). No método proposto, PSO-LBG, cada partícula corresponde a um dicionário que representa uma possível solução ao problema. Uma das partículas corresponde a um dicionário projetado pelo algoritmo LBG, que representará inicialmente a melhor partícula global (gbest) do enxame, enquanto as demais partículas correspondem a dicionários iniciais gerados aleatoriamente a partir de um conjunto de treino. As partículas "voam" sobre o espaço vetorial com uma velocidade queé ajustada dinamicamente de acordo com a sua experiência, que correspondeà melhor posição encontrada por ela, e a experiência de seus vizinhos, que correspondeà melhor posição encontrada pelo enxame como um todo. O objetivo do m...