一种基于遗传算法的矢量量化码书设计方法
【技术领域】
[0001] 本发明设及图像压缩编码技术领域，特别是设及一种基于遗传算法的矢量量化码 书设计方法。
【背景技术】
[0002] 矢量量化技术包括码书设计，码字捜索和码字索引匹配，其中码书设计是决定压 缩效果的关键。Linde,Buzo和Gray于1980年提出了K-means聚类算法用于码书设计，其 也称为LBG算法。LBG算法理论严密，实施起来简单方便，已经成功地应用于图像的矢量量 化压缩中。LBG算法是基于W下两个必要条件的最优码书迭代算法，即最近邻居条件和中屯、 条件。最近邻居条件保证了码字和各矢量间欧式距离最短；中屯、条件确保了最优码字处于 各类中屯、。但是，经典LBG算法具有致命的缺点：
[0003] (1)对初始码书要求高，收敛速度和最终码书性能对初始码书敏感；
[0004] (2)无法稳定收敛于全局最优解，一般陷入局部最优；
[0005] (3)计算量巨大，时间和空间计算复杂度高，生成码书速度缓慢；
[0006] (4)生成的码书无序，导致后续的码书捜索算法复杂。
【发明内容】
[0007] 本发明所要解决的技术问题是提供一种基于遗传算法的矢量量化码书设计方法， 能够稳定收敛于全局最优解。
[000引本发明解决其技术问题所采用的技术方案是；提供一种基于遗传算法的矢量量化 码书设计方法，包括W下步骤：
[0009] (1)将染色体编码，其中，染色体编码设计基于码字，每个码字代表一个基因，每个 染色体代表一个码书；
[0010] (2)产生初始种群，通过产生0到255之间的随机数，赋值给每一个码字，从而生成 一条染色体，重复多次，产生指定规模的初始种群；
[0011] (3)计算每条染色体的适应度；
[0012] (4)计算个体在选择过程被选中的概率，利用轮盘赌的方式选择进入下一代的个 体，并将当前代适应度最高的染色体加W保护，保留到下一代，并随机替换下一代中的一个 个体；
[0013] (5)在选出的进入下一代的个体中进行两两配对，对每一对配对的个体，采用自适 应的交叉概率选择方法选择交叉概率进行染色体交叉；
[0014] (6)采用均匀变异算子，对于一个随机选取的变异点，从相应基因位的选取范围内 随机产生一个基因；
[0015] (7)对于新的染色体组中的每一条染色体进行聚类，形成一个新的划分；再计算 出每一个类的中屯、，并作为下一代种群的码书，产生新的种群；
[0016] 做重复步骤（4)-巧），直到循环代数达到最大进化代数为止。
[0017] 所述步骤（1)中将训练集矢量巧云石…云;)聚类为N个类，每一类由一个k维 的矢量片e沁'表示，则将染色体编码为（yii,yi2'''yik，y2r''y2k，…，yNr''yNk)。
[001引所述步骤（3)中对于每一条染色体，根据最近邻居条件将训练集矢量聚类到类Sj.(j= 1，2…脚中，然后利用失真度函数构造的适应度函数计算每条染色体的适应度，其 中，最近邻居条件为y= 失真度函数为
【主权项】
1. 一种基于遗传算法的矢量量化码书设计方法，其特征在于，包括以下步骤： (1) 将染色体编码，其中，染色体编码设计基于码字，每个码字代表一个基因，每个染色 体代表一个码书； (2) 产生初始种群，通过产生O到255之间的随机数，赋值给每一个码字，从而生成一条 染色体，重复多次，产生指定规模的初始种群； (3) 计算每条染色体的适应度； (4) 计算个体在选择过程被选中的概率，利用轮盘赌的方式选择进入下一代的个体， 并将当前代适应度最高的染色体加以保护，保留到下一代，并随机替换下一代中的一个个 体； (5) 在选出的进入下一代的个体中进行两两配对，对每一对配对的个体，采用自适应的 交叉概率选择方法选择交叉概率进行染色体交叉； (6) 采用均匀变异算子，对于一个随机选取的变异点，从相应基因位的选取范围内随机 产生一个基因； (7) 对于新的染色体组中的每一条染色体进行聚类，形成一个新的划分；再计算出每 一个类的中心，并作为下一代种群的码书，产生新的种群； (8) 重复步骤（4)-(8)，直到循环代数达到最大进化代数为止。
2. 根据权利要求1所述的基于遗传算法的矢量量化码书设计方法，其特征在于，所述 步骤（1)中将训练集矢量…5)聚类为N个类，每一类由一个k维的矢量冗e# 表示，则将染色体编码为（y^yyy^yyya，
3. 根据权利要求2所述的基于遗传算法的矢量量化码书设计方法，其特征在于，所述 步骤（3)中对于每一条染色体，根据最近邻居条件将训练集矢量聚类到类S^j = 1，2…N) 中，然后利用失真度函数构造的适应度函数计算每条染色体的适应度，其中，最近邻居条件 为y· = 失真度函数为
中b_st为常数值，a。为染色体。
4. 根据权利要求1所述的基于遗传算法的矢量量化码书设计方法，其特征在于，所述 步骤（4)中个体在选择过程被选中的概率为
^其中，a。表示染 色体，η表示染色体的数目，f(a。）表示染色体a。的适应度。
5. 根据权利要求1所述的基于遗传算法的矢量量化码书设计方法，其特征在于，所述 步骤（5)在染色体交叉过程中，采用双点交叉，即在两个配对的码书中，随机选取连读的几 个码字，交换重组，不破坏染色体中单个码字的结构。
6. 根据权利要求1所述的基于遗传算法的矢量量化码书设计方法，其特征在于，所述 步骤（5)中的自适应的交叉概率为
其中，f为杂 交对中较大的适应度，favg为当代种群平均适应度，fmax为当代种群最大适应度，Pd为交叉 概率上界，Pe2为交叉概率下界。
【专利摘要】本发明涉及一种基于遗传算法的矢量量化码书设计方法，包括以下步骤：将染色体编码；产生初始种群；计算每条染色体的适应度；选择进入下一代的个体；染色体交叉；染色体变异；产生新种群。本发明以种群为对象，使用选择算子对种群中进行针对性的择优操作，并通过改进的交叉算子以增加种群的多样性，最后通过变异算子以提高种群的平均适应值，使其逃离局部最小点。该方法通过保留LBG优化选择策略，具有良好的局部搜索能力。
【IPC分类】G06T9-00
【公开号】CN104867164
【申请号】CN201510214645
【发明人】周云华, 才正国, 李凤荣, 尚琳, 何为, 王营冠
【申请人】中国科学院上海微系统与信息技术研究所
【公开日】2015年8月26日
【申请日】2015年4月29日