فشرده‌سازی تصویر توسط چندی‌سازی برداری مبتنی بر الگوریتم کرم‌ شب‌تاب بهبود‌یافته

چندی‌سازی برداری یکی از روش‌های پرکاربرد در فشرده‌سازی تصویر است. پژوهشگران، الگوریتم‌های مختلفی با چندی‌سازی برداری به‌منظور رسیدن به کتاب-کد بهینه ارائه داده‌اند. ازجمله این الگوریتم‌ها می‌توان از الگوریتم ژنتیک، الگوریتم بهینه‌سازی ازدحام ذرات و الگوریتم کرم شب‌تاب نام برد. در این مقاله برای چندی‌سازی برداری، روش جدیدی بر اساس الگوریتم کرم شب‌تاب بهبودیافته ارائه‌شده است. در روش پیشنهادی عملگر ترکیب ژنتیک با الگوریتم کرم شب‌تاب پایه، به‌منظور بهبود الگوریتم پایه، ادغام‌شده و از آن در تولید کتاب-کد چندی‌سازی برداری، استفاده‌ گردیده است. نتایج پیاده‌سازی روش پیشنهادی، نشان ‌می‌دهد که این الگوریتم کرم شب‌تاب بهبودیافته در مقایسه با الگوریتم‌های ژنتیک و کرم شب‌تاب پایه، بهتر عمل ‌می‌کند. درصد بهبود کیفیت روش پیشنهادی نسبت به الگوریتم کرم شب‌تاب پایه حدود یک درصد است. علاوه بر آن، با افزایش سایز کتاب-کد عملکردی مشابه با الگوریتم بهینه‌سازی ازدحام ذرات دارد.

Vector Quantization Using a Modified Firefly Algorithm for Image Compression

Vector Quantization (VQ) is the powerful technique in image compression. Generating a good codebook is an important part of VQ. There are various algorithms in order to generate an optimal codebook. Recently, Swarm Intelligence (SI) algorithms were adapted to obtain the nearglobal optimal codebook of VQ. In this paper, we proposed a new method based on a modified firefly algorithm (MFA) to construct the codebook of VQ. The proposed method merged genetic crossover operator with FA to develop the VQ. This method is called MFA model. Experimental results indicate that the reconstructed images generated by the proposed model is get higher quality than FA and it’s about one percent, but it is no significant superiority to the PSO algorithm. Furthermore, MFA is slower than FA.