Aluno: Gaspar Henrique Alves Mota

Título: “Melhoramento de Algoritmos de Inteligência Computacional Aplicados à Quantização Vetorial Otimizada para Canal.”

Orientador: Prof. Dr. Francisco Madeiro Bernadino Junior

Data-hora: 25/02/2019 (8:30h)

Local: Escola Politécnica de Pernambuco - Sala I-4

Resumo: “Quantização Vetorial (QV) é uma técnica de compressão de sinais que permite altas taxas de compressão, porém, ao ser aplicada no cenário de canais ruidosos, ela não apresenta um bom desempenho no que diz respeito à qualidade da reconstrução do sinal. A Quantização Vetorial Otimizada para Canal (COVQ, Channel-Optimized Vector Quantization) constitui-se em alternativa para aumentar a robustez de QV aos erros de canal. Algoritmos bioinspirados vem sendo utilizados no projeto de dicionários para COVQ objetivando melhorar a qualidade das imagens reconstruídas quando comparadas com o método de projeto convencional. Neste trabalho é apresentado um novo algoritmo híbrido, denominado RFO-COVQ, que combina o algoritmo de otimização (Rain-fall Optimization) com o algoritmo LBG (Linde-Buzo-Gray) para o projeto de dicionário para Quantização Vetorial Otimizada para Canal. O algoritmo RFO-COVQ é comparado com duas técnicas híbridas de projeto de dicionário: o PSO-COVQ, Particle Swarm Optimization combinado ao LBG, e o FA-COVQ, Firefly Algorithm combinado ao LBG. É também comparado com o método convencional de projeto de dicionários para COVQ. Visando o melhoramento dos algoritmos de inteligência computacional aplicados à quantização vetorial otimizada para canal, é utilizada uma abordagem que consiste em projetar dicionários sob condições mais severas, quanto à probabilidade de erro de bit (BEP, Bit Error Probability), que as do próprio canal de transmissão das imagens. Precisamente, o projeto dos dicionários para um canal BSC (Binary Symmetric Channel , usa-se uma probabilidade de erro de bit f × BEP, em que f > 1 é um fator multiplicativo da BEP do canal. Simulações computacionais permitiram constatar que cada técnica híbrida considerada neste trabalho possui um fator multiplicativo que possibilita maior robustez a erros de canal. Além disso, os resultados evidenciam a superioridade do novo método híbrido proposto, o RFO-COVQ, em termos da qualidade das imagens reconstruídas, quando comparado ao convencional LBG-COVQ.”